Zum Hauptinhalt springen

SmartHelm

Projektbild SmartHelm

Ziel des SmartHelm-Vorhabens ist die Entwicklung eines aufmerksamkeitssensitiven Fahrradhelms mit Augmented Reality (AR)-Brille und nutzerfreundlicher Spracheingabe zur aufmerksamkeitsbasierten Prozessoptimierung in der CityLogistik. Die aktuelle Aufmerksamkeitsbelastung wird erkannt auf Basis von in den Helm integrierter Eye-Tracking Technologie und eines EEG-Systems (Trockenelektroden). Die generierten Daten werden mittels aktueller Verfahren des Maschinellen Lernens in Echtzeit verarbeitet. Das System soll die aktuelle Aufmerksamkeitsbelastung des Fahrers erkennen und Kontext bezogen das richtige Maß an Informationen in der Sprache des Fahrers bereitstellen, um diesen individuell optimal zu unterstützen.

Das CSL übernimmt die Analyse und Modellierung der Aufmerksamkeits- und Belastungsdaten auf Basis der erhobenen Biodaten sowie die erforderliche Optimierung der Sprachverarbeitung und natürlichen Sprachinteraktion in mehreren wählbaren Sprachen.

Das Teilvorhaben verfolgt einen neuen Ansatz bei der Erhebung und Analyse aufmerksamkeitsbezogener biophysiologischer Daten im Feld. Während kabelloses EEG im Labor bereits vielfach verwendet wurde, ist für eine robuste Anwendung in SmartHelm zunächst die Integration mit weiteren Daten (z.B. Blickbewegungen) erforderlich. Neurophysiologische Marker für Aufmerksamkeit wurden bereits in eigenen Laborstudien untersucht. Auch konnten wir unterschiedliche Typen von Biodaten kombinieren. Es fehlt jedoch noch die Untersuchung und Evaluation in einer konkreten Anwendung. Das CSL beteiligt sich daher insbesondere am Übergang der Systemevaluation zwischen Laborforschung und Feldforschung. Am wissenschaftlichen "cutting edge" behandelt das Teilprojekt die Frage einer möglichst robusten Aufmerksamkeitsklassifikation anhand von, im Vergleich zu Big Data Ansätzen, relativ wenigen, aber reichen Biodaten. Anknüpfend an eigene Vorarbeiten wird das CSL u.a. “Long Short Term Memory” Netzwerke als eine Alternative zu statischen linearen Klassifikatoren untersuchen.

Ein zweites zentrales Thema addressiert die Herausforderungen der multilingualen Spracherkennung bzgl. der sprach- und domänenübergreifenden Anpassung der entsprechenden Modelle mit dem Ziel einer Robustheit in akustischen Umgebungen (z.B. gegenüber Lärm), einer Ausweitung der Anwendungsbereiche sowie in einer schnelleren Anpassung und Personalisierung. Zur Lösung dieser Aufgabe wird das CSL auf Hebelwissen und Sprachkorpora (GlobalPhone) aus ähnlichen früheren Projekten zurückgreifen.

Das CSL übernimmt die Führung im Bereich der wissenschaftlichen Modellierung und Dissemination der zentralen Aufmerksamkeitserfassungs- und Sprachverarbeitungskomponenten des SmartHelm-Vorhabens.

Fördergeber: BMVI Modernitätsfonds (mFund); Konsortialführer: Rytle GmbH, Bremen; FKZ des CSL: 19F2105F

Ansprechpartner am CSL: Dr. Dennis Küster

Mehr Informationen: