Ambient Intelligence Vorlesung - gris.tu-darmstadt.de · Inhalte der Vorlesung • AmI ... Anfänge...

Ambient Intelligence

WS 2015/2016

Vorlesung 1 – Einführung und

Organisatorisches

Dr. Andreas Braun

FB Informatik | GRIS | Fraunhofer IGD 1

Organisatorisches

Eine kurze Geschichte

Definitionen Ambient Intelligence

Ambient Assisted Living

Herausforderungen

Ambient Intelligence @ Fraunhofer IGD

Zusammenfassung

Agenda


Vorlesung

Montags, 15:20 - 17:00 Uhr (S305/074)

Übung

Mittwochs, 15:20 - 17:00 Uhr (S305/73) (nur 4 Termine)

Zusammen 6 CP – Übung ist obligatorisch

Klausur

Termin 08.02.2016

Webseite zur Veranstaltung mit allen relevanten Unterlagen /

Vorlesungsfolien

www.gris.tu-darmstadt.de/teaching/courses/ws1617/ambient/

Termine I


Vorlesung

Dr. Andreas Braun: [email protected]

Dr. Helmi Ben Hmida: [email protected]

Übung

Dr. Helmi Ben Hmida: [email protected]

Silvia Rus: [email protected]

Allgemeiner Kontakt: [email protected]

Kontaktpersonen


mailto:[email protected]





Vorlesungsinhalt: sechs Blöcke

1. Einführung in Ambient Intelligence

Ambient Intelligence 1 - Einführung in AmI - Begriffsdefinitionen, einige

Beispiele

Ambient Intelligence 2 - Sensoren, Aktuatoren, Home Automation, Standards

Ambient Intelligence 3 - Context-awareness als Basis für Intelligenz in AmI

2. Interoperabilität und Standardisierung

Interoperability 1 - Hardware Interoperability

Interoperability 2 - Software & Semantic Interoperability

Vorlesungsaufbau


3. User Interaction

Interaction 1 - Einführung in Human-Environment Interaction

Interaction 2 - Implicit Interaction in AmI

Interaction 3 - Explicit Interaction in AmI

4. Sicherheit in Ambient Intelligence

Sicherheit 1 - Identifikationstechnologien in AmI-Systemen

Sicherheit 2 - Sicherheit und Privatsphäre in AmI

Vorlesungsaufbau (Forts.)


5. Smart Living Anwendungen und Technologien

Beispiel einer offenen Integrationsplattform: universAAL

Beispiel einer umfassenden Softwarelösung: WoQuaZ

Electric Field Sensing Technologies - Basics and applications

Prototyping in Ambient Intelligence

Future of Ambient Intelligence

Vorlesungsaufbau (Forts.)


