Hand-Tracking-Pipeline für ein AR-Trainings-Startup verbessern
Übersicht
Worum es bei diesem Projekt geht.
Klassifiziere Tracking-Fehler, entwickle einen Smoothing- und Re-ID-Layer und vergleiche die Stabilität. Erhalte dein verifizierbares Zertifikat.
Das Szenario
Das Startup (rund 18 Mitarbeitende, Seed-finanziert) liefert Trainings-Inhalte an mittelständische Maschinenbauer in Baden-Württemberg und Bayern; die Nutzer:innen brechen Trainings ab, wenn die Hand-Tracking-Stabilität unter etwa 95 Prozent fällt.
Das Briefing
Was Du tust und was Du zeigst.
Verbessere die Hand-Tracking-Pipeline so, dass die Verlust-Rate pro Minute halbiert und der per-Gelenk-Jitter um mindestens 30 Prozent reduziert wird, ohne die Latenz über 12 ms zu treiben.
Earning criteria — what you'll demonstrate
- Hand-/Pose-Tracking-Pipelines auf realen Sessions diagnostizieren
- Smoothing-Filter (One-Euro, Kalman) auf 3D-Skelette anwenden
- Re-Identification-Modelle als Stabilitäts-Hebel verstehen
- Eine kleine User-Studie auf ein technisches Verbesserungs-Argument abbilden
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Studienzuordnung folgt in Kürze.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Pose Estimation
Apply pose estimation to solve real industry problems and demonstrate production-level capability.
- Temporal Smoothing
Apply temporal smoothing to solve real industry problems and demonstrate production-level capability.
- Kalman Filter
Apply kalman filter to solve real industry problems and demonstrate production-level capability.
- Re Identification
Apply re identification to solve real industry problems and demonstrate production-level capability.
- Pytorch
Apply pytorch to solve real industry problems and demonstrate production-level capability.
- User Study
Apply user study to solve real industry problems and demonstrate production-level capability.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Computer-Vision-Ingenieur:in
Hand- und Pose-Tracking-Pipelines auf Realbedingungen zu stabilisieren ist tagtägliche Arbeit in AR/VR-Teams, gerade auf Standalone-Headsets mit knappem Latenz-Budget.
Dieses Projekt schärft
- pose-estimation
- temporal-smoothing
- re-identification
Angewandte:r KI-Wissenschaftler:in
Methoden-Auswahl (Kalman vs. One-Euro vs. gelerntes Re-ID) und Mini-User-Studie auf Verbesserungs-Argument abbilden ist exakt der angewandte Forschungs-Mode in Produktteams.
Dieses Projekt schärft
- kalman-filter
- user-study
- pose-estimation
KI-Produktdesigner:in
Stabilitäts-Verbesserungen auf das Erlebnis-Argument (Trainings-Abbruch-Rate) zu übersetzen, ist die Schnittstelle, an der KI-Produktdesigner:innen mit Vision-Engineering arbeiten.
Dieses Projekt schärft
- user-study
- pose-estimation
- temporal-smoothing
Noch eine Sache