Promotionen der Fakultät für Informatik im Jahr 2021

20.12.2021

Storz, Michael
"Miteinander, Gegeneinander und Füreinander Gruppeninteraktionen an einem Tabeltop im Museum"
Promotion zum Dr.-Ing.

Abstract:

Im Fokus des Promotionsprojekts steht die Untersuchung von kollaborativer Interaktion an interaktiven Tischen im Museum. Das Projekt gliedert sich dabei in zwei Phasen: In einer Entwicklungsphase wurde ausgehend von einer anfänglichen Konzeption durch In-the-wild-Nutzerstudien ein iterativer nutzerzentrierter Entwicklungsprozess durchgeführt, mit dem Ziel die Hardware, die physische Gestalt und die Anwendung sukzessive so weiterzuentwickeln, dass durch sie kollaborative Interaktionen im Museum ermöglicht werden. In einer darauffolgenden Forschungsphase wurde untersucht, wie diese kollaborative Interaktion am und durch den Tabletop hergestellt wird, wie sie verläuft, wie sie erhalten und beendet wird.

10.12.2021

Jakobs, Thomas
"Optimierung der Energie-Effizienz für Algorithmen der Linearen Algebra durch SIMD-Programmierung und AVX-Vektorisierung"
Promotion zum Dr.-Ing.

Abstract:

Neben einer kurzen Ausführungszeit rückt bei der Optimierung von Anwendungen und Algorithmen ein geringer Energieverbrauch der genutzten Rechenressourcen in den Fokus der aktuellen Forschung. Eine hohe Energie-Effizienz von Programmen wird dabei erreicht, indem der Energieverbrauch von Programmen und Technologien reduziert wird, ohne dafür die Ausführungszeit übermäßig zu erhöhen. Im parallelen wissenschaftlichen Rechnen ist der Bedarf an energie-effizienten Programmausführungen vor allem für Algorithmen der linearen Algebra gegeben, die als Unterfunktionen in einer Vielzahl von Anwendungen eingesetzt werden. Die Vektorisierung von Programmen durch die Prozessor- und Instruktionssatzerweiterung AVX zeigt Potenzial zur energie-effizienten Ausführung von Algorithmen der linearen Algebra, wobei die erzielte Energie-Effizienz von der Umsetzung der Implementierung abhängt.

Für die gezeigten Untersuchungen werden drei repräsentativ ausgewählte Algorithmen der linearen Algebra für die Ausführung auf AVX-Vektoreinheiten genutzt. Bei der AVX-Vektorisierung der Algorithmen werden verschiedene Programmvarianten erstellt, mit denen Ausführungsszeit und Energieverbrauch bei der Ausführung ermittelt werden. Die Programmvarianten unterscheiden sich dabei unter anderem in der Anwendung von Programmtransformationen, wie Loop Tiling oder einer veränderten Speicherzugriffsstruktur. Zusätzlich wird gezeigt, wie die Umsetzung verschiedener Programmieransätze, wie Autovektorisierung oder unterschiedlicher Instruktionssätze, sowie Implementierungsvarianten durch die Auswahl der verwendeten Instruktionen, die Ausführungszeit und den Energieverbrauch der Programmausführung beeinflussen. Die so erstellten Programmvarianten werden auf modernen Prozessoren verschiedener Architekturfamilien mit unterschiedlichen Ausführungsparametern, wie der eingestellten Prozessorfrequenz, ausgeführt. Die Untersuchungen zeigen, dass sich Ausführungszeit und Energieverbrauch von Programmen durch die Vektorisierung reduzieren lassen. Die Auswahl der Programmtransformationen, des Programmieransatzes und der Ausführungsparameter für die energie-effiziente Ausführung von vektorisierten Programmen kann dabei anwendungsspezifisch aufgrund der Eigenschaften des ausgewählten Algorithmus getroffen werden.

18.11.2021

Schröder, Enrico
"Multimodal Sensor Fusion with Object Detection Networks for Automated Driving"
Promotion zum Dr.-Ing.