Inhalte der Vorlesung

• AmI - Domänen, Home Automation, Context-Awareness

• Interoperabilität - Hardware, Software, Semantische Ebene

• Interaktion - Explizite und implizite Interaktion

Grundlagen

• Electric Field Sensing

• universAAL als Integrationsplattform

• WoQuaZ - ein AAL-System in der Praxis

• Prototyping in AmI

Praktische Beispiele

• Sicherheit in Ambient Intelligence

• Aktuelle Forschungsthemen und zukünftige Entwicklungen

Vertiefende Themen


Übungen sind „Mini-Praktika“

Thema wird in Kleingruppen bearbeitet

Unsere Kollegen haben einige Themenvorschläge, aber

Gruppen können in Absprache auch eigene Ideen entwickeln

Termine: 19.10.2016 Themenauswahl & Gruppenbildung

08.02.2017 Abgabe

Teilnahme ist notwendig für die Klausurzulassung

Bei sehr guter Teilnahme kann ein Bonus von 0.3 erworben

werden

Mehr in zwei Tagen

Übung


Organisatorisches




Herausforderungen


Zusammenfassung

Agenda


Ambient Intelligence - an example


Fernsteuerung

Steuerung elektronischer/mechanischer

Geräte über Entfernung

Technologien

Funk ~1900 - Tesla, Torres Queredo

Licht

Sichtbares Licht - Flash-Matic - 1955

Infrarot - seit 1970er

Ultraschall - Zenith Space Command 1956

-∞ bis 1980


Sensoren

Wandlung physikalischer Messgröße in

quantitativ erfassbare Größe

Anfänge

Hygrometer

Thermometer

20. Jahrhundert

Radar, Sonar

Modern

Digitale Systeme, MEMS

-∞ bis 1980


Computer

Anfänge

Mechanische Rechenmaschinen

Relaisrechner

Röhrenmaschinen

1970-1980

Personal Computer

-∞ bis 1980


Xerox PARC - Palo Alto Research Center

Einige Errungenschaften

Laserdrucker

Bitmap

GUI mit Maussteuerung

WYSIWYG Editor

Prägung von Ubiquitous Computing als Begriff

1980 - 2000


PARC - UC program - Resultate

Liveboard

Kollaboratives Zeichnen & Arbeiten

Drahtloser Stift mit mehreren Eingaben

ParcPad

Portable Computer

Frühes Drahtlossystem

Pen mit Mikrofon

ParcTab

PDA Vorläufer mit IR und Stiftgesteneingabe

Active Badge - IR Tag - Lokalisierung in Gebäude

1980 - 2000


Ubiquitous Computing

The Computer for the Twenty-First Century, Scientific American

article in 1991 by Mark Weiser ( 1999)

“The most profound technologies are those that disappear. They

weave themselves into the fabric of everyday life until they are

indistinguishable from it.”

UC “takes into account the natural human environment and allows

the computers themselves to vanish into the background.”

UC draws “computers out of their electronic shells” in terms of

“embodied virtuality”.

“The "virtuality" of computer-readable data – all the different ways in

which it can be altered, processed and analyzed – is brought into

the physical world”


http://www.ubiq.com/hypertext/weiser/SciAmDraft3.html

MIT Media Lab (Tangible Media & Affective

computing)

Ambient Room

Physische Objekte manipulieren Ausgabe

Ambiente Informationsübermittlung (Licht & Sound)

Affective Wearables

Emotionserkennung (Puls, Hautwiderstand..)

Smart Rooms

Identifikation von Personen

Aktivitätserkennung

1980 - 2000


Microsoft EasyLiving

Tracking von Nutzern und Geräten

Middleware und Service Abstraktion

Geometrische Modellierung von Geräten und Umgebung

1980 - 2000


Pervasive Computing

Pervasive Computing: Vision and Challenges, IEEE Personal

Communications article in 2001 by M. Satyanarayanan

“ubiquitous computing, now also called pervasive computing, … a

vision too far ahead of its time”

“After a decade of hardware progress, … we are now better

positioned to begin the quest for Weiser’s vision”.

“four new research thrusts: effective use of smart spaces, invisibility,

localized scalability, and masking uneven conditioning”


http://www.cs.cmu.edu/~aura/docdir/pcs01.pdf

Basistechnologien werden Mainstream

WiFi & LTE

Hochgeschwindgkeitsnetze In- & Outdoor

Smartphones & Tablets

„Pocketable“ PC - Persistente Vernetzung und Lokalisierung

Zahlreiche Sensoren

Tragbares Display als Computer

2000-now


Tinkering - Bezahlbare Systeme für Bastler

Kinect - 3D Tracking

Einkaufswagen folgt Nutzer

Navigation für Blinde

Arduino - Mikrocontroller

Energy Monitoring

Home Control

2000-now


Organisatorisches




Herausforderungen


Zusammenfassung

Agenda


Definition „Ambient Intelligence“

Nach Aarts & Encarnação (siehe Artikel auf der Homepage)

AmI “refers to electronic environments that are sensitive and

responsive to the presence of people;”

“In an AmI world, devices operate collectively using information and

intelligence that is hidden in the network connecting the devices.”

They “cooperate seamlessly with one another to improve the total

user experience through the support of natural and intuitive user

interfaces.”


