Übersicht
Worum es bei diesem Projekt geht.
Du erhältst einen vorlabelten Datensatz aus 1.200 Gestenvideos (acht Bediener:innen, je sechs Gesten, mit Annotationen). Trainiere einen leichten Klassifikator (MoveNet-Skelett + Transformer-Kopf oder ähnlich), der bei 30 Bildern pro Sekunde auf einer NVIDIA-Jetson-Klasse läuft. Definiere ein Interaktions-Protokoll mit Bestätigungs-Geste für sicherheitsrelevante Befehle (z. B. Stop wird explizit bestätigt; Folge mir nicht). Validiere im Akzeptanztest mit fünf Bediener:innen in einer simulierten Hafen-Halle und liefere Modell, Code, Evaluations-Tabelle und einen 3-seitigen Bericht für die Betriebsleitung.
Das Briefing
Was Du tust und was Du zeigst.
Wie zuverlässig und sicher kann eine Gestensteuerung sechs Standardbefehle für einen AMR im realen Hafenbetrieb umsetzen — gemessen an Erkennungsrate, Latenz und Bediener-Akzeptanz?
Earning criteria — what you'll demonstrate
- Ein Echtzeit-Gestenmodell für eine Edge-Plattform trainieren und deployen
- Sicherheitsrelevante Befehle durch Bestätigungs-Patterns absichern
- Modellqualität und Bediener-Akzeptanz gemeinsam evaluieren
- Trade-off zwischen Latenz, Genauigkeit und Modellgröße begründen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenComputer-Vision-Ingenieur:in
Echtzeit-Gestenklassifikation auf Edge-Plattformen ist eine direkte Aufgabe von Computer-Vision-Ingenieur:innen in industriellen Robotik- und Logistik-Teams.
Dieses Projekt schärft
- gesture-recognition
- real-time-inference
- edge-deployment
Machine-Learning-Ingenieur:in
Modelltraining bis zur Edge-Deployment-Pipeline plus Evaluation ist Tagesgeschäft von ML-Ingenieur:innen in Produktteams mit Hardware-Bezug.
Dieses Projekt schärft
- pytorch
- edge-deployment
- evaluation
KI-Produktdesigner:in
Das Interaktions-Protokoll mit Bestätigungs-Logik zu entwerfen, schlägt die Brücke zur Designrolle für interaktive KI-Systeme.
Dieses Projekt schärft
- interaction-design
- gesture-recognition
- evaluation
Noch eine Sache