Eingebettete KI ist heutzutage in vielen Bereichen anzutreffen, oft erlaubt ihre Verwendung eine effiziente Verarbeitung von Daten nahe bei der Datenquelle. Naturgemäß sind eingebettete System aber oft kaum physisch zugänglich. Da sie aber auch sich ändernden Anforderungen und Umwelteinflüssen unterliegen, brauchen Anwendungsbetreuer:innen und -entwickler:innen eine Möglichkeit auch nach Deployment des Systems noch Änderungen an der KI vorzunehmen. In dem Projekt sollen daher erste Schritte unternommen werden heterogene eingebettete KI in-situ zu aktualisieren oder sogar völlig zu ändern. Dazu werden die Student:innen eine Lösung entwickeln, die einem eingebetteten System Zugriff auf einen AI Model Store erlaubt. Dabei werden Sie
- recherchieren wie ähnliche Systeme heutzutage realisiert werden
- ein Beispielmodell für eine eingebettete MCU designen/trainieren und in eine Beispielanwendung integrieren
- einen Model Store aufsetzen
- Modelle und Parameter im Model Store speichern
- Schnittstellen entwickeln, die Anwendungsbetreuern erlauben auf Entitäten im Model Store zuzugreifen
Vorraussetzung für die Teilnahme:
- Kenntnisse in embedded C or Python
Hilfreiche Kenntnisse:
- Java
- MQTT
- Pytorch
- Lehrende(r): Leo Buron
- Lehrende(r): Chao Qian
- Lehrende(r): Gregor Schiele