„Ambient“ und „Intelligent“

Nach Aarts & Encarnação (siehe Artikel auf der Homepage)

“The notion of ambience in Ambient Intelligence refers to the

environment and reflects the need for an embedding of technology

in a way that it becomes nonobstrusively integrated into everyday

objects.”

“The notion of intelligence reflects that the digital surroundings

exhibit specific forms of social interaction, i.e., the environments

should be able to recognize the people that live in it, adapt

themselves to them, learn from their behaviour, and possibly act

upon their behalf.”


Einleitende Beispiele

Unity Systems Home Manager

Möglichkeiten

Raumgenaue Kontrolle von Temperatur

Steuerung von Beleuchtung, Steckdosen, Lüftung, Bewässerung, …

Schattierung und Heizungssteuerung basierend auf Außentemperatur

Kalender und Eventbasierte Regeln

Alarmanlage mit automatischen Anrufen

Steuerung über zentralen Touchscreen

Aus welchem Jahr stammt dieses System?




1985




https://www.youtube.com/watch?v=0BHIknNa6Eg



Gator Tech Smart Home

University of Florida 2005

Viele Smart Home Devices

Intelligente Dienste

Barrierefreies Bauen

Fokus auf ältere Personen



Gator Tech Smart Home

Einbindung einer Middleware

Weitere Details in späteren Vorlesungen


Ein Ambient Intelligence System besteht aus miteinander

vernetzten technischen Geräten (networked devices)

Ziel des Systems ist die Unterstützung des Nutzers bei

dessen Aufgaben - es ist ein Assistenzsystem

Physikalisch sind diese über einen bestimmten Bereich

ausgebreitet - den Systemraum (system space)


Definitionen


Kategoriesierung der technischen Geräte, auf denen ein

Assistenzsystem basiert:

Sensoren: Wahrnehmung des aktuellen Zustands der Umgebung

Gewonnene Daten: Kontextinformationen

Nicht das einzige Mittel Kontextinformationen zu generieren (später

mehr)

Aktuatoren (oft auch „Aktoren“ genannt):

„Alles was den Zustand der Umgebung aktiv beinflussen kann“


Definitionen


Faktoren um aus unabhängigen technischen Geräten ein

Assistenzsystem zu formen

…Interoperabilität zwischen den Geräten

…eine Steuerungssoftware, die den Sensorinput auswertet,

Entscheidungen trifft und ggf. Steuersignale an die angeschlossenen

Aktuatoren sendet

...eine ausgereifte Benutzerschnittstelle, die dem Nutzer trotz der

Komplexität des Systems die vollständige Kontrolle über dasselbe

ermöglicht


Definitionen



Ein AmI System ist …

Sensitive

Sensoren registrieren Umgebung und Nutzer und verarbeiten diese

Daten

Responsive

Reagiert auf Nutzerwünsche und agiert in der Umgebung

Adaptive

Kontextbasiertes Verhalten, Situationen werden erkannt und

personalisisert darauf reagiert



Ein AmI System ist …

Transparent

Das System ist unsichtbar und stört den Raum in dem es installiert ist

nicht

Ubiquitous

Alle Dienste werden überall zur Verfügung gestellt

Intelligent

Das System lernt aus Interaktionen des Nutzers



Middleware - Motivation

Es können mehrere Hundert Sensoren, Aktuatoren und IO-

Systeme zu einem AmI-System beitragen

Viele Sprachen, Eigenschaften, Protokolle, …

Damit ein System in der Nutzung konsistent wird muss ein hohes

Maß an Abstraktion erreicht werden



Middleware - Struktur

Zusätzliche Schicht zwischen Anwendungen

und Betriebssystem um Komplexität zu

abstrahieren

Beispiele

CORBA

ColdFusion

Die heterogene Infrastruktur von Ambient

Intelligence bedingt eine leistungsfähige

Middleware



Beispiel-System

Nest Thermostat

Kontrolle der Heizungssteuerung

Außentemperatur

Direkte Kontrolle

System lernt aus Nutzerinteraktionen


Organisatorisches




Herausforderungen


Zusammenfassung

Agenda



Motivation - Demographischer Wandel

Höhere Lebenserwartung und geringere Geburtenrate führen zu

höherem Anteil 65+

Babyboom-Generation

Pillenknick-Generation



Motivation - Demographischer Wandel

Wirtschaftliche Effeke

Weniger Erwerbstätige je Pensionär/Rentener

Druck auf Finanzierung der Renten- und Pflegesysteme

Politische Genemaßnahmen (Agenda 2010)

