Hochschule Karlsruhe Hochschule Karlsruhe - University of Applied Sciences
Hochschule Karlsruhe Hochschule Karlsruhe - University of Applied Sciences

Autonome Systeme und Künstliche Intelligenz

Mehr Energieeffizienz durch Spiking Neural Networks

   

            

                     

Künstliche Intelligenz (KI) bietet in immer mehr Bereichen neue Möglichkeiten oder ersetzt klassische Verfahren. Ein großes Problem bei der KI ist aber die erforderliche enorme Rechenleistung und der damit verbundene Energieverbrauch. Dies schränkt den Einsatz in mobilen Systemen aktuell stark ein. Besonders autonome Systeme, wie autonom fliegende Drohnen, sind auf den Einsatz von KI angewiesen. Ihre Größe und Gewicht schränken die zur Verfügung stehende Rechenkapazität stark ein. Außerdem ist durch den Akkubetrieb die Energieeffizienz besonders wichtig.

Spiking Neural Networks

Wir arbeiten daran, KI mit Spiking Neural Networks (SNN) und effizienten Encoding-Algorithmen effizienter zu machen und so deren Einsatz selbst auf kleinsten Mikroprozessoren, wie dem ESP32 zu ermöglichen. SNN werden häufig als künstliche neuronale Netze der 3. Generation bezeichnet, weil sie bei gleichbleibenden Ergebnissen und aber einer deutlich effizienteren Ausführung immer mehr tiefe neuronale Netze ersetzen können. In SNN werden die Fließkommazahlen zur Informationsübertragung zwischen den Neuronen durch das zeitliche und örtliche Auftreten von einheitlichen Impulsen ersetzt. Wir versuchen SNNs so zu implementieren, dass nur Rechenarbeit anfällt, wenn in einem Neuron ein Spike eintritt. Gleichzeitig versuchen wir die Anzahl der auftretenden Spikes weitestmöglich zu reduzieren. Dazu passen wir neben dem Encoding-Algorithmus auch den Aufbau der Neuronen und die Trainingsverfahren an.

Schwerpunkte

Spiking Neural Networks (SNN) 
Encoding Algorithmen
Drohnen

Anwendung auf Drohnen

Um die theoretischen Ergebnisse auf echten Drohnen evaluieren zu können, bauen wir uns eine Flotte an Drohnen unterschiedlichster Größen auf. Diese sind so ausgewählt, dass auf allen dieselbe Software ausgeführt werden kann und die gleichen Sensormodule eingesetzt werden können. Dies ermöglicht zunächst erste Tests einzelner Komponenten direkt im Büro auf unserem kleinsten Modell. Das nächstgrößere Modell ist komplett 3D-gedruckt und somit leicht auf die individuellen Bedürfnisse anpassbar. Die Leistungsfähigkeit ist hier schon deutlich größer, sodass hier auch die finale Software mit allen benötigten Sensormodulen getestet werden kann. Dennoch kann dieses Modell noch in größeren Innenräumen eingesetzt werden. Unsere größte Drohne ist auf den Außeneinsatz zugeschnitten. Neben der kompletten Sensorik kann diese auch bei ungünstigen Windbedingungen im Freien eingesetzt werden und hat noch ausreichend Leistungsreserven für den Anbau weiterer Komponenten oder den Transport von Gegenständen.

Projektbeteiligung

Das Projekt bietet auch für Studierende die Möglichkeit, sich in Form von Projekt- oder Abschlussarbeiten am Entwicklungsprozess zu beteiligen.

Externer Inhalt

Um diesen Inhalt zu verwenden (Quelle: www.xyz.de), klicken Sie bitte auf Akzeptieren. Wir möchten Sie darauf hinweisen, dass durch die Annahme dieser IFrames Daten an Dritte übertragen oder Cookies gespeichert werden könnten.

Weitere Informationen finden Sie in unserer Datenschutzerklärung.

Kontakt

Forschung & Entwicklung
Jonas Hansert, M.Sc.
Tel.: +49 (0)721 925-1914/-1708
jonas.hansertspam prevention@h-ka.de

Adresse & Post

 

                        

            

Eckdaten

Art des Projekts:Akademisches Forschungs- und Entwicklungsprojekt
Dauer des Projekts:Seit 2022
Projektleitung:Prof. Dr.-Ing. Peter Offermann
Forschung und Entwicklung:Jonas Hansert, M.Sc.
Fördergeber:Hochschule Karlsruhe
innerhalb KIIWI und des Studiengangs Robotik und Künstliche Intelligenz in der Produktion https://www.h-ka.de/rkim

Karlsruhe
Institut für Energieeffiziente Mobilität (IEEM)
Moltkestr. 30
76133 Karlsruhe

Post  >
Institut für Energieeffiziente Mobilität (IEEM)
Postfach 2440
76012 Karlsruhe