Maschinelle Lernverfahren zur Personalisierung muskuloskelettaler Menschmodelle, Bewegungsanalyse und Bewegungssynthese (C01)

• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung seit 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 442419336

Es wird erforscht, inwiefern ein neuronales Netzwerk zur effektiven Personalisierung von Gangsimulationen anhand von Bewegungsdaten verwendet werden kann. Wir untersuchen zunächst den Einfluss von Körperparametern auf die Gangsimulation. Eine Ausgangsversion der Personalisierung wird mit simulierten Bewegungsdaten trainiert, da hierfür die Ground-Truth-Daten bekannt sind. Dann erforschen wir gradientenfreie Methoden, um das Netzwerk für experimentelle Bewegungsdaten anzupassen. Das resultierende Netzwerk wird mit Magnetresonanztomographie, Elektromyographie und körperinternen Variablen validiert.

• DFG-Verfahren: Sonderforschungsbereiche
• Teilprojekt zu: SFB 1483: Empathokinästhetische Sensorik – Sensortechniken und Datenanalyseverfahren zur empathokinästhetischen Modellbildung und Zustandsbestimmung
• Antragstellende Institution: Friedrich-Alexander-Universität Erlangen-Nürnberg
• Teilprojektleiterin: Professorin Dr. Anne Koelewijn