Seminar: Eingebettete Systeme - KIT
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Institut für Technik der
Informationsverarbeitung
Institutsleitung
Prof. Dr.-Ing. Dr. h.c. J. Becker
Prof. Dr.-Ing E. Sax
Prof. Dr. rer. nat. W. Stork
Seminar:
Eingebettete Systeme
Institut für Technik der Informationsverarbeitung (ITIV)
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.itiv.kit.edu
AG Eingebettete Elektronische Systeme (EES):
Prof. Dr.-Ing. Dr. h. c. Jürgen Becker
Schwerpunkt:
Eingebettete Elektronische Systeme (Prof. Becker)
Systems Engineering (Prof. Sax)
Mikrosystemtechnik und Optik (Prof. Stork)
Forschungsbereiche (EES):
System-on-Chip (SoC), Network-on-Chip (NoC)
Hardware Software Codesign
Multi-Core Prozessorarchitekturen
Dynamisch Rekonfigurierbare Systeme
Hardwarearchitekturen und Akzeleratoren
Dynamisch partielle Rekonfigurationstechniken
Hardware Synthesemethoden und
Multi-Domain Modellierungs- & Simulationsverfahren
Cyber-Physical Systems (CPS)
2 Institut für Technik der Informationsverarbeitung (ITIV)
Forschungsgruppe Systems Engineering
Prof. Dr.-Ing. Eric Sax
Schwerpunkt:
Eingebettete Elektronische Systeme (Prof. Becker)
Systems Engineering (Prof. Sax)
Mikrosystemtechnik und Optik (Prof. Stork)
Forschungsschwerpunkte (Systems Engineering):
Prozesse und Methoden von “agil” bis “V” für den Entwurf eingebetteter
Systeme und System-Verbünde
Hardware-in-the-Loop Test eingebetteter elektronischer Systeme,
speziell Fahrerassistenzsysteme
Graphische Beschreibungsmittel und ausführbare Spezifikationen
Sichere SW-Architekturen und EE-Topologien
Big Data Analysen – Anomalie-Erkennung und Datenauswertung im
(Nutz-)Fahrzeug
3 Institut für Technik der Informationsverarbeitung (ITIV)
AG Mikrosystemtechnik und Optik (MST):
Prof. Dr.rer.nat. Wilhelm Stork
Schwerpunkt:
Systems Engineering (Prof. Sax)
Eingebettete Elektronische Systeme (Prof. Becker)
Mikrosystemtechnik und Optik (Prof. Stork)
Forschungsbereiche (MST):
Optische Sensorik für Medizin und Technik
Augenoptik (Implantat bis AR-Brille)
Wearables für Vitalmonitoring
EKG, Atmung, Energieumsatz, Emotionale Lasten
Smart Home für Ältere und Behinderte
Ambiente Sensorik, Big Data
Sensornetzwerke für Energieübertragung
4 Institut für Technik der Informationsverarbeitung (ITIV)
Seminar: Eingebettete Systeme
Ziel
Einblicke in aktuelle Forschungsthemen und -projekte
Fähigkeit zum wissenschaftlichen Arbeiten
Recherche / Bewertung / Einordnung / Umsetzung / Dokumentation / Präsentation
Themengebiete
Maschinelles Lernen
Embedded Systems
Hardware / Software / Tools
Sensorik
Etc…
Arbeitsumfang
2 SWS (3 Credits + 1 Credit Schlüsselqualifikation)
freie Zeiteinteilung in Abstimmung mit dem Betreuer
+ feste Termine für Workshops
5 Institut für Technik der Informationsverarbeitung (ITIV)
Ergebnispräsentation
1. Schriftliche Ausarbeitung
4 Seiten in Form eines
„Extended Abstracts“ (zzgl. Referenzen
und evtl. Anhang)
IEEE Paper Format
2. Mündliche Präsentation im Plenum
ca. 20 min + Diskussion
6 Institut für Technik der Informationsverarbeitung (ITIV)
Workshops im Rahmen des Seminars
In Zusammenarbeit mit dem HoC werden folgende Workshops durchgeführt:
Literaturrecherche
Fachdatenbanken, Zitieren, Literaturrecherche, online Kurse für Literaturrecherche
Wissenschaftliches Schreiben
Planen, Schreiben und Korrektur
Peer Feedback – Persönliches Feedback zum eigenen Paper über Tutoren
Präsentationstechniken
Vorbereitung und Formalitäten
Probevortrag mit Feedback
Die Teilnahme an den Workshops wird zusätzlich mit 1 ECTS im Bereich der
Schlüsselqualifikationen bewertet
Zusätzlich werden Vorträge von Forschungs- und Industriepartnern im Laufe des Semesters
angeboten
7 Institut für Technik der Informationsverarbeitung (ITIV)
Workshops im Rahmen des Seminars
Termin Veranstaltung
16.10.2019 Einführungsveranstaltung
30.10.2019 Auswahl der Themen
31.10.2019 Wissenschaftliches Schreiben
KW 49 Peer Feedback
19.12.2019 Abgabe des Papers bis zum 22.12.2019
09.01.2020 Presentation skills
23.01.2020 Probevortrag
Abschlussvortrag-/ Prüfungstermin wird bekanntgegeben
8 Institut für Technik der Informationsverarbeitung (ITIV)
Next Generation Trigger Plattform
Das Belle II Experiment in Japan beschäftigt sich mit Teilchenphysik. Durch Partikelkollisionen wird
versucht, neue physikalische Effekte jenseits des Standardmodells zu messen.
