Kernelbasierte implizite Datenassoziation für große Mengen von ungelabelten, verrauschten Daten

• Antragsteller: Professor Dr.-Ing. Marcus Baum
• Fachliche Zuordnung: Automatisierungstechnik, Mechatronik, Regelungssysteme, Intelligente Technische Systeme, Robotik
• Förderung: Förderung von 2014 bis 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 253954122

Dieser Antrag befasst sich mit dem allgemeinen Problem der Zustandsschätzung auf der Basis ungelabelter Daten. Ungelabelte Daten tauchen in einer Vielzahl von Applikation in der Robotik, der automobilen Sicherheit, der Medizintechnik und der Überwachung auf. Ein Beispiel in der Robotik ist die Positionsverfolgung von mehreren Objekten mit Hilfe von Laserscannern. Dabei sind keine Label, also keine Assoziation von den extrahierten Messungen zu den Objekten, verfügbar.Bestehende Verfahren zur Datenassoziation betrachten typischerweise explizit die Menge aller möglichen Assoziationshypothesen. Da die Anzahl dieser Hypothesen allerdings exponentiell mit der Anzahl an Daten steigt, kann in der Praxis lediglich eine stark reduzierte Menge an Assoziationshypothesen beibehalten werden, was zu einem signifikanten Genauigkeitsverlust führt. Die bestehenden Verfahren sind für große, stark verrauschte Datenmengen (>>10) also entweder zu aufwändig oder leiden unter einer niedrigen Schätzqualität.Das Ziel dieses Antrags ist die Entwicklung eines fundamental neuen Verfahrens zur Datenassoziation, welches auch bei großen Datenmengen eine hohe Schätzqualität gewährleistet. Damit soll eine systematische und mathematisch rigorose Behandlung von Assoziationsproblemen möglich sein, die sich wegen Ihrer Komplexität heutigen Ansätzen verschließen. Die Schlüsselidee ist eine Reformulierung des originalen Schätzproblems durch eine Transformation der Daten mit Hilfe einer Kerneltransformation. Das dadurch entstehende modifizierte Schätzproblem ist nun nichtlinear, enthält aber keinerlei Assoziationsunsicherheiten mehr. Durch diese implizite Assoziation ist eine explizite Enumeration aller möglichen Assoziationshypothesen nicht mehr notwendig, was die Komplexität dramatisch reduziert. Zudem ist diese Reformulierung exakt und behält alle Informationen des Originalproblems bei, so dass dafür genaue Zustandsschätzer entworfen werden können.Der Antrag ist in drei Hauptpunkte gegliedert: Im ersten Schritt sollen die theoretischen Grundlagen des neuen Assoziationsverfahrens erarbeitet werden, was verschiedene Ansätze für die Konstruktion von Transformationskerneln und die Entwicklung von angepassten nichtlinearen Schätzverfahren für das transformierte Problem umfasst. Der zweite Schritt soll das neue Verfahren um die Behandlung von Ausreißern und fehlenden Daten ergänzen. Im dritten Schritt sollen für das Tracking mehrerer Objekte Mechanismen für die Entstehung und den Wegfall von Objekten entwickelt und in das neue Verfahren integriert werden.

• DFG-Verfahren: Sachbeihilfen
• Beteiligte Person: Professor Dr.-Ing. Uwe D. Hanebeck