HS-KL RoboCup 2021

RoboCup 2014, Joao Pessoa, Brasilien. Quelle: Uni Bonn

HS KL geht zur RoboCup German Open 2021!

Der RoboCup soll die Robotik und KI Forschung fördern und das vor einem öffentlichen Publikum. Ein Fußball spielender Roboter mag  wie eine eher wissenschaftliche Herausforderung aussehen, aber man muss dabei eine Fülle von Standard Problemen – wie man sie aus der heutigen Industrie kennt – lösen, und ist damit ein guter Einstieg in die Welt der KI.

Der AK Smart Machines ruft alle interessierten Studierenden, Professoren, und interessierte Unternehmen auf, in unser Team einzusteigen, und es gemeinsam bis bin die Qualifikation für den RoboCup 2021 zu schaffen!

Unser Kooperationspartner abat+ unterstützt uns bei Projekt- und Bachelor-Arbeiten in den Feldern robuste Bildverarbeitung, innovative Roboter Programmierung und Prozessoptimierung in der diskreten Fertigung, um neue Geschäftsfelder für die Industrie 4.0 zu erschließen.

Was ist die RoboCup Standard Platform League?

Der Robot Soccer World Cup ist die Fußball WM für Roboter. Der erste Wettkampf wurde 1997 bestritten und heute werden neben Fußball auch viele andere Wettkampf Arten ausgefochten, wie z. Bsp. auch die RoboCup Rescue League, bei dem die Roboter auf eine Rettungsmission entsandt werden.

Beim RoboCup lassen verschiedene Teams aus aller Welt ihr 5 Roboter in 2 Mannschaften gegeneinander wetteifern und dabei um den Fußball kämpfen, den Gegner austricksen und Tore schießen.  Die Standard Platform League (SPL) verwendet ausschließlich den gleichen Roboter, den NAO v6.

Die kleinen Roboter müssen sich vollständig autonom über das Spielfeld bewegen und dürfen nur wenig miteinander kommunizieren, um dennoch eine Team Strategie zu entwickeln, die zum Sieg führt. Dabei sollen sie trotz allem unabhängig voneinander agieren können.

Arbeiten mit dem NAO



Arbeitsumgebung

Der kleine humanoide Roboter NAO ist unser Spieler auf dem Spielfeld und wir sind sein Trainer.
Bei uns wird er sowohl mit C++ als auch mit Python programmiert. Dabei wird Python bei der Bilderkennung, wie zur Erkennung des Balls und des Tors, verwendet und C++ für den ganzen Rest. Darunter fällt zum Beispiel seine Bewegung über den Fussballrasen.

Voraussetzung hierfür ist die im Projekt bereits mitgelieferte IDE CodeLite und das Betriebssystem Ubuntu 18.04 LTS.

Außerdem gibt es auch einen Simulator. Dann muss man nicht immer vor Ort sein um seinen Code zu testen. Der Simulator ‘SimRobot’ ist sogar von einem mehrfachen Siegerteam des RoboCup (B-Human, Uni Bremen und DFKI) entworfen.


Beispiel Code

Wie gut müsst ihr programmieren können? Beantwortet es euch selbst.

Unten seht ihr ein paar Code Beispiele. Wenn ihr in der Lage seid, nachzuvollziehen was dort passiert, dann seid ihr bestens vorbereitet.

Sollte der NAO umfallen muss er laut Regelwerk selbst in der Lage sein wieder auf zu stehen. Der folgende Code erreicht das.

void FallEngine::safeFall(FallEngineOutput& output) const { // set stiffness of each joint for(int i = 0; i < Joints::numOfJoints; i++) output.stiffnessData.stiffnesses[i] = 10; // falling backwards ? sit up. if(output.fallingBackwards) { MotionUtilities::sit(output); } // falling forward ? stand up. else if(output.fallingForward) { MotionUtilities::stand(output); } } Weiterlesen

Kennen Sie Ihre KI?

Katzentoast – Toast mit Katze? – Katze mit dickem Hals?

Kennen Sie Ihre KI? 

Was eine KI kann, und was nicht.

von Adrian Müller

Worum geht es?

Der folgende Beitrag ist eine Langfassung des Vortrags “Verstehen Sie Ihre KI? – Was KI kann, und was nicht.”, gehalten auf der Zukunftsmesse KI 2018.