Für zukünftige Updates des Detektors wird auch ein Update des Trigger Systems benötigt. Durch die
schnelle Weiterentwicklung im Bereich FPGA und Neuronales Lernen ist es möglich, mit Hilfe von
Beschleunigern für neuronale Netze einen Next Generation Neurotrigger zu entwickeln.
Recherche zum Stand der Technik
FPGA
Next-Gen Plattformen
Beschleuniger für neuronale Netze
Vergleich der unterschiedlicher Plattformen und Techniken
Xilinx vs. Intel vs. others
Untersucheng der Plattformen im Bezug auf neuronale Netze und
Möglichkeiten zur Implementierung solcher
Betrachtung der Toolchain
https://www.datacenterdynamics.com/news/xilinx-unveils-versal-acap-chip-and-
Identifizierung möglicher Implementierungsprobleme alveo-accelerators-data-center/
Ansprechpartner:
Kai Unger (kai.unger@kit.edu)
9 Institut für Technik der Informationsverarbeitung (ITIV)
Maschinelles Lernen zur Optimierung der Klimatisierung
in Nutzfahrzeugen
Die Integration von Fahrzeugen mit dem Internet der Dinge (IoT) ermöglicht es, relevante Sensordaten in ein Cloud-
System zu übertragen. Die Kombination verschiedener externer Daten (z.B. Wettervorhersagen,
Verkehrsbedingungen) mit fahrzeuginternen Daten in der Cloud ermöglicht neue Strategien zur Energieoptimierung
des HLK (Heizung, Lüftung, Klima)-Systems. Maschinelle Lernverfahren bieten neue Möglichkeiten den Anteil der
HLK Funktion am Gesamtenergieverbrauch des Fahrzeugs (aktuell bis zu 30 % im E-Fahrzeug) drastisch zu
reduzieren.
Recherche Stand der Technik
Maschinelles Lernen für HLK Funktion
Vorteile der Regelung mittels maschinellem Lernen
gegenüber traditionellen Regelungsverfahren
Ableitung geeigneter maschineller Lernverfahren (Vor- und
Nachteile, Kriterienkatalog) für das genannte HLK Problem
Martin Böhme (Raum 225)
martin.boehme@kit.edu | Tel. 608-45287
10 Institut für Technik der Informationsverarbeitung (ITIV)Hardware accelerators for machine learning and AI
Novel hardware architectures like GPUs have pushed the development of self-adaptive
algorithms beyond boundaries. Among these are neural networks. In order to solve complex
problems, however, these still demand a lot of computation power and resources. In future
applications this demand will be served by dedicated hardware structures and architectures.
Many researchers and companies are investigating and are trying to tackle this task. This yields
a lot of new ideas and architecture concepts almost every month. Also the ITIV is taking part in
the research on this hot topic
Your tasks within the project involve, but are not limited to:
Get an idea of the environment and fundamentals of machine learning and neural networks
Take a look at the state of the art in research and industry
Find potential overlaps in publications and maybe missing links or missing parts
Group and visualize the current techniques in research and industry
If you are interested you can work on an architecture concept and its implementation in a
consecutive bachelors or masters thesis.