Abstract:

Object detection is one of the key tasks of environment perception for highly automated vehicles. To achieve a high level of performance and fault tolerance, automated vehicles are equipped with an array of different sensors to observe their environment. Perception systems for automated vehicles usually rely on Bayesian fusion methods to combine information from different sensors late in the perception pipeline in a highly abstract, low-dimensional representation. Newer research on deep learning object detection proposes fusion of information in higher-dimensional space directly in the convolutional neural networks to significantly increase performance. However, the resulting deep learning architectures violate key non-functional requirements of a real-world safety-critical perception system for a series-production vehicle, notably modularity, fault tolerance and traceability. This dissertation presents a modular multimodal perception architecture for detecting objects using camera, lidar and radar data that is entirely based on deep learning and that was designed to respect above requirements. The presented method is applicable to any region-based, two-stage object detection architecture (such as Faster R-CNN by Ren et al.). Information is fused in the high-dimensional feature space of a convolutional neural network. The feature map of a convolutional neural network is shown to be a suitable representation in which to fuse multimodal sensor data and to be a suitable interface to combine different parts of object detection networks in a modular fashion. The implementation centers around a novel neural network architecture that learns a transformation of feature maps from one sensor modality and input space to another and can thereby map feature representations into a common feature space. It is shown how transformed feature maps from different sensors can be fused in this common feature space to increase object detection performance by up to 10% compared to the unimodal baseline networks. Feature extraction front ends of the architecture are interchangeable and different sensor modalities can be integrated with little additional training effort. Variants of the presented method are able to predict object distance from monocular camera images and detect objects from radar data. Results are verified using a large labeled, multimodal automotive dataset created during the course of this dissertation. The processing pipeline and methodology for creating this dataset along with detailed statistics are presented as well.

23.09.2021

Roschke, Christian
"Generische Verkettung maschineller Ansätze der Bilderkennung durch Wissenstransfer in verteilten Systemen - Am Beispiel der Aufgabengebiete INS und ActEV der Evaluationskampagne TRECVid"
Promotion zum Dr.-Ing.

Abstract:

Der technologische Fortschritt im Bereich multimedialer Sensorik und zugehörigen Methoden zur Datenaufzeichnung, Datenhaltung und -verarbeitung führt im Big Data-Umfeld zu immensen Datenbeständen in Mediatheken, Medienarchiven und Wissensmanagementsystemen. Zugrundliegende State of the Art-Verarbeitungsalgorithmen werden oftmals problemorientiert entwickelt. Aufgrund der enormen Datenmengen lassen sich nur bedingt zuverlässig Rückschlüsse auf Güte und Anwendbarkeit ziehen. So gestaltet sich auch die intellektuelle Erschließung von großen Korpora schwierig, da die Datenmenge für valide Aussagen nahezu vollumfänglich zumindest semi-intellektuell zu prüfen wären, was spezifisches Fachwissen aus der zugrundeliegenden Datendomäne ebenso voraussetzt wie zugehöriges Verständnis für Datenhandling und Klassifikationsprozesse in der Informations- und Kommunikationstechnik. Ferner gehen damit gesonderte Anforderungen an Hard- und Software einher, welche in der Regel schlecht skalieren, da diese zumeist auf Multi-Kern-Rechnern entwickelt und ausgeführt werden ohne dabei eine notwendige Verteilung vorzusehen. Demzufolge fehlen auch Mechanismen, um die Übertragbarkeit der Verfahren auf andere Anwendungsdomänen mit geringen Aufwänden zu gewährleisten.

