Gondang: Jurnal Seni dan Budaya
Not a member yet
2544 research outputs found
Sort by
Abschlussbericht 2024
No full textCargo, Überwachung, Kommunikation und langfristig auch der Personentransport eröffnen neue Märkte für Remotely Piloted Aircraft Systems (RPAS). Der European ATM Masterplan enthält erstmals eine Roadmap für IFR-Operationen in allen Luftraumklassen A bis G. RPAS der CS23-Kategorie werden gemäß EASA Regulation 2019/945 in der Regel als "certified" eingestuft. Bisher verfügbare zivile Steuerungssysteme befinden sich überwiegend in der "Open Category" (MTOW < 25 kg) oder sind experimentell, und daher in der Regel nicht redundant und vor allem nicht qualifiziert oder qualifizierbar. Das zentrale Ziel des Vorhabens bestand in der Erarbeitung und Validierung (einschließlich Flugerprobung) der Grundlagen für eine breit anwendbare und inkrementell zertifizierbare Steuerungsplattform auf Basis einer integrierten Architektur für hoch automatisierte RPAS in Flugzeugen äquivalent zur Kategorie CS23, einschließlich aller Nominal- und Notverfahren für IFR-Betrieb gemäß dem European ATM Masterplan. Grundlage bildet die Flexible Avionik Plattform mit AAA-Prozessansatz, die am Institut für Luftfahrtsysteme der Universität Stuttgart entwickelt und von der Aviotech GmbH weiterentwickelt und industrialisiert wurde. Im Rahmen dieses Vorhabens wurde eine integrierte RPAS Control Platform (RCP) entwickelt, bestehend aus einer Plattform im Flugzeug und einer Plattform in der Bodenstation. Es wurden alle Funktionen für die hoch automatisierte Flugplanung/Flugführung und das hoch automatisierte Vehicle Management ausgelegt, in die RCP implementiert und schließlich in einem CS23-Flugzeug (Cirrus SR22) integriert und im Fluge validiert. Mit Abschluss dieses Vorhabens wurde die technische Grundlage geschaffen, Steuerungssysteme für zu zertifizierende RPAS effizient zu entwickeln und zuzulassen. Einzig offen ist noch die Entwicklung eines Detect-and-Avoid-Systems zur Vermeidung von Kollisionen mit kooperativem und nicht kooperativem Verkehr. Diese Entwicklung soll möglichst im Rahmen eines anschließenden Forschungsprojekts realisiert werden
Abschlussbericht des Verbundvorhabens
No full textDas Verbundvorhaben PeopleSuN - Optimierung von Off-Grid Energieversorgungssystemen in Nigeria zielte darauf ab, evidenzbasierte Planungsinstrumente für eine nachhaltige Elektrifizierung ländlicher Regionen Nigerias zu entwickeln. Unter Leitung des Reiner Lemoine Instituts (RLI) wurden gemeinsam mit internationalen Partnern umfangreiche quantitative und qualitative Datenerhebungen zur Stromnutzung, Zahlungsbereitschaft sowie zu sozialen und kulturellen Einflussfaktoren durchgeführt. Insgesamt wurden über 3.600 Haushalte und 1.125 Unternehmen in drei nigerianischen Regionen befragt, ergänzt durch Fokusgruppen und Stakeholder-Interviews. Die Ergebnisse flossen in die Entwicklung von Open-Source-Tools zur Bedarfsschätzung (RAMP) und zur techno-ökonomischen Planung von Off-Grid-Systemen (Offgridplanner) ein. Die Tools und erhobenen Datensätze wurden in praxisnahen Schulungen und Fallstudien validiert und stehen öffentlich zur Verfügung. Das Projekt leistet einen konkreten Beitrag zur Operationalisierung von SDG 7 (nachhaltige Energie für alle) und unterstützt Unternehmen, Entscheidungsträger:innen und Forschungseinrichtungen bei einer realitätsnahen Planung von Elektrifizierungsprojekten
Schlussbericht zum Vorhaben : Fördermaßnahme: MobilitätsZukunftsLabor 2050
No full text[no abstract available
Schlussbericht "IRL Bremen für Luft- und Raumfahrt, Logistik, Gesundheitswesen und Automation" im Verbundprojekt: Industrial Radio Lab Germany
No full textDie hoch performante und sichere Funkkommunikation ist ein bedeutender Innovationstreiber in zahlreichen deutschen Wirtschaftszweigen. In der Automatisierung und Robotik ermöglichen funkbasierte Systeme flexiblere Fertigung, erhöhte Mobilität und neue Bedienmöglichkeiten im Rahmen der Mensch-Maschine-Interaktion. Die Logistikbranche nutzt Technologien wie RFID-Systeme für vereinfachte Warenerfassung. Weitere Branchen wie Automotive, Wasserwirtschaft, Luft- und Raumfahrt sowie der Gesundheitsbereich profitieren ebenfalls von diesen Entwicklungen. Funkkommunikationstechnologien besitzen eine erhebliche Querschnittswirkung mit Potenzial zur fundamentalen Umstrukturierung vieler Wirtschaftszweige.
