Neuroadaptives Virtual-Reality-System zur Behandlung von Spinnenphobie

Bildquelle: Lukjonis - Adobe Stock

Forschende der TU Graz haben ein neuartiges Virtual-Reality-System entwickelt, das die Behandlung von Spinnenangst künftig gezielter und individueller gestalten könnte. Das System "VRSpi“ ist ein Prototyp, der während einer Konfrontation mit Spinnen in einer VR-Umgebung die EEG-Daten sowie die Herzfrequenz der Proband:innen analysiert. Auf Basis dieser objektiven Messdaten passt das System die Intensität der Reize in Echtzeit an das aktuelle Angstniveau der Person an.

Fairness in KI: Studie zeigt zentrale Rolle menschlicher Entscheidungen

Welche Route eine KI vorschlägt, hängt stark vom menschlichen Input bei ihrer Erstellung ab (Bildquelle primipil - Adobe Stock)

KI-gestützte Empfehlungssysteme sollen Nutzer:innen möglichst gute Vorschläge für ihre Anfragen liefern. Oft müssen diese Systeme verschiedenen Zielgruppen bedienen und zudem weitere Stakeholder berücksichtigen, die die maschinelle Antwort ebenfalls beeinflussen: Dienstleister:innen, Gemeinden oder Tourismusverbände zum Beispiel. Wie sich hier eine faire und transparente Empfehlung erreichen lässt, haben Forschende der TU Graz, der Universität Graz und des Know Centers anhand einer Radtour-App des Grazer Startups Cyclebee untersucht

Physik-Nachhilfe für Machine-Learning-Modelle

V.l.n.r.: Larissa Jeindl, Marian Staggl, Laborleiter Stefan Posch, Miloš Babić und Paul Horvath (Bildquelle Wolf, TU Graz)

Machine-Learning-Modelle finden immer breitere Anwendung. Damit sie gute Ergebnisse liefern, brauchen sie allerdings jede Menge Trainingsdaten. Bei industriellen Anwendungen ist dieser Datenschatz oft nicht in ausreichendem Masse vorhanden oder nur durch sehr teure Methoden zu gewinnen. Daher werden Stefan Posch und sein Team am Institut für Thermodynamik und nachhaltige Antriebssysteme der TU Graz im neu eröffneten "Christian Doppler Labor für Physikbasiertes maschinelles Lernen in industriellen Anwendungen" traditionelles Machine Learning mit physikbasierten Methoden kombinieren.

Batterielose Energie für das Internet der Dinge

Lukas D'Angelo (links) und Benjamin Deutschmann bei der Montage von IoT-Devices im Ultrabreitband-Labor am Institut für Kommunikationsnetze und Satellitenkommunikation der TU Graz. Bildquelle: Lunghammer - TU Graz

Weltweit gibt es schätzungsweise rund 20 Milliarden Internet-of-Things-Geräte (IoT), bis 2033 soll sich deren Zahl verdoppeln. Die Folge: grosse Mengen an Altbatterien und Akkus, die regelmässig getauscht und entsorgt werden müssen. Ein Team aus Forschenden der TU Graz, der Aalto-Universität, der KU Leuven und der Universität Oulu arbeiten im Projekt Ambient-6G daran, das Internet der Dinge nachhaltiger zu machen: Sie wollen IoT-Geräte per Funk und anderen Quellen aus der Umgebung wie Wärme oder Vibrationen mit Strom versorgen, Batterien und Akkus würden dadurch überflüssig.

Künstliche Intelligenz im Miniaturformat für Kleinstgeräte

Mit einigen Tricks laufen KI-Modelle auch auf ressourcenschwachen Geräten. Bildquelle: Lunghammer - TU Graz

Künstliche Intelligenz gilt als rechen- und energieintensiv, was etwa eine Herausforderung für das Internet der Dinge ist, wo kleine, eingebettete Sensoren mit begrenzter Rechenleistung, wenig Speicher und kleinen Batterien auskommen müssen. Ein Forschungsteam des Comet-K1-Zentrums Pro2Future, der TU Graz und der Universität St. Gallen hat im Projekt E-Minds nun Wege gefunden, wie KI auf kleinsten Geräten lokal und effizient ausgeführt werden kann – ohne auf externe Rechenleistung angewiesen zu sein.

Lernen als Abenteuer: Der Hörsaal im Raumschiff

Die niederschwellige, spielerische Vermittlung komplexer wissenschaftlicher Inhalte ist eine Herausforderung. Ein Team des Game Lab Graz am Institute of Human-Centred Computing der TU Graz hat dafür eine Lösung entwickelt: Die als Computerspiel umgesetzte Lernumgebung "Project Chimeira" ermöglicht das gamifizierte, Story-basierte Erlernen komplexerer Inhalte aus den Bereichen Naturwissenschaft und Technik.

Risikoeinschätzungs-Tool bewertet potenzielle Gefahren von GNSS-Störsignalen

Die Echtdaten von Störangriffen wurden bei Testmessungen gesammelt. Bildquelle: IFG - TU Graz

Gefälschte oder gestörte Signale von Navigationssatelliten können verheerende Auswirkungen auf kritische Infrastrukturen haben. Ein von der Technischen Universität (TU) Graz entwickeltes Tool soll nun bei Detektion, Analyse und der Planung vorbeugender Massnahmen Unterstützung bieten.

Seiten

TU Graz abonnieren