Gesundheitliche Aspekte

Starke Korrelation von

Gesundheitsausgaben und Lebensalter

Stark steigende Zahl pflegebedürftiger

Personen (zumindest temporär)



Motivation - Pflegebedarf

Höherer Bedarf an medizinischen Leistungen und

Pflegeleistungen bei begrenztem Arbeitskräftepool

Finanziell wenig attraktiv

Hohe physische und psychische Ansprüche

Pflegekrise



Definition


umfasst Methoden, Konzepte, (elektronische) Systeme, Produkte

sowie Dienstleistungen, welche das alltägliche Leben älterer und

auch benachteiligter Menschen situationsabhängig und

unaufdringlich unterstützen. Die verwendeten Techniken und

Technologien sind nutzerzentriert, also auf den Menschen

ausgerichtet und integrieren sich in dessen direktes Lebensumfeld.



Assoziierte Forschungsgebiete

Ambient Assisted

Living

Embedded Systems

Tele-

medicine

Home Automation

Artificial Intelligence





Embedded Systems/Eingebettete Systeme

Integrierte Sensorik ermöglicht einfachere Integration

in bestehende Wohnunmgebungen

Verfügbare Rechenleistung ermöglicht Smart Sensors

Beispiel: Kamera mit angeschlossener Recheneinheit,

lernendes Thermostat (Nest)

Telemedicine/Telemedizin

Systeme zur Übertragung medizinisch relevanter

Daten, oder zur Konsultation mit medizinischen

Fachkräften

Beispiel: Automatisierte Pflegedokumentation, Skype

mit Arzt, Gesundheitskarte




Home Automation

Technische Anbindung aller Sensoren und Aktoren

Regelbasierte Schaltung

Nutzung für Komfort und Sicherheit

Beispiel: Automtische Herdabschaltung bei Verlassen

der Wohnung

Artificial Intelligence

Aktivitätserkennung - was können wir aus

Sensorsignalen lernen

Lernen von Vorlieben und Verhalten

Automatische Adaption von Regeln





Sensoren werden unauffällig integriert

Abstrahierte Nutzerschnittstellen werden bereitgestellt

Verschiedene Modalitäten

Adaptive User Interfaces



Anwendungsgebiete - Wichtige Aspekte

Hilfe, Unterstützung oder Pflege (35% der über 85jährigen sind pflegebedürftig)

Lösungen müssen ganzes Krankheitsbild

eines Menschen abdecken 96% der 70jährigen und älteren haben mind. eine,

30% haben fünf oder mehr Erkrankungen

Erhöhte Verletzungsgefahr, Sturzfolgen 30% der über 65jährigen und 50% der über 80jährigen

stürzen jährlich zuhause, 40.000 Senioren sterben

Quelle: Fraunhofer IAO / IGD



Anwendungsgebiete - Ängste älterer Personen

Quelle: BAGSO e.V.: Wohnen im Alter 2005 Anzahl: 459; Durchschnittsalter: 65



Anwendungsgebiete - Konsequenz

Krankheit

und Leiden

Einsamkeit

Verlust der

Selbst-

ständigkeit



Beispiel

PAUL

AIO-PC bietet Komfort/Multimedia-Dienste, Kommunikationsdienste und

Sicherheitsfunktionen

Einfache Haussteuerung (KNX)

Service-Portal für Shopping etc.


