In diesem Kurs soll einen Leiterplatte und Software für eine bestehende mechanische Getränkemischmaschine entwickelt werden. Die Maschine hat verschiedene Aktuatoren. Wir erwarten, dass sich die Gruppe aufteilt, so dass jeder das machen kann, was ihm liegt. Idealerweise werden die folgenden Schritte von jemandem in der Gruppe durchgeführt:

• PCB für IO entwerfen (Motortreiber, Sensoren)
• Entwurf einer Leiterplatte für eine steuernde MCU und Verbindung dieser mit der IO-Leiterplatte
• Programmieren der steuernden MCU
• Eine Idee für die Nutzeroberfläche auf dem Raspberry PI entwerfen (optional)
• Programmieren des RPI und der Nutzeroberfläche für den vorhandenen Touchscreen (optional)
• Verbinden des RPI und der steuernden MCU (optional)

Organisation:

Das Kickoff-Meeting zu diesem Projekt findet am 10.10.2023 um 11:00-11:30 Uhr im Raum BC 013 statt. Die Teilnahme am Kickoff-Meeting ist für die Teilnahme an diesem Projekt verpflichtend.

Medizinische Exoskelette sind ein wichtiges Thema, z. B. für die medizinische Rehabilitation von Schlaganfallpatienten. Eine Herausforderung besteht darin, zu erkennen, welche Art von Bewegung ein Benutzer ausführen möchte, z. B. das Heben eines Arms. Dies kann durch die Analyse von Biosignalen wie EEG (d.h. Neuronenaktivität im Gehirn) oder EMG (d.h. Muskelaktivität) unterstützt werden. In diesem Projekt werden wir untersuchen, wie maschinelles Lernen für eingebettete Systeme eingesetzt werden kann, um bessere Exoskelette durch eine solche Bio-Signalanalyse zu realisieren.

Wir bieten dieses Projekt in Zusammenarbeit mit der medizintechnischen Abteilung von Prof. Elsa Kircher an. Sie beschäftigt sich mit medizinischen Exoskeletten und verschafft uns Zugang zu einem bestehenden System, das wir als Ausgangspunkt und Vergleichssystem nutzen werden. Darüber hinaus wird das Projekt parallel zu einem Projekt der Medizintechnik durchgeführt, das Beiträge zur Bio-Signalanalyse liefern wird.

Die Projektmitglieder werden:

• den Stand der Technik der Biosignalanalyse für die Steuerung von Exoskeletten untersuchen,
• Algorithmen für maschinelles Lernen (ML) zur Analyse von Biosignalen (EEG, EMG) entwickeln und trainieren,
• eine bestehenden Toolchain zur Implementierung von eingebetteten Beschleunigern für solche ML-Algorithmen verwenden,
• das entwickelten Systems mit realen Experimenten evaluieren

Das Projekt ist als der zweite Teil eines einjährigen (zweisemestrigen) Projekts geplant.

Voraussetzung ist:

• Erfahrung mit C/C++ Programmierung

Vorteilhaft wäre(n):

• Vorkenntnisse in der Zeitreihenanalyse und/oder der digitalen Signalverarbeitung
• Erfahrung mit dem Entwurf / Training von maschinellen Lernlösungen
• Erfahrung mit der Entwicklung eingebetteter Systeme
• Erfahrung mit Python oder VHDL-Programmierung

Organisation:

Das Kickoff-Meeting zu diesem Projekt findet am 10.10.2023 um 10:00-10:30 Uhr im Raum BC 013 statt. Die Teilnahme am Kickoff-Meeting ist für die Teilnahme an diesem Projekt verpflichtend.

Im Ramen des Praxisprojekts sollen die Studenten die Methoden zur Neurosignalverarbeitung von extrazellulären Aktionspotenzialen, die mittels Mikroelektroden-Arrays aufgezeichnet werden, optimieren.

Dafür besteht bereits ein Python-Framework, das mit zusätzlichen Funktionen für KI-basierte Methoden, Zusatzfunktionen zur synthetischen Datengenerierung und zur neuronalen Datenanalyse (inkl. Darstellung) erweitert werden soll. Hierzu sollen die Klassifikatons-Aufgaben mittels Deep-Learning-Techniken und mit neuromorphen Netzen via Spiking Neural Networks validiert werden. Zusätzlich besteht die Möglichkeit, den internen Hardware-Aufbau zum Abspielen von Neurosignalen von digitaler Quelle zum analogen Signal weiter zu optimieren.

Mögliche Inhalte:

• Datensatz-Erstellung mit MEArec
• Datenanalyse mit MEAnalyzer
• Aufbereiten von Datensätzen für Autoencoder-Training (Dense NN, CNN, Denoising, …)
• Verwendung des elastic AI.Creators zur Generierung Neuronaler Netze
• Verwendung von neuromorphen Netzen
• Aufbereiten des Neurosignal-Players (C-Code zum Abspielen der Signale)

Organisation:

Das Kickoff-Meeting zu diesem Projekt findet am 10.10.2023 um 10:30-11:00 Uhr im Raum BC 013 statt. Die Teilnahme am Kickoff-Meeting ist für die Teilnahme an diesem Projekt verpflichtend.