Tim Hotfilter (Room 127)
hotfilter@kit.edu | Tel. 0721-608-42509
11 Institut für Technik der Informationsverarbeitung (ITIV)Überprüfbarkeit der Entscheidung von Neuronalen Netzen
Durch den Einsatz intelligenter Systeme, auch im Bereich sicherheitskritischer Anwendungen, stellt sich die Frage nach der
Korrektheit der durch das System gefällten Entscheidungen. In der Praxis geschieht dies mittels gelabelter Daten. Hierbei
ist die Vollständigkeit der Daten das Bottleneck der Überprüfung – ist ein Randfall unbekannt, kann dieser nicht auf eine
korrekte Behandlung untersucht werden.
Recherche zum Stand der Technik:
Herangehensweise:
Mathematische Analyse vs. Testen
Whitebox vs. Blackbox
Abhängigkeit zur Netzarchitektur:
CNNs, FFNNs, …
Aktivierungsfunktion, …
Aussagekraft:
Wie aussagekräftig ist das Ergebnis?
z.B. im Rahmen einer Sicherheitsbewertung Betreuer:
Marco Stang (Raum 227)
Optional: Erprobung eines bestehenden Systems Marco.Stang@kit.edu
Optional: Implementierung eines (eigenen) Prototyps Benedikt Haas (Raum 126)
Benedikt.Haas@kit.edu
12 Institut für Technik der Informationsverarbeitung (ITIV)Deep-Q-Learning mit Fokus Loss- und Reward-Funktionen
Im Bereich der intelligenten Steuerung, beispielsweise zum Spielen von Games oder im Bereich des autonomen Fahrens,
ist Reinforcement-Learning (RL) ein viel eingesetztes Framework. Durch die Kombination mit tiefen Neuronalen Netzen
entstand unter anderem der Ansatz des Deep-Q-Learning. Hierzu gibt es viele Erweiterungen (z.B. Double Q-Learning)
sowie Modifikationen (z.B. prioritized replay) die zu einer Verbesserung des Ansatzes führen. Meist kommt es im Zuge
dessen zu einer Anpassung der Berücksichtigung des Rewards in der Berechnung der Loss-Funktion.
Recherche zum Stand-der-Technik:
DQN und abgeleitete Verfahren
Fokus auf:
Loss-Funktion
Reward-Funktion
Optional: Implementierung eines Verfahrens
Betreuer:
Marco Stang (Raum 227)
Marco.Stang@kit.edu
Benedikt Haas (Raum 126)
Benedikt.Haas@kit.edu
13 Institut für Technik der Informationsverarbeitung (ITIV)Datenmodifikation für das maschinelle Lernen
Seit einigen Jahren erlebt das Gebiet der künstlichen Intelligenz und maschinellem Lernens eine Renaissance: immer mehr
Universitäten, Firmen und Start-ups forschen und verwenden z.B. künstliche Intelligenz. Der Grund für den aktuellen Erfolg
ist zum einen die stark gestiegene Rechenpower und zum anderen die Erzeugung von großen Datenmengen. Diese
Datenmengen werden von maschinelle Lernverfahren verwendet, um eine Funktion zu erzeugen. Die Abhängigkeit
zwischen Daten und selbst-lernendem Algorithmus ist enorm oder: „Ohne Daten kein maschinelles Lernen“.
Um diese Funktion zu testen, werden die Inputdaten augmentiert/modifiziert. Eine Modifikation kann bei Bildern zum
Beispiel eine Überlagerung mit Rauschen, Drehen des Bildes oder das Spiegeln des Bildes sein. Aber wie können andere
Datentypen wie Wetterdaten, Geschwindigkeitsdaten verändert werden? Wie kann man möglichst realitätsnahe Daten
erzeugen?
Ziel des Seminars soll sein, die Möglichkeiten der Modifikation von Daten zu untersuchen.
Recherche zum Stand der Technik
Methoden der Augmentieren/Modifikation von Daten
Betreuer:
Methoden zum Entdecken von Corner-Cases
Marco Stang (Raum 227)
Marco.Stang@kit.edu
Benedikt Haas (Raum 126)
Benedikt.Haas@kit.edu
14 Institut für Technik der Informationsverarbeitung (ITIV)Automatische Optimierung von Autoencodern
Das Fahrzeug der Zukunft kommuniziert über Schnittstellen mit seiner Umwelt, wodurch Cyberangriffe möglich werden.
