Počas letných mesiacov je na Katedre technickej kybernetiky (KTK) Fakulty riadenia a informatiky UNIZA opäť rušno. Popri štandardnej angličtine počuť na chodbách a v laboratóriách oveľa viac francúzštiny než zvyčajne. V rámci programu ERASMUS+ zavítala na katedru skupina študentov z francúzskej partnerskej vysokoškolskej a výskumnej inštitúcie CNAM (Conservatoire national des arts et métiers).
Do letných praktických stáží sa celkovo zapojilo 21 študentov, ktorí sa ihneď s veľkým entuziazmom pustili do programovania, návrhu hardvéru a vývoja vstavaných systémov.
Tímové IoT projekty na priechode medzi HW a AI
V úzkej spolupráci so školiteľmi z KTK pracujú francúzski študenti v malých tímoch na riešení aktuálnych inžinierskych výziev v oblasti Internetu vecí (IoT), Edge AI a spracovania dát:
- Edge AI a počítačové videnie: Návrh a realizácia systémov pre detekciu osobných ochranných pomôcok (prilby, reflexné vesty) na pracovisku pomocou modulu Grove Vision AI V2 a mikrokontroléra XIAO ESP32S3 bez potreby cloudových služieb.
- Lokálne LLM a AI agenti v IoT: Integrácia malých jazykových modelov (LLM) bežiacich lokálne na edge bránach pre spracovanie anomálií zo senzorov, hlasové riadenie domácej automatizácie a autonómne rozhodovanie prostredníctvom low-code platforiem.
- Smart analýza prostredia a klasifikácia zápachov: Využitie mULTI-plynového senzora Bosch BME688 v spojení s obvodom ESP32 a knižnicami strojového učenia pre rozpoznávanie profilov zápachov (dym, alkohol, čistiace prostriedky) či predikciu obsadenosti miestností na základe CO2 a VOC parametrov.
- Senzorické matice a diagnostika: Anonymné počítanie osôb v budovách pomocou Time-of-Flight senzora VL53L5CX (8 x 8 matica vzdialeností), monitorovanie dynamických vibrácií presklených plôch akcelerometrom aj presné meranie spotreby low-power DC zariadení prostredníctvom čipu INA228.
- Komunikačné protokoly a energetická efektivita: Vývoj NFC prístupových systémov s komunikáciou cez zbernicu CAN (STM32) a optimalizácia prenosu senzorových dát s využitím rekurrentných neurónových sietí (RNN).
Praktický prístup: Všetky projekty spájajú fyzickú realizáciu hardvérového uzla, prácu s mikrokontrolérmi (ESP32, STM32), nízkoúrovňové programovanie a moderné metódy strojového učenia.