Organisatorisches




Herausforderungen


Zusammenfassung

Agenda


Herausforderungen

Kategorien

Interoperabilität

Problemfreie Kommunikation in heterogenen Systemen

Steuerungssoftware

Bereitstellung aller Dienste, Realisierung von Intelligenz und

Personalisierung

User Interaction

Bereitstellung von allgemein verfügbaren Nutzerschnittstellen

Nutzerakzeptanz

Systeme müssen von den Nutzern auch gewollt werden und einen

Mehrwert bieten


Das Interoperabilitätsproblem ist absolut zentral für Ambient

Intelligence…

…denn hier sollen Geräte aus vielen verschiedenen

Bereichen „zusammenarbeiten“

Heimautomatisierung

Unterhaltungselektronik

Haushaltsgeräte (die sog. white ware)

Kommunikationsgeräte

Telemedizinische Geräte

…

Herausforderungen

Interoperabilität


Mehrere Hindernisse

Problem 1) Mangelnde awareness der Hersteller

Problem 2) Kein Interesse der Hersteller (Stichwort customer lock-in)

Problem 3) Menge der bereits jetzt vorhandenen „Standards“

Problem 4) Altgeräte der Nutzer, die nur nach und nach ersetzt werden

Einige Hindernisse lassen sich softwareseitig umgehen, z.B.

per Middleware

Allgemein aber noch kein etablierter Standard für generische

Interoperabilität Internet of Things

Herausforderungen

Interoperabilität


Zunächst einmal müssen die Geräte physisch in der Lage

sein, an ein Netzwerk angebunden zu werden

Verschiedene Möglichkeiten: kabelbasiert, funkbasiert, optisch,

akustisch, …

Vier Ebenen von Interoperabilität

Interoperabilität auf Protokollebene

Interoperabilität auf Syntaktischer Ebene

Interoperabilität auf Semantischer Ebene

Interoperabilität auf Nutzerebene

Mehr dazu im Vorlesungsblock Interoperabilität

Herausforderungen

Interoperabilität


Die zweite Herausforderung liegt in der Entwicklung einer

geeigneten Steuerungssoftware

Diese muss auf Basis der ihr zur Verfügung stehenden

Informationen den Zustand der Umgebung bewerten können

und entscheiden, ob „Anpassungen“ notwendig sind

Herausforderungen

Steuerungssoftware

perceive decide actSensoren Steuerungssoftware Aktuatoren


Einfaches Beispiel:

Perceive

Nutzer betritt Küche ( Bewegungssensor)

Küche ist dunkel ( Helligkeitssensor/interne Zustandsverwaltung)

Decide

Die Steuerungssoftware weiß, dass der Zustand „Nutzer in Raum und

Raum ist dunkel“ nicht optimal ist (aber Ausnahmen, z.B. Nachtruhe,

Fernsehfilm, …)

Act

Die Steuerungssoftware aktiviert die Lichtaktuatoren in der Küche

( schaltet Deckenbeleuchtung ein und/oder fährt Rollläden hoch)

Herausforderungen

Steuerungssoftware


Der aktuelle Zustand des Systemraums, heißt Kontext

Zu dessen Bewertung benötigt das Assistenzsystem

möglichst viele Kontextinformationen

Kontextinformationen werden dem Assistenzsystem nicht nur

extern (z.B. von Sensoren) geliefert: auch intern verwaltete

Informationen können Kontextinformationen sein

Herausforderungen

Steuerungssoftware


Beispiel:

Wenn das System die Lichter in der Küche aktiviert, dann weiß es, dass

diese aktuell „an“ sind…

…und daraus folgt, dass die Küche mit hoher Wahrscheinlichkeit jetzt

„hell“ ist

Hier sind zwei verschiedene Varianten für die interne

Gewinnung von Kontextinformationen genannt:

Erstens über eine interne Zustandsverwaltung (Licht an/aus)…

…und zweitens über logisches Schlussfolgern (engl. inference, bzw.

reasoning): the streets are wet it probably has rained

Herausforderungen

Steuerungssoftware


Erkennt das Assistenzsystem eine Situation in der es

handeln sollte, werden zur Verfügung stehenden Aktuatoren

genutzt

Das System nutzt seine Aktuatoren, um den Zustand des

Systemraums in einen besser bewerteten Zustand zu

überführen

Man spricht hier von Orchestrierung: wie ein Dirigent weist

das Assistenzsystem die ihm zur Verfügung stehenden

Aktuatoren zum jeweils richtigen Zeitpunkt an, eine

passende Aktion auszuführen um durch ihr Zusammenspiel

insgesamt einen bestimmten Effekt zu erzielen

Herausforderungen

Steuerungssoftware


Frage: wer „bewertet“ eigentlich die verschiedenen Zustände

des Systemraums?