Hacker können damit die Sicherheit der Insassen gefährden. Am ITIV wird an einem Intrusion Detection System (IDS)
basierend auf einer speziellen Architektur von Neuronalen Netzen, dem Autoencoder geforscht. Dieses ist aktuell bereits in
der Lage, Fehlverhalten in der Kommunikation des Fahrzeugs zu erkennen. Die Hyperparameter-Optimierung des
Autoencoders erfolgte ganz klassisch: durch Ausprobieren. Hier stellt sich die Frage: Geht das nicht besser und
automatisch?
Recherche Stand der Technik
Hyperparameter-Optimierung bei Autoencodern
Analyse des am Institut vorhandenen Optimierungsalgorithmus
Eignung für Autoencoder
Vergleich mit dem Stand der Technik
Anwendung des bereits implementierten Verfahrens oder Implementierung
eines Verfahrens aus der Literatur
Daniel Grimm (Raum 126)
Daniel.Grimm@kit.edu | Tel. 608-46135
15 Institut für Technik der Informationsverarbeitung (ITIV)Cyber-Security im autonomen Kleinfahrzeug
des ITIV
Das Fahrzeug der Zukunft kommuniziert über Schnittstellen mit seiner Umwelt, wodurch Cyberangriffe möglich werden.
Hacker können damit die Sicherheit der Insassen gefährden. In der Forschung und Industrie wird bereits seit einigen Jahren
an vielfältigen Maßnahmen gearbeitet, um mit diesen Risiken umzugehen. Dazu zählen beispielsweise Firewalls, Network
Intrusion Detection Systeme und Überwachung der Betriebssysteme. Das autonome Kleinfahrzeug des ITIV ist aktuell noch
nicht mit solchen Maßnahmen ausgerüstet. Die Integration des am ITIV entstandenen Intrusion Detection Systems in das
Kleinfahrzeug ist eine vielversprechende Möglichkeit, um Daten in realitätsnahem Umfeld zu erzeugen. Daneben existieren
Open-Source-Implementierungen verschiedener Maßnahmen, die ebenfalls als Datenquelle in das Kleinfahrzeug integriert
werden können.
Recherche Stand der Technik im Automobil-Umfeld:
Intrusion Detection Systeme oder
Firewalls oder
OS & Applikations-Logging
Integration einer Security-Maßnahme auf dem
Kleinfahrzeug, z.B. auf Raspberry Pi oder TiVa-Board
Daniel Grimm (Raum 126)
Daniel.Grimm@kit.edu | Tel. 608-46135
16 Institut für Technik der Informationsverarbeitung (ITIV)Chancen im ÖPNV - Automatisierte Betriebshöfe
Im Bereich des öffentlichen Personennahverkehrs (ÖPNV) eröffnet das automatisierte Fahren neue
Möglichkeiten das Mobilitätssystem in Effizienz und Umweltfreundlichkeit positiv voran zu treiben.
Bei Einführung automatisierter und vernetzter Linienbusse bieten die
Betriebshöfe und das Flottenmanagement spezielle Chancen. Als abgesperrte
Bereichen fallen sie aus der Wiener Verkehrskonvention heraus und bilden
somit schon heute ein mögliches Testfeld für die automatisierbaren Vorgänge.
Recherche Stand der Technik
Autonomes Fahren im ÖPNV-Bereich
Automatisierte/Automatisierbare Vorgänge auf Betriebshöfen
Flottenmanagementsysteme (FMS) für automatisierte Vorgänge
Lückenanalyse
Aktuell noch nicht automatisierbare Vorgänge
Aktuell noch nicht von FMS steuerbare automatisierte Vorgängen
Nathalie Brenner (Raum 126)
Nathalie.Brenner@kit.edu | Tel. 608-43093
17 Institut für Technik der Informationsverarbeitung (ITIV)Service-Orientierte Architekturen im Automobilbereich
Der steigende Vernetzungsgrad der Steuergeräte im Fahrzeug sowie die für hoch-automatisiertes Fahren notwendigen
hohen Datenraten haben zu wesentlichen Änderungen in Elektrik/Elektronik (E/E)-Architekturen geführt. Somit werden
klassische automotive Kommunikationssysteme schrittweise durch IT-Kommunikationssysteme wie Automotive Ethernet
ersetzt, und Cloud-Dienste immer mehr ins Fahrzeug integriert.
Service-orientierte Architekturen (SOA), die in der IT-Industrie seit Jahren zur Beschreibung und Strukturierung von
verteilten Systemen verwendet werden, werden wegen dieser Entwicklung als eine Kerneigenschaft der zukünftigen E/E-
Architekturen in der Automobilindustrie angesehen.