Der Fokus der vorliegenden Arbeit liegt in der Konzeptionierung und Entwicklung einer verteilten holistischen Infrastruktur, die die automatisierte Verarbeitung multimedialer Daten im Sinne der Merkmalsextraktion, Datenfusion und Metadatensuche innerhalb eines homogenen aber zugleich verteilten Systems ermöglicht. Dabei sind Ansätze aus den Domänen des Maschinellen Lernens, der Verteilten Systeme, des Datenmanagements und der Virtualisierung zielführend miteinander zu verknüpfen, um auf große Datenmengen angewendet, evaluiert und optimiert werden zu können. Diesbezüglich sind insbesondere aktuelle Technologien und Frameworks zur Detektion von Mustern zu analysieren und einer Leistungsbewertung zu unterziehen, so dass ein Kriterienkatalog ableitbar ist. Die so ermittelten Kriterien bilden die Grundlage für eine Anforderungsanalyse und die Konzeptionierung der notwendigen Infrastruktur. Diese Architektur bildet die Grundlage für Experimente im Big Data-Umfeld in kontextspezifischen Anwendungsfällen aus wissenschaftlichen Evaluationskampagnen, wie beispielsweise TRECVid. Hierzu wird die generische Applizierbarkeit in den beiden Aufgabenfeldern Instance Search und Activities in Extended Videos eruiert.

17.03.2021

Krishna Murthy, Dharshan
"Emergency Braking in Compact Vehicle Platoons: A Cyber-Physical Design"
Promotion zum Dr.-Ing.

Abstract:

With the advent of autonomous driving, concepts like road trains or platoons are becoming more popular. In these arrangements, vehicles travel at separations of only 5 to 10m between them. These short inter-vehicle distances allow compacting vehicle flows resulting in increased throughput on highways. In addition, there are also fuel/energy savings as the magnitude of aerodynamic resistance acting on vehicles is reduced. These benefits increase when reducing inter-vehicle separations to below 5m. However, it becomes extremely difficult to guarantee safety, especially, when braking in an emergency. The longitudinal and lateral control systems developed so far aim to achieve string stability in the cruise scenario, i.e., to prevent that small variations at the lead magnify towards the trail. Unfortunately, this has no relevance during emergency braking, since control systems incur saturation, i.e., the condition where computed output brake forces exceed those that can be applied by actuators. This is because all vehicles have to apply their maximum brake forces in order to minimize the stopping distance of the platoon and reach a complete standstill. As a result, emergency braking requires special attention and needs to be designed and verified independent of the cruise scenario. Braking in an emergency is mainly characterized by the problem of heterogeneous deceleration capabilities of vehicles, e.g., due to their type and/or loading conditions. As a result, a deceleration rate possible by one vehicle may not be achievable by its immediately leading or following vehicles. Not addressing this heterogeneity leads to inter-vehicle collisions. Moreover, transitions in the road profile increase the complexity of such brake maneuvers. Particularly, when there is a transition from a flat road to a steep downhill, an already saturated brake controller cannot counteract the effect of the downhill slope. Hence, its deceleration magnitude will be reduced, potentially leading to intra-platoon crashes that would otherwise not occur on a flat road. In this work, we first analyze the problem of emergency braking in platoons operating at inter-vehicle separations below 5m and under idealized conditions (i.e., flat road, instantaneous deceleration, etc.). For this case, we propose a cyber-physical approach based on exploiting space buffers that are present in the separations between vehicles, and compare it with straightforward schemes (such as Least Platoon Length and Least Stopping Distance) in terms of achieved aerodynamic benefits, overall platoon length, and stopping distance. We then consider realistic conditions (in particular, changing road profiles as mentioned before) and investigate how to design a brake-by-wire controller present at each vehicle that accounts for this. We further extend our proposed cyber-physical approach by adding cooperative behavior. In particular, if an individual vehicle is unable to track its assigned deceleration, it coordinates with all others to avoid inter-vehicle collisions, for which we propose a vehicle-to-vehicle (V2V) communication strategy. Finally, we present a detailed evaluation of the proposed cyber-physical approach based on high-fidelity vehicle models in Matlab/Simulink. Even though more work is needed towards a real-life implementation, our simulation results demonstrate benefits by the proposed approach and, especially, its feasibility.