Dieses Wissen muss dem Assistenzsystem irgendwie

beigebracht werden, d.h. es muss mindestens eine initiale

Konfiguration erfolgen (und während des Betriebs können

auch immer wieder Anpassungen notwendig werden)

Dies bringt uns zur dritten Herausforderung: User Interaction

Herausforderungen

Steuerungssoftware


Die dritte Herausforderung liegt in der Bereitstellung einer

ausgereiften Benutzerschnittstelle

Wieder ein sehr umfangreiches Forschungsgebiet (Stichwort

HCI)

Problem: Assistenzsysteme sind komplexe Systeme, da sie

sich aus vielen verschiedenen Komponenten (Soft- und

Hardware) zusammensetzen, die jeweils eine bestimmte

Menge an Funktionalitäten bereitstellen – wie ermöglicht

man dem Nutzer den Zugriff auf diese?

Herausforderungen

User Interaction


Eine grundsätzliche Entscheidung: sollte man den Zugriff auf

alle möglichen Funktionalitäten ermöglichen oder die Anzahl

der Funktionalitäten von vorneherein einschränken?

Idee: kann das System vielleicht erlenen, welche

Funktionalitäten der Nutzer in einer bestimmten Situation

überhaupt benötigt und dann die restlichen verbergen?

Dieses Prinzip nennt man intentionsbasierte Interaktion.

Herausforderungen

User Interaction


Wir unterscheiden zwei Interaktionsvarianten:

Die explizite Interaktion ist die bewusste Steuerung des Systems,

beispielsweise durch Sprachbefehle

Die implizite Interaktion hingegen ist die Steuerung des Systems durch

Verhaltensweisen, die nicht den Aufmerksamkeitsfokus des Nutzers

beanspruchen, z.B. das Betreten eines Raums

Wir ordnen implizite Interaktionsereignisse meist den

Kontextinformationen zu, explizite Interaktion hingegen dem

eigenstehenden Bereich User Interaction

Trennung aber durchaus schwierig, Übergang fließend

Herausforderungen

User Interaction


Ein Assistenzsystem sollte geeignete Möglichkeiten der

Interaktion bereitstellen, z.B. Steuerung mittels Sprache,

Gesten, graphischen Benutzerschnittstellen, …

Die verschachtelte Nutzung mehrerer verschiedener

Interaktionsformen (z.B. Zeigegeste auf Lampe und

Sprachbefehl „dieses Licht anschalten“) nennt man

multimodale Interaktion

Herausforderungen

User Interaction


Ideal wäre die zielbasierte Interaktion: der Nutzer formuliert

abstrakte Ziele, die das Assistenzsystem eigenständig

interpretieren und umsetzen muss (etwa „Ich hätte gerne in

fünfzehn Minuten eine halbe Kanne Kaffee, sehr stark aber

nicht zu heiß“).

Die zielbasierte Interaktion entspricht der Art und Weise, wie

sich Menschen zu Aufgaben untereinander mitteilen

der Computer „gewöhnt sich an uns“, nicht umgekehrt

Herausforderungen

User Interaction


Herausforderungen

Nutzerakzeptanz

Ambient Intelligence Systeme, insbesondere AAL Systeme

können sehr teuer werden

Intelligente Wohnung kostet leicht 10k€ mehr als normale

Pflegekosten sind aber auch sehr hoch (mehrere Tausend € pro

Monat)

Bleibt die Person dank AAL x Monate länger zuhause statt im

Pflegeheim kann es sich lohnen

Aber wer trägt die initialen Kosten?


Herausforderungen

Nutzerakzeptanz

Die intelligente Wohnung gewinnt eine große Menge an

persönlichen Informationen

Abstraktion, Anonymisierung und Pseudonymisierung schon auf

Low-Level-Ebene notwendig

Mehr dazu im Vorlesungsblock Security


Herausforderungen

Nutzerakzeptanz

Sollte ein System Nutzerwünsche überstimmen?