Recherche Stand der Technik
Klassische signalbasierte E/E-Architekturen im Fahrzeug
Einsatz von Ethernet im Fahrzeug
Service-orientierte Architekturen in IT und in Automotive
Analyse der Vorteile des Einsatzes von SOA im Vergleich zu signalbasierten
E/E-Architekturen
Optional: Evaluation für den Usecase „Software Updates im Automobil“
Quelle: Vector Informatik
Modellierung und Analyse eines beispielhaften SOA-Netzwerks
…
Houssem Guissouma (Raum 229)
houssem.guissouma@kit.edu | Tel. 608-46501
18 Institut für Technik der Informationsverarbeitung (ITIV)Vergleich zwischen Software Over The Air (SOTA) Updates für
Fahrzeuge und für mobile Geräte
Die steigende Konnektivität der modernen Fahrzeuge öffnet diese zu der äußeren Welt und macht sie somit zu einem
wichtigen Teil verschiedener sogenannten „Systems of Systems“ (SoS). Durch diese schnelle Entwicklung entstehen
komplexe Systeme, die immer kürzere Software-Update-Zyklen benötigen. Die klassischen Update-Prozesse in der
Werkstatt sind also nicht mehr effizient genug und die Einführung der Software Over The Air (SOTA)-Technologie stellt
sich als die Lösung der Zukunft dar.
Updates sind bereits seit mehreren Jahren für mobile Geräte wie Smartphones und Tablets etabliert. Allerdings sind die
Sicherheitsanforderungen (Safety & Security) für Fahrzeuge wesentlich unterschiedlich.
Was sind die Gemeinsamkeiten und die Unterschiede der Updates in
beiden Domänen?
Untersuchung von Security/Safety Aspekten
Wie häufig sind aktuell die Updates in beiden Domänen?
Welche Standards existieren für die Entwicklung und Absicherung in
beiden Domänen?
Welche Technologie wird für das Deployment der Updates in jeder
Domäne benutzt?
…
Houssem Guissouma (Raum 229)
houssem.guissouma@kit.edu | Tel. 608-46501
19 Institut für Technik der Informationsverarbeitung (ITIV)Schutz von FPGA-Geräten vor Strahlungseffekten
Moderne Hardware-Architekturen werden täglich komplexer. FPGAs sind Komponenten, die zunehmend Teil solcher
Architekturen sind. Sie bieten Funktionen zur Beschleunigung von Softwareanwendungen durch benutzerdefinierte
Hardwareeinheiten. Die Auswirkungen von Strahlung und zufälligen Fehlern in diesen Geräten unterscheiden sich jedoch
von normalen Bauteilen. Die Techniken, mit denen sie in kritischen Umgebungen geschützt werden, sind daher auch sehr
unterschiedlich.
Recherche Stand der Technik
Einsatz von FPGAs in kritischen Umgebungen
FPGA-Zuverlässigkeitstechniken
Unterschiede in FPGA-Architekturen
Ermittlung von Trade-Offs zwischen Techniken und
Einschränkungen bei deren Verwendung
Perspektiven und Roadmap für den Einsatz in kritischen Systemen
Augusto Hoppe (Raum 125.3)
augusto.hoppe@kit.edu | Tel. 608-45285
20 Institut für Technik der Informationsverarbeitung (ITIV)Textile-based Sensor Elements for Data Acquisition and
Services
Flexible and wearable sensors are getting closer to market and hybrid flexible electronics will be
integrated in many end-user products. Especially in healthcare these new electronic sensor
elements offer numerous possibilities:
User sensing and tactile input (vital functions, pressure detection, …)
Additional feedback (visual, haptic,…)
Source: Bosch, ITK
Search to the state of the art
Measurement and quantification of the sitting
behavior of different persons
Concept of a smart sensor platform
Appropriate arrangement of sensors
Initial approaches to analyse sensor values
Source: Bosch, ITK
Overview of appropriate algorithms
Tanja Harbaum (Raum 226)
harbaum@kit.edu | Tel. 608-47169
21 Institut für Technik der Informationsverarbeitung (ITIV)Alle Informationen finden Sie auch unter:
http://www.itiv.kit.edu/60_6321.php
Jens.becker@kit.edu
Institut für Technik der Informationsverarbeitung (ITIV)
22 Institut für Technik der Informationsverarbeitung (ITIV)Sie können auch lesen
