Cyber-physischer Zwilling Framework zur Generierung menschlicher Bewegungsdaten in der Intralogistik

Abstract

Menschliche Bewegungen zu erkennen, sie zu deuten und für die Analyse manueller Prozesse relevanten Aktivitäten zuzuordnen sind zentrale Herausforderungen der Human Activity Recognition (HAR). Diesen Herausforderungen geht das Trainieren eines Klassifikators mit Daten voraus. Die Erstellung dieser Trainingsdatensätze, bestehend aus Datenaufnahme, Annotation und Revision von Zeitreihen, bedingt einen immensen Aufwand. Aus diesem Grund werden HAR-Methoden überwiegend an simplen Alltagssituationen getestet. Um HAR-Methoden auch für komplexe Umgebungen wie die Intralogistik entwickeln zu können, ist eine neue Form der Datensatzerstellung notwendig. Dieser Beitrag schlägt ein Framework vor, den Aufwand der Datenaufnahme durch Zuhilfenahme cyber-physischer Zwillinge von Menschen zu reduzieren.