Der Begriff Künstliche Intelligenz ist zwar in aller Munde, scheint jedoch bei genauerem Nachfragen sehr unterschiedlich besetzt. Ist beispielsweise ein Navigationssystem im Auto intelligent? Ist es „mehr“ intelligent, wenn es auf Verkehrsstörungen beispielsweise mit einer dynamischen Umfahrung reagiert?

Vor ein, zwei Dekaden wäre ein solches System zumindest technisch gesehen ein kleines Wunderwerk gewesen. Am technischen Fortschritt jedoch kann man einen Begriff inhaltlich nicht festmachen. Erst bei genauerer Betrachtung erkennt man Eigenschaften die unabhängig vom technischen Startpunkt eines Systems oder Lebewesen Gültigkeit haben.

Die Definition von Künstlicher Intelligenz in der Informatik, die sich in vielen Situationen bewährt hat, ist die eines „rationalen Agenten“. Der Agent, ein Computerprogramm, kann eine vorgegebene Aufgabe effizient und zielgerichtet erfüllen. Dabei setzt es je nach Situation und Umgebung Komponenten ein wie automatisches und überwachtes Lernen, Planen unter Zeit und Kostenoptimierung, Mustererkennung in Daten, Bildern, Audio usw.

Diese Komponenten wiederum benutzen Algorithmen zur Datenanalyse, zum Lernen von Mustern, zum logischen Schließen und zum Anwenden von Regeln auf ein gegebenes Problem. Dieser Zusammenhang zwischen Algorithmen, Optimierungen und Anwendungsszenarien wird in der aktuellen Diskussion gerne als „künstliche Intelligenz“ in unangebrachter Weise vereinfacht.

Um ein Beispiel zu geben: die automatische Verschlagwortung eines Bildes ist deutlich weniger intelligent als die Leistung der Saatkrähen im Freizeitpark “Puy de Fou” im Sommer 2018. Der Falkner des Parks hat sie erfolgreich darauf trainiert, eingesammelte Zigarettenkippen gegen Fressen zu tauschen. Eine intelligente Leistung, die sich nur durch Mustererkennung in Kombination mit zielgerichtetem Lernen erklären lässt (s. Beitrag in Euronews.com, 2018) – und das sehr rational ist!

In diesem “Standpunkt” fokussieren wir uns auf die Möglichkeiten und Grenzen der Mustererkennung (Bilder, Datensätze), von Lernverfahren, HCI, und Data und Text Mining. Dies entspricht technologisch dem primären Anteil der Systeme, wie sie in den letzten Jahren populär geworden sind. Dazu zählen Foto-tagging Applikationen, Bildmanipulationen, selbstfahrende Autos und Ähnliches.

Eine weiterführende Diskussion zu humanoiden Robotern, autonomen Fahrzeugen und ihrer Zuverlässigkeit, oder beispielsweise medizinischen Expertensystemen vermeiden wir in diesem Beitrag bewusst. Die gesellschaftlichen und ethischen Fragestellungen stellen eine andere Qualität der Diskussion dar.

In diesem Beitrag geht es stattdessen darum, dass sich technische und nicht technische Leser und Zuhörer in ihrem Verständnis von künstlicher Intelligenz gegenseitig kennenlernen können – auf Basis der prinzipiellen Gesetzmäßigkeiten, denen solche Systeme unterliegen.

Was in der aktuellen Diskussion von „KI“ – sprachlich präziser: vom Einsatz der Methoden der künstlichen Intelligenz in der Anwendungsentwicklung – und der allgemeinen Panikmache um die „Gefahr durch eine Super-KI“ und die „Macht der Maschinen“ ebenfalls gerne übersehen wird, sind die kreativen und gestalterischen Möglichkeiten durch den Einsatz einer KI, sei es als Werkzeug, oder als Trainingsgerät und vieles anderes mehr.

Im abschließenden Teil dieses Beitrages finden sich daher kritische Überlegungen zur Mensch-Maschine-Kommunikation genauso wie zu den positiven Auswirkungen von neuen Technologien auf den Erkenntnisgewinn in der Medizin und anderen Bereichen der Forschung. Die assoziierten Schlagwörter hier sind “industrie 4.0”, „high-speed science“, und auch „disruptive“ Technologien.

