Intelligent Systems - student projects
Universiteit Utrecht Intelligent Systems Group Department of Computer Science



Intelligente Systemen - afstudeerprojecten


Hieronder staat een lijst van mogelijke afstudeerprojecten voor Informatica- en CKI-studenten bij de groep Intelligente Systemen. Deze lijst zal regelmatig ververst worden en is niet uitputtend; het is ook mogelijk om een onderwerp uit de lijst aan te passen, of om een geheel nieuw onderwerp te bedenken. Neem voor meer informatie kontakt op met de studieadviseur TKI/ACI, of direkt met een geschikte afstudeerdocent uit de groep.

Nieuwe projecten:

  • Agents bij virtuele trainingen voor rampenbestrijding

    VSTEP is een Rotterdams multimediabedrijf, dat virtuele trainingen maakt, gebaseerd op gaming technologie (www.vstep.nl). Een van VSTEP's real-time 3D trainingen word gemaakt voor hulpverleners bij rampen, zoals brand, explosies, overstromingen en treinbotsingen. Een belangrijke component daarbij zijn de autonome agents, die zich realistisch ("believable") gedragen. Een believable agent is in dit geval een virtual human, die zich gedraagt op een manier die je over het algemeen zou verwachten van een persoon in een soortgelijke omgeving in de realiteit. VSTEP heeft al eerder afstudeerders gehad op dit onderwerp, die al een goede basis gelegd hebben voor de doorontwikkeling en implementatie van believable agents in rampsituaties.

    Aan een agent wordt een aantal persoonlijkheidsparameters toegekend, die invloed hebben op het gedrag in verschillende situaties. Het systeem bevat een mogelijkheid om plannen te definiëren die afhankelijk van de situatie en de individuele parameters geselecteerd kunnen worden. Ook zijn er modules geïmplementeerd die de acties van een agent meer geloofwaardig moeten doen overkomen, zoals een emotie-module. Grofweg zijn er dus twee componten die ten grondslag liggen aan het vertoonde gedrag: een actie- en een reactie-component. Beiden bepalen ze grotendeels de geloofwaardigheid van de agent.

    Vstep zoekt een afstudeerder die uitgaande van het bestaande systeem, deze twee gedragsbepalende componenten verder ontwikkelt, d.w.z. methodes in het systeem implementeert die het gedrag van de agents uiteindelijk nog geloofwaardiger maken, vooral in de context van noodsituaties. Concreet wordt de opdracht ingevuld door het toevoegen van methodes voor (betere) goalgeneration, planselection en emotiongeneration. Uiteindelijk moet het resultaat toegepast worden op een van Vstep's simulaties, wat inhoudt dat o.a. relevante plannen gedefinieerd moeten worden. Voorbeelden van doelen waarvoor plannen gemaakt worden zijn vluchten, alarm slaan, brand blussen en een andere agent of object redden. De schaalbaarheid naar meerdere agents in 1 scenario is hierbij van belang. Hoeveel paniekende mensen kunnen we plaatsten in 1 rampscenario, dat draait op 1 PC? Er zijn games die aantonen dat het technisch mogelijk moet zijn om grote groepen agents in 1 scene in beeld te brengen, denk bijvoorbeeld aan "Total War: Rome".

    Documentatie en theoriën die ten grondslag liggen aan het systeem zullen beschikbaar worden gesteld. VSTEP werkt met Quest3D, een authoringpakket voor real-time interactive 3D (www.quest3d.com).

  • Computational dialectics
  • Intelligent agents

  • Cognitive and adaptive robots (contactpersoon: Marco Wiering)
    • Robotcontrole leren: gebruik een leeralgoritme om effectief robot gedrag te leren (eventueel voor RoboCup)
    • Gebruik sensoren (laser range finder, camera) voor het bouwen van een map-representatie van de wereld.

  • Logics for AI
  • Electronic commerce
  • Machine learning (contactpersoon: Marco Wiering)
    • Leren spelletjes te spelen (zoals go, schaken, kaartspelen)
    • Optimalisatie van Multi-Agent Systemen (zoals verkeerslichtcontrole, bosbrandcontrole, job-shop scheduling etc.)
    • Leren van communicatie in multi-agent systemen (bv. in predator-prey simulaties, hoe kunnen agenten efficient leren te communiceren)
    • Speltheorie en leren (bv. leren producten voor een bepaalde prijs te verkopen/kopen, leren oplossen van spelmatrices)
    • Supervised leren/data mining (bedenk nieuw leeralgoritme, test meerdere algoritmen op een bepaald probleem/ groep problemen)
    • Meta-leren : leer welk leeralgoritme het beste werkt voor een bepaald probleem met bepaalde karakteristieken.

  • Knowledge-based systems
    • Bij de de belastingdienst zijn diverse mogelijkheden voor externe afstudeerprojecten op het terrein van natuurlijk taalverwerking (NLP-parsing van legal documents) en op het terrein van wetgevingsmodellering, verificatie en validatie, knowledge-based development etc. Contactpersoon: Henry Prakken
    • Bij Kluwer MRE, Nederland's grootste producent van juridische kennissystemen zijn, in overleg, mogelijkheden voor externe afstudeerprojecten. Contactpersoon: Henry Prakken
    • Bij het bedrijf LibRT zijn mogelijkheden voor externe afstudeerprojecten op het terrein van verificatie en validatie van kennissystemen (zie onder contact > opportunities). Contactpersoon: Henry Prakken


De master CKE heeft projectvoorstellen die wellicht ook interessant zijn. Zie http://www.cs.uu.nl/cke/thesis/openth.htm.














[IS home page] [People] [Publications] [ICS home page] [UU home page]