Projektziele
Intelligente Kleidung, bei der die Elektronik in der textilen Struktur integriert ist, wird seit langem als zukunftsträchtig gesehen. Trotz des großen Interesses bleiben intelligente Textilien derzeit allerdings ein Nischenprodukt. Dies ist sehr stark der Tatsache geschuldet, dass die meisten bisherigen Entwicklungen, vertikale, eng definierte Spezialanwendungen sind, die nicht von der “economies of scale” profitieren können.
Im Bereich der Hardware gibt es daher derzeit Bemühungen, breit einsetzbare Plattformen. Das Ziel des Projektes besteht darin, durch Training geeigneter Netze auf sehr große Datenmenge für das modulare Sensorsystem der Firma „Funktion*“ ein Toolkit bereitzustellen, das auf einer Vielzahl von typischen Problemen vor-trainiert ist und mit einer kleinen Menge von Trainingsdaten an verschiedene Anwendungen angepasst werden kann. Im Bereich der sensorbasierten Analyse von Aktivitäten und Bewegungen gibt es derzeit keine solchen allgemeinen Toolkits, welches im Projekt nun realisiert werden soll
Projektergebnisse
Im Rahmen des Mikroprojekts wurden innovative Deep Learning Modelle auf Basis der Transformer-Architektur entwickelt. Diese Modelle wurden mit Hilfe großer Mengen öffentlich verfügbarer, annotierter Sensordaten auf dem SDIL-Cluster trainiert. Durch die Berücksichtigung physikalischer Randbedingungen und den Einsatz von Adversarial Learning-Konzepten wurde ein hohes Maß an Unabhängigkeit von konkreten Nutzern und Sensoren erreicht. Die entwickelten Modelle erwiesen sich als äußerst leistungsfähig und übertrafen bestehende Systeme bei Weitem.
Die entwickelten Deep Learning Modelle bilden eine solide Grundlage für die modularen Smart Clothing Systeme von “Funktion*”. Mit Hilfe der Ergebnisse kann die Integration der Modelle in die bestehende Hardware erfolgen, um ein voll funktionsfähiges System zu schaffen. Dabei war es wichtig, die Modularität beizubehalten, um den Kunden eine einfache Anpassung ihrer Smart Textilien zu ermöglichen.
Nächste Schritte
Nun müssen umfangreiche Tests und Validierungen durchgeführt werden, um sicherzustellen, dass die entwickelten Modelle den hohen Anforderungen an Leistung, Genauigkeit und Flexibilität gerecht werden. Die entwickelten Deep Learning Modelle stellen einen entscheidenden Wettbewerbsvorteil für die Firma “Funktion*” dar, da sie eine schnelle und maßgeschneiderte Entwicklung von kundenspezifischen Lösungen ermöglichen.
Veröffentlichungen
Fortes Rey, Vitor, Sungho Suh, and Paul Lukowicz. “Learning from the Best: Contrastive Representations Learning Across Sensor Locations for Wearable Activity Recognition.”Proceedings of the 2022 ACM International Symposium on Wearable Computers. 2022.
Projektzeitraum
01.1.2021 – 30.09.2021
Projektpartner
Deutsches Forschungszentrum für künstliche Intelligenz (DFKI) GmbH: Prof. Dr. Paul Lukowicz (Paul.Lukowicz@dfki.de)
norm—projects: Pascal Stüsser