Mustererkennung vs. Bildverstehen

In 2015, a black software developer named Jacky Alciné embarrassed Google by tweeting that the company’s Photos service had labeled photos of him with a black friend as “gorillas.” Google declared itself “appalled and genuinely sorry.” An engineer who became the public face of the clean-up operation said the label gorilla would no longer be applied to groups of images, and that Google was “working on longer-term fixes.”

More than two years later, one of those fixes is erasing gorillas, and some other primates, from the service’s lexicon. The awkward workaround illustrates the difficulties Google and other tech companies face in advancing image-recognition technology, which the companies hope to use in self-driving cars, personal assistants, and other products.

WIRED tested Google Photos using a collection of 40,000 images well-stocked with animals. It performed impressively at finding many creatures, including pandas and poodles. But the service reported “no results” for the search terms “gorilla,” “chimp,” “chimpanzee,” and “monkey.”

Quelle:

https://www.wired.com/story/when-it-comes-to-gorillas-google-photos-remains-blind/ Weiterlesen

Stromverbrauch London

Vorhersage und Steuerung des Stromverbrauchs in London-

Eine Data Mining Studie zur Trendanalyse und Vorhersage

Alexander Schwarz, cand. M.Sc. Informatik

im VTF Data- und Text Mining, 2018, Prof. A. Müller

Beschreibung der Daten

Stromverbrauchsmessungen für eine Stichprobe von 5.567 Londoner Haushalten, die am Low Carbon London Projekt von UK Power Networks, zwischen November 2011 und Februar 2014 teilgenommen haben. Ca. 167 Mio. Datensätze aufgeteilt auf 168 Dateien.

Halbstündliche Messung des Stromverbrauchs in kWh von ca. 5500 Haushalten. 1100 Haushalte nutzten, während des gesamten Kalenderjahres 2013, ein variables (Time of Use) Preismodell. Die Tarifpreise wurden einen Tag im Voraus über das Smart Meter, oder per SMS an das Mobiltelefon übermittelt. Die Kunden erhielten hohe (67,20p/kWh), niedrige (3,99p/kWh) oder normale (11,76p/kWh) Preissignale und die entsprechenden Tageszeiten.
Die restlichen 4400 Haushalte hatten einen Festpreistarif von 14,23 p/kWh.

Alle Haushalte wurden in die entsprechenden CACI-Acorn-Gruppen Affluent Achievers, Rising Prosperity, Comfortable Communities, Financially Stretched und Urban Adversity eingeteilt. Acorn ist eine Verbraucherklassifikation, die die britische Bevölkerung, anhand von demographischen Daten, sozialen Faktoren, Bevölkerungs- und Verbraucherverhalten in verschiedene Gruppen einteilt.

Zusätzlich zu den Haushaltsdaten, sind noch die Wetterdaten (Temperatur, gefühlte Temperatur, Luftdruck, Luftfeuchtigkeit, etc.) in einem stündlichen Intervall über den gesamten Zeitraum verfügbar.

Quellen:

https://data.london.gov.uk/dataset/smartmeter-energy-use-data-in-london-households

https://acorn.caci.co.uk/downloads/Acorn-User-guide.pdf Weiterlesen

Data- und Text Mining

Hallo und Willkommen,

HIer finden Sie alle aktiven und abgeschlossenen Arbeiten von Studierenden und Mitgliedern der HS Kaiserslautern zu den Themenfeldern Data Mining und Text Mining; von der Studien- und Bachelorarbeit über Praxisprojekte und Mining Studien im Master bis hin zur Master Thesis.

In vielen Fällen sehen Sie eine Kurzdarstellung oder – bei aktiven Projekten – die Konzeption.

Die Autoren freuen sich auf Ihre Kontaktaufnahme, und stellen Ihnen weiteres Material gerne zur Verfügung.

Projekte:

  • Toxic Comment Classification
    Text Mining Studie zur Sentiment Analyse in Wikipedia
  • Vorhersage und Steuerung des Stromverbrauchs in London
    Eine Data Mining Studie zur Trendanalyse und Vorhersage
  • Weiterlesen


    Teile diese Seite