Organisatorisches




Herausforderungen


Zusammenfassung

Agenda


Living Lab



Virtualizing Smart Environments


Raumerfassung

Rekonstruktion

Segmentierung

Annotation


Gestenbasierte Interaktion - Hands Free

Rekonstruierte Umgebung

Kinect-basierte Gestensteuerung

Unterstützung durch Laserpunkt



Gestenbasierte Interaktion - Kapazitive Systeme

Unsichtbare Integration, berührungslose Interaktion

Tracking von Händen über kapazitive Sensorarrays

Gestenerkennung von ein- oder zwei Händen

Kombination mit weiterer Sensorik (Touch Detection)



Kontexterkennung - Kapazitive Systeme

Intelligente Couch

Erkennung von Pose, Belegung

und Personenzahl

Anbindung an Haussteuerung

Szenario: Komfortfunktion - Lichtprofil, Soundprofil je nach Präferenz

Smart Bed

Schlafüberwachung

Anbindung an Haussteuerung

Szenario: Sturzprävention, Beleuchtung bei

nächtlichem Toilettenbesuch



Kontexterkennung - Kapazitive Systeme

CapFloor

Sturzerkennung

Lokalisierung

Szenario: Automatischer Notruf, Energieeinsparung

Kapazitiver Stuhl

Posenbestimmung

Stresserkennung

Szenario: Training auf Stuhl,

automatische Anpassung Arbeitsplatz



CapNFC - Kapazitive Nahfeldkommunikation

Low-Power Kommunikation & Interaktion

Kommunikationswege

Berührung

Nähe

Intrabody



Simulation von intelligenten Umgebungen

Rollstuhlsimulation in CAD Modellen

Immersive 3D Umgebung (HEyeWall)

Rapid Prototyping von Barrierefreiheit



Organisatorisches




Herausforderungen


Zusammenfassung

Agenda


Geschichte von Ambient Intelligence

Frühe Forschungen in Fernbedienung, Sensorik, Computer

Xerox PARC - Ubiquitous Computing - LiveBoard, PARCPad,

PARCTab, ActiveBadge

MIT Media Lab - Tangible Media & Affective Computing - Ambient

Room, Affective Wearables, Smart Rooms

Microsoft EasyLiving - Verfolgung von Nutzern & Geräten, Middleware

und Service-Abstraktion, Geometrie in intelligenten Umgebungen

State-of-the-art - Basistechnologien

Zusammenfassung



Einleitende Beispiele - Unity Systems, Gator Tech Smart Home

Assistenzsystem, Systemraum, Kontext

Eigenschaften eines AmI-Systems

Zusammenfassung



Motivation - demografischer Wandel

Ängste im Alter und Lösungsansätze

Verwandte Forschungsgebiete

Zusammenfassung


Herausforderungen

Interoperabilität

Steuerungssoftware

User Interaction

Nutzerakzeptanz

Zusammenfassung



Living Lab

Virtualisierung von Smart Environments

Gestenbasierte Interaktion

Kontexterkennung

Simulation von intelligenten Umgebungen

Zusammenfassung


Weitere Angebote

Praktikum „Fortgeschrittenes Praktikum Visual Computing“

Vorstellung am Donnerstag 20.10, 15:20-17:00, 072

Verschiedene Bachelor-, und Masterthemen im Themenkomplex

Mitarbeiter Kontaktieren

Seminar Multimodale Interaktion

Jedes Sommersemester


AmI Lab in Fraunhofer IGD

https://www.youtube.com/watch?v=MehEcoSuIS4


Danke und bis zum

nächsten Mal!


Ambient Intelligence Vorlesung - gris.tu-darmstadt.de · Inhalte der Vorlesung • AmI ... Anfänge...

Documents

Transcript of Ambient Intelligence Vorlesung - gris.tu-darmstadt.de · Inhalte der Vorlesung • AmI ... Anfänge...