05 Fakultät Informatik, Elektrotechnik und Informationstechnik

Permanent URI for this collectionhttps://elib.uni-stuttgart.de/handle/11682/6

Browse

Filters

2018 - 201912020 - 20242

Settings

Institute: search.filters.UBSInstitut.Institut für Parallele und Verteilte SystemeAuthor: search.filters.author.Schneider, Tim

Search Results

Now showing 1 - 3 of 3
  • Thumbnail Image
    ItemOpen Access
    Towards learners that plan: Integrating trainable planning modules for data-efficient learning
    (2018) Schneider, Tim
    Learning is one of the most important abilities of intelligent adaptive agents. The generalization capability and training efficiency of learning algorithms depend heavily on the abstract representations acquired. Planning, on the other hand, allows agents to anticipate the future consequences of their actions so as to act optimally at the now. The action-contingent predictive features generated by planning modules thereby provide a good abstract representation constituting the current state of the agent. From this insight, this thesis aims to integrate trainable planning modules for data-efficient learning in sequential decision making and manipulation problems, ranging from Go game to real-world robotic AI. Specifically, this thesis will investigate the effectiveness of such approach by trying to solve the key questions of (1) how to integrate planning modules into deep learning frameworks so as to train the whole system from data, and (2) how to exploit predictive, but possibly inaccurate, abstract features from planning modules to guide the learning process. The main contributions of this thesis are to answer these questions within a broad literature survey and incorporate the ideas in an algorithm that can be applied to learn to plan in visual navigation tasks in a completely unsupervised manner.
  • Thumbnail Image
    ItemOpen Access
    Evaluation von Datenarchitekturen für die Connected-Cars-Domäne
    (2024) Schneider, Tim
    Connected Cars sind Fahrzeuge, die mit Sensoren und Kommunikationsschnittstellen ausgestattet sind, um mit anderen Fahrzeugen, der Verkehrsinfrastruktur und dem Internet zu kommunizieren. Durch sie eröffnen sich neuartige digitale Anwendungen, die die Effizienz, Sicherheit und den Komfort von Fahrzeugen steigern können. Für die Ermöglichung dieser Anwendungen ist eine geeignete Datenarchitektur entscheidend. Sie gibt vor, wie die Fahrzeugdaten zu verwalten und zu verarbeiten sind, um die jeweiligen übergeordneten Anwendungsziele zu erreichen. Die Connected-Cars-Domäne stellt an die Datenarchitektur hohe Anforderungen. Dazu gehört beispielsweise der Umgang mit großen Datenvolumen, erzeugt von einer Vielzahl an geografisch verteilten Datenproduzenten. In dieser Arbeit werden bestehende Architekturansätze aus der wissenschaftlichen Literatur hinsichtlich ihrer Eignung als ganzheitliche Datenarchitektur für die Connected-Cars-Domäne evaluiert. Grundlage dafür ist ein Anforderungskatalog, der im Rahmen einer Anforderungsanalyse erstellt wird. Die Evaluation zeigt, dass es unter den betrachteten Veröffentlichungen keinen Vorschlag gibt, der alle definierten Anforderungen erfüllt. Im weiteren Verlauf der Arbeit wird deshalb untersucht, wie eine Datenarchitektur gestaltet werden kann, die alle Anforderungen erfüllt und damit den identifizierten Schwächen bestehender Ansätze begegnet. Das vorgeschlagene Konzept kombiniert Lösungsansätze der Literatur, allgemeine Datenarchitekturen aus dem Fachgebiet des Data Engineerings und eigene Ideen. Im Fokus steht dabei der Data Mesh, ein Ansatz zur dezentralen Organisation analytischer Daten. Es wird gezeigt, wie die Prinzipien des Data Mesh gewinnbringend auf die Connected-Cars-Domäne angewandt werden können und welche Besonderheiten sich dabei ergeben. Die größte Besonderheit ist, dass geografisch verteilte Datenprodukte unterstützt werden, die sich somit die Vorteile des Fog Computings zu Nutze machen können. Eine konzeptionelle Evaluation der Architektur am Ende der Arbeit zeigt, dass sie bis auf eine Einschränkung alle Anforderungskriterien berücksichtigt.
  • Thumbnail Image
    ItemOpen Access
    Verarbeitung komplexer IoT-Daten in der IoT-Plattform MBP
    (2021) Schneider, Tim
    Die Multi-purpose Binding and Provisioning Platform (MBP) ist eine an der Universität Stuttgart entwickelte Internet of Things (IoT)-Plattform. Sie unterstützt eine Anbindung von IoT-Objekten, die als Sensorwerte jeweils einzelne Fließkommazahlen an die Plattform senden. Diese Daten werden von der MBP hauptsächlich zur Visualisierung und der Auswertung von IoT-Regeln verwendet. In dieser Arbeit wird das bestehende Datenmodell der MBP so erweitert, dass auch komplexe Sensordaten von der Plattform unterstützt werden können. Dazu wird ein neues Datenmodell-Konzept eingeführt, das die Verschachtelung von Sensordaten mittels Objekt- und Arraystrukturen ermöglicht sowie verschiedene primitive Datentypen als Datenfelder erlaubt. Es wird gezeigt, wie dieses Konzept in die MBP integriert werden kann und wie die notwendigen Anpassungen für die verschiedenen vom Datenmodell abhängigen Funktionalitäten der Plattform umgesetzt werden. Die Änderungen betreffen dabei alle architektonischen Schichten der Plattform. Die Anwendungslogik muss sowohl Datenmodelle als auch ihre konkreten Dateninstanzen verarbeiten können, was vor allem komplexe Zugriffsmechanismen erfordert. Die Resourcenschicht muss angepasst werden, um komplexe Daten speichern zu können und die Präsentationsschicht muss in der Lage sein, komplexe Daten dem Nutzer darzustellen sowie komplexe datenbezogene Nutzereingaben zu ermöglichen. Zuletzt betreffen die Änderungen auch die Operatorenskripte der angebundenen IoT-Umgebung, die Sensordaten in datenmodellkonformer Weise der Plattform bereitstellen müssen.