Die Integration dieser Technologien erfordert umfassende Forschungs- und Entwicklungsaufgaben, deren Komplexität besonders kleine und mittlere Unternehmen (KMUs) überfordert. Unternehmen müssen Entscheidungen bezüglich des Funkspektrums treffen - von lizenzfreien ISM-Bändern mit unterschiedlichen Ausbreitungsbedingungen über Mobilfunkspektren bis hin zu einem seit 2019 lokal verfügbaren Frequenzband. Zudem müssen sie zwischen verschiedenen Funktechnologien wie 5G, Bluetooth, WLAN oder Zigbee wählen und diese in ihre Produktionsanlagen integrieren.
Als Alternative zum aufwändigen Aufbau eigener Funksystementwicklungsabteilungen bietet sich externe Unterstützung an. Prof. Dr.-Ing. Michael Schenk vom Fraunhofer-Institut empfiehlt staatlich kofinanzierte Lernplattformen als wertvolle Unterstützung für KMUs. Benötigt wird eine neutrale, unabhängige Organisation ohne eigene wirtschaftliche Interessen, die entsprechende Forschungskapazitäten bereitstellt und idealerweise Großindustriepartner einbindet.
Das vorgestellte Industrial Radio Lab Germany (IRLG) hat diese Rolle übernommen. Es bestand aus vier deutschlandweit verteilten Forschungs- und Entwicklungslaboren (Industrial Radio Labs (IRLs)), in denen zukunftsträchtige Lösungen für sichere industrielle Funkkommunikationssysteme, unter anderem auf 5G-Basis, gemeinsam mit Unternehmen erarbeitet wurden. Dieses Konzept ermöglicht besonders dem deutschen Mittelstand die effiziente Adoption dieser Schlüsseltechnologie.
In einer digitalen Gesellschaft und insbesondere im Umfeld einer zunehmend digitalisierten Industrie sind Funkkommunikationstechnologien zur Übertragung von relevanten Anwendungsdaten von enormer Bedeutung. Die Verfügbarkeit und Informationssicherheit sind hierbei Schlüsselelemente für eine vertrauensvolle und verlässliche Nutzung.
Das IRL Bremen hat in diesem Sinne die Thematik des Koexistenzmanagements und die Mechanismen der Spektrumsüberwachung ebenso adressiert wie den Einsatz von künstlicher Intelligenz in Kommunikationssystemen und die Untersuchung und Entwicklung von Basisbandtechnologien der physikalischen Übertragungsschicht.
Datei-Upload durch TI
Mini-Workshop: Statistical Challenges for Deep Generative Models
No full textOver the last decade, deep generative modelling has emerged as a powerful probabilistic tool in machine learning. The idea behind generative modelling is simple: transform noise to create new data that matches a given training data set. Such transformations must adapt to the information contained in the training data, which is high-dimensional in typical machine learning applications. Generative models, which have demonstrated outstanding empirical generation capabilities for images, videos, text, and many others, have in common that they train deep neural networks to either approximate the transformation directly (e.g., Generative Adversarial Networks) or to approximate the characteristics of a stochastic process that dynamically evolves noise into data (e.g., diffusion models). To explain this empirical success mathematically, we face the statistical task of identifying scenarios in which the distance between the target and generated distributions converges with minimax optimal rate in terms of the sample size as well as the intrinsic dimension and smoothness of the data distribution. While there has been significant progress on this question in rather idealised settings, existing statistical theory is still far from providing a convincing mathematical explanation for why deep generative models perform so well for very different tasks. Due to the complex nature of the field, answering such questions requires a concerted effort from a diverse group of researchers working in probability, nonparametric statistics, functional analysis and optimisation. The aim of this Mini-Workshop was therefore to bring these experts together to foster intensive interactions and to address the statistical challenges posed by generative modelling
Abschlussbericht
No full textZiel des Projekts „Künstliche Intelligenz (KI)-gesteuerte Datenprozessierung und -auswertung mit der Multi-temporalen Datenbank (MUTED)“ (FKZ 50 OO 2102) war die Weiterentwicklung der Multi-Temporalen Datenbank für planetare Bilddaten (MUTED). Diese wurde seit 2011 am Institut für Planetologie der Universität Münster von Grund auf neu konzipiert und entwickelt. Sie stellt ein leistungsfähiges Werkzeug zur Identifizierung der räumlich-zeitlichen Abdeckung planetarer Bilddaten dar. Die im Projektantrag formulierten methodisch-wissenschaftlichen Ziele umfassten:
a) Entwicklung eines Tools zur Generierung von Referenzdaten für die KI-Objekterkennung
b) Entwicklung eines Objektdetektions-Services
c) Entwicklung eines Höhenmodell-Services
d) Weiterentwicklung der Web-Benutzeroberfläche und Integration der neuen Services
e) Integration weiterer KI-generierter Datensätze
f) Betrieb, Pflege und Administration
g) Wissenschaftliche Anwendung der Datenban