Government funded researchArtificial intelligenceSmart HealthSmart IndustriesSmart Mobility

10 min

Drie proof-of-concepts voor mens-machine communicatie

Om het onderzoek naar mens-machine communicatie zo goed mogelijk te sturen richting concrete toepasbaarheid, definieerde imec drie proof-of-concepts die aan de basis moeten liggen van concrete oplossingen en breder inzetbare kennis en technologie. Deze use cases zijn: het begrijpen van de context rondom een wagen, interactie van bestuurders met hun wagen en het technologisch assisteren van operatoren in een industriële omgeving. De initiële focus van deze scenario’s is gedefinieerd voor drie jaar, waarbij al vanaf het eerste jaar resultaten ontstaan die overdraagbaar moeten zijn naar de industrie.

Scroll

In de eerste proof-of-concept, technologie voor zelfrijdende wagens, zet imec specifiek in op AI-oplossingen die zelfrijdende wagens toelaten om nauwkeuriger hun omgeving in kaart te brengen. Enerzijds door betere objectherkenning. Met de huidige status van de technologie worden andere weggebruikers soms nog foutief geïdentificeerd. Bijvoorbeeld wanneer een auto op de stoep rijdt, zou die buiten de bekende kaders kunnen vallen van wat de software aan patroonherkenning heeft geleerd. Anderzijds ook door het kunnen voorspellen van verkeerssituaties en intenties van andere weggebruikers. 

Denk aan het anticiperen op een fietser die afslaat, omdat die al licht uitwijkt en de fietser een bepaalde richting uitkijkt. 

As human drivers we can interpret such subtle signals, but for the moment self-driving cars cannot. The results of this case can also be applied in other industrial environments where self-driving vehicles are used, such as logistics or agriculture. Or in situations where human intentions must be interpreted, such as crowd management or healthcare.

In de tweede case, interactie van bestuurders met hun wagen, werkt imec aan technologie die toelaat om complexe conversaties te voeren tussen mens en machine. 

Vergelijk het met een digitale taxichauffeur. Die kan je niet alleen de instructie geven om je van a naar b te brengen, maar onderweg ook allerlei andere informatie vragen.

Bijvoorbeeld: “Waarom is het hier zo druk?” “Omdat er een manifestatie is.” “Van wie?” “De vakbonden staken vandaag.” “Waarom?” “Betere arbeidsvoorwaarden in de horeca” “Is er vanavond dan wel een restaurant open?” “Zeker, wat wilt u eten?” etc… De technologie die noodzakelijk is om dergelijke geavanceerde conversaties mogelijk te maken gaat verder dan de patroon-gebaseerde schema’s achter huidige chatbots die aan een specifieke context gebonden zijn. Eens ontwikkeld, is ze ook van nut voor toepassingen in retail, gezondheidzorg etc.

Voor het derde scenario, het assisteren van operatoren, is een nog iets verregaandere ontwikkeling nodig van de conversatie tussen mens en machine. Dit scenario richt zich op situaties waarin operatoren handelingen uitvoeren met een lage graad van herhaling en die daarom niet of moeilijk voorspelbaar zijn. In deze situaties wil imec technologie ontwikkelen die de operator toch kan helpen bij het goed en veilig uitvoeren van het werk. Denk aan suggesties over een correcte houding bij het tillen van zware lasten, het correct gebruik van gevaarlijke machines etc. 

Een AI-assistent zou door observatie van de operator tips en aanwijzingen kunnen geven aan de operator. Bijvoorbeeld ook gevoed door de kennis die het heeft opgedaan van de observatie van andere operatoren.

“Heb je al eens geprobeerd om deze actie op een andere manier te doen? Ik observeerde van andere operatoren dat ze het op die manier sneller of veiliger uitvoeren.” Ook dit soort technologie is niet alleen inzetbaar in de context van operatoren, maar overal waar menselijke handelingen geoptimaliseerd kunnen worden.


Om deze proof-of-concepts te realiseren, komen disciplines samen zoals Natural Language Processing, Computer Vision, Cognitive Architectures, Reinforcement & Fast Learning en Recommendation Systems. En hiervoor werkt imec nauw samen met de partners in het AI-impulsprogramma zoals de Universiteit Antwerpen, KU Leuven en VUB.
 

Meer weten?

 

Over Steven Latré


Prof. Steven Latré, is geassocieerd professor aan de Universiteit Antwerpen en leidt er de imec onderzoeksgroep IDLab (85+ leden), die toegepast en fundamenteel onderzoek verricht op het gebied van communicatienetwerken en gedistribueerde intelligentie. Hij leidt de IDLab Antwerpse onderzoeksgroep (85+ leden), die toegepast en fundamenteel onderzoek verricht op het gebied van communicatienetwerken en gedistribueerde intelligentie. Zijn persoonlijke onderzoeksinteresses liggen op het gebied van machinaal leren en de toepassing ervan op draadloze netwerkoptimalisatie. 


Hij behaalde een Master of Science diploma in informatica aan de Universiteit Gent, België en een Ph.D. in Computer Science Engineering aan diezelfde  Hij is auteur of co-auteur van meer dan 100 papers die gepubliceerd zijn in internationale tijdschriften of in het kader van internationale conferenties. Hij ontving de IEEE COMSOC-prijs voor het beste doctoraat in netwerk- en servicemanagement 2012, de IEEE NOMS Young Professional Award 2014 en is lid van de Jonge Akademie België.
 

Deze website maakt gebruik van cookies met als enige doel het analyseren van surfgedrag, zonder enige commerciële insteek. Lees er hier meer over. Lees ook ons privacy statement. Sommige inhoud (video's, iframes, formulieren,...) op deze website zal pas zichtbaar zijn na het accepteren van de cookies.

Accepteer cookies