Ο Μπόχουμ αποκτά νέα θέση καθηγητή για τεχνολογία γνωστικών αισθητήρων και έρευνα τεχνητής νοημοσύνης!

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

Ο καθηγητής Δρ. Stefan Brüggenwirth θα είναι καθηγητής Γνωσιακής Αισθητηριακής Επιστήμης στο Πανεπιστήμιο του Ρουρ του Μπόχουμ από τον Μάρτιο του 2025, με έμφαση στην τεχνητή νοημοσύνη και την επεξεργασία δεδομένων αισθητήρων.

Prof. Dr. Stefan Brüggenwirth wird ab März 2025 Professor für Kognitive Sensorik an der Ruhr-Universität Bochum, mit Fokus auf KI und Sensordatenverarbeitung.
Ο καθηγητής Δρ. Stefan Brüggenwirth θα είναι καθηγητής Γνωσιακής Αισθητηριακής Επιστήμης στο Πανεπιστήμιο του Ρουρ του Μπόχουμ από τον Μάρτιο του 2025, με έμφαση στην τεχνητή νοημοσύνη και την επεξεργασία δεδομένων αισθητήρων.

Ο Μπόχουμ αποκτά νέα θέση καθηγητή για τεχνολογία γνωστικών αισθητήρων και έρευνα τεχνητής νοημοσύνης!

Ο καθηγητής Dr. Stefan Brüggenwirth θα είναι καθηγητής Γνωστικής Αισθητηριακής Επιστήμης στη Σχολή Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Πληροφορικής στο Πανεπιστήμιο του Ρουρ του Μπόχουμ από την 1η Μαρτίου 2025. Ο διορισμός του πραγματοποιείται σε στενή συνεργασία με την Fraunhofer Society. Ο Brüggenwirth, ο οποίος εργάζεται στο πανεπιστήμιο από το 2018, έχει μια σαφή ερευνητική εστίαση: την επεξεργασία δεδομένων αισθητήρων με τεχνητή νοημοσύνη.

Η εφαρμογή αυτών των τεχνολογιών είναι ποικίλη. Εργάζεται σε τομείς όπως η μηχανική μάθηση, οι στατιστικές μέθοδοι και η σύντηξη πολυαισθητηριακών δεδομένων καθώς και η επεξεργασία σήματος και η αναγνώριση αντικειμένων. Αισθητήρες όπως το ραντάρ, το LIDAR και οι κάμερες είναι απαραίτητοι επειδή μετρούν αποστάσεις, ταχύτητες και γωνίες αντικειμένων. Ωστόσο, τα ακατέργαστα δεδομένα που συλλέγονται από αυτούς τους αισθητήρες πρέπει να ερμηνεύονται προκειμένου να χρησιμοποιηθούν πρακτικά σε βιομηχανικές εφαρμογές. Ο Brüggenwirth τονίζει ότι οι διαδικασίες τεχνητής νοημοσύνης επιτρέπουν την αξιολόγηση βάσει δεδομένων και επομένως είναι απαραίτητες για παραδείγματα εφαρμογών στη βιομηχανία 4.0, τη ρομποτική κινητής τηλεφωνίας, την αυτόνομη οδήγηση και την ιατρική τεχνολογία.

Ερευνητική πρακτική και υποστήριξη σπουδαστών

Ο Brüggenwirth τονίζει τη σημασία της εξοικείωσης των μαθητών με πρακτικά παραδείγματα από την έρευνα. Η συνεργασία με την Fraunhofer Society προσφέρει στους φοιτητές την ευκαιρία να υποβάλουν αίτηση στο Ινστιτούτο Fraunhofer για μεταπτυχιακές εργασίες ή διατριβές. Επιπλέον, καθιερώνεται η παρουσία του Ινστιτούτου Fraunhofer στο Τεχνολογικό Κέντρο του Μπόχουμ, το οποίο ανοίγει πολλά υποσχόμενες προοπτικές για τους ντόπιους φοιτητές.

Η νέα θέση καθηγητή του Brüggenwirth συμπληρώνει τη συνεργασία με την έδρα για ενσωματωμένους αισθητήρες υψηλών συχνοτήτων του καθηγητή Dr. Dirk Nüßler, κάτι που εμπλουτίζει το ερευνητικό τοπίο στο Πανεπιστήμιο του Ρουρ στο Μπόχουμ.

Προκλήσεις αυτόνομων συστημάτων

Το θέμα των αυτόνομων οχημάτων αντιπροσωπεύει μια μεγάλη πρόκληση. Όχι μόνο πρέπει να λειτουργούν με ασφάλεια στην κυκλοφορία, αλλά και να λειτουργούν αξιόπιστα. Ένα αυτόνομο όχημα που σταματά στην άκρη του δρόμου σε ασαφείς καταστάσεις είναι ασφαλές, αλλά όχι αξιόπιστο. Η ανάπτυξη τέτοιων οχημάτων απαιτεί εκατομμύρια χιλιόμετρα δοκιμής για να αποκτηθεί εμπειρία και να διασφαλιστεί η ασφάλειά τους.

Για να εξασφαλιστεί η αυτονομία, τα οχήματα πρέπει να δοκιμάζονται σε διάφορες συνθήκες, συμπεριλαμβανομένων διαφορετικών συνθηκών φωτισμού και καιρικών συνθηκών. Οποιαδήποτε αλλαγή στο λογισμικό απαιτεί προσεκτική δοκιμή. Η επιτυχία αυτών των τεχνολογιών εξαρτάται σε μεγάλο βαθμό από μεθόδους και γνωστικά συστήματα που βασίζονται στην τεχνητή νοημοσύνη. Αυτά πρέπει επίσης να πληρούν τρεις κεντρικές απαιτήσεις: ασφάλεια, αξιοπιστία και κόστος. Αυτό είναι ιδιαίτερα σημαντικό γιατί τα συστήματα πρέπει επίσης να αντιδρούν με σιγουριά σε απροσδόκητα γεγονότα. Ένα αυτόνομο αυτοκίνητο, για παράδειγμα, πρέπει να μπορεί να ενεργεί με ασφάλεια όταν βρίσκεται αντιμέτωπο με άγνωστα αντικείμενα και να παίρνει αποφάσεις όπως το φρενάρισμα ή την αποφυγή.

Ο Fraunhofer Institute for Cognitive Systems IKS εργάζεται για τη βελτίωση των γνωστικών συστημάτων, ιδιαίτερα στους τομείς της γνωστικής δικτύωσης, της ανάπτυξης ευέλικτης αρχιτεκτονικής και της γνωστικής συμπεριφοράς, για να διασφαλίσει ότι η τεχνητή νοημοσύνη λειτουργεί αξιόπιστα σε αυτά τα συστήματα.