Treffer: Model-based automatic IO device selection for ambient environments

Active and Assisted Living (AAL) versucht ��lteren Menschen und Personen mit speziellen Bed��rfnissen ma��geschneiderte Dienste anzubieten, die ihnen das Leben in ihrem Zuhause erleichtern und zu einer h��heren Lebensqualit��t beitragen. Dazu werden Technologien aus den Bereichen Sensorik, verteilte und mobile Computersysteme und k��nstlicher Intelligenz miteinander kombiniert, um die aktuelle Situation einer Umgebung zu analysieren und mittels adaptiver Software darauf einzugehen. Das Projekt AALuis - Ambient Assisted Living user interfaces bietet seinen Benutzern, vorrangig ��lteren Menschen die zu Hause leben, verschiedene elektronische Dienste im Gesundheitsbereich mit barrierefreien User Interfaces an. In AALuis ist es m��glich, jedes User Interface f��r eine Interaktion mit den Services in verschiedenen Modalit��ten zu erzeugen, abh��ngig davon, welche Ger��te dem Benutzer gerade zur Verf��gung stehen und welche M��glichkeiten von ihnen unterst��tzt werden. Daf��r werden die User Interfaces zuerst abstrakt definiert und erst dann konkret umgesetzt, wenn eine zu verwendende Modalit��t daf��r festgelegt wurde. Das Ziel dieser Arbeit ist die Definition und Umsetzung eines modellbasierten Selektionsmechanismus f��r die Benutzerinteraktion mit AAL Services ��ber AALuis. F��r die Auswahl sollen zahlreiche Entscheidungskriterien, wie ein Benutzerprofil, die Verf��gbarkeit von Ger��ten und Sensordaten, wie zum Beispiel Umgebungsl��rm, herangezogen werden. Aufgrund der Komplexit��t und Variabilit��t eines solchen Systems, ist ein modellbasierter Ansatz effizienter als die Entwicklung eines hoch spezialisierten Algorithmus. Nachdem AALuis die User Interfaces unabh��ngig vom verwendeten Ger��t f��r viele verschiedene Modalit��ten generieren kann, soll es m��glich sein, das System einfach um neue Ger��te und Modalit��ten zu erweitern, um auch technische Neuentwicklungen oder spezielle Bed��rfnisse der Benutzer zu unterst��tzen. Der Selektionmechanismus wird als Java Programm, das Inferenz auf dem entwickelten Modell durchf��hrt, umgesetzt, um die Integration in AALuis vorzubereiten. Diese Arbeit geht zun��chst auf die Grundlagen des Bereichs AAL ein und beleuchtet die vielen technologischen Facetten, die einen Einfluss darauf haben. Probabilistische graphische Modelle, genauer gesagt Bayes'sche Netzwerke, wurden zur Modellierung des Selektionsproblems gew��hlt. Ihre Funktionsweise wird detailliert erkl��rt und das entwickelte Modell beschrieben. Dadurch wird der Aufbau und Funktionsumfang der entwickelten Software erl��utert und die Ergebnisse des modellbasierten Selektionsmechanismus pr��sentiert und diskutiert. Als Eingabegr����e f��r den Selektionsmechanismus dient die modellierte Kontextinformation betreffend den Benutzer, die vorhandenen Ger��te und deren Eigenschaften, sowie Sensordaten die die Umgebung beschreiben. Ausgegeben wird diejenige Kombination aus Ger��t und Modalit��t, die in der aktuellen Situation am besten geeignet ist die Ausgabeinformation zu transportieren. In Szenarien wurde gezeigt, dass die Ergebnisse in den beschriebenen Situationen sowohl plausibel sind, als auch in einer nachvollziehbaren Art und Weise auf Ver��nderungen des Kontext reagieren. Die Laufzeit des Selektionsmechanismus liegt auch in einem gro��en Beispielszenario, bestehend aus vielen m��glichen Ger��ten, Modalit��ten und Sensoren, mit im Durchschnitt 59,934 ms in einem Bereich, der keine st��rende Verz��gerung der Ausgabe der Services nach sich zieht. Dies l��sst den Schluss zu, dass das entwickelte Modell geeignet ist die Selektion von Ger��t und Modalit��t in AALuis zufriedenstellend zu erf��llen.
Active and Assisted Living (AAL) aims to provide older adults and persons with special needs with customized services, to ease their lives at home and raise their quality of life. For this purpose, sensor technology, pervasive and mobile computing and artificial intelligence are combined, to analyze the current situation surrounding a system and respond in the form of adaptive software. The project AALuis - Ambient Assisted Living user interfaces deals with the task of providing different health and comfort services to users, mainly older adults in their homes, with a focus on accessible user interfaces. Interaction with these services is possible using different devices and facilitating a variety of modalities for input and output. The possibilities depend on the devices available to the user and the modalities those devices support. Goal of this thesis is the definition and implementation of a model-based selection system of the best device and modality for user interaction with an AAL service, based on various factors of influence, including a user profile, the available devices, and sensor information, like ambient noise. Due to the complexity and variability of such a system, a model-based approach is more efficient than the development of a highly specialized algorithm. Based on the dynamic nature of the process of User Interface (UI) generation in AALuis and the ongoing development of new in- and output devices, this model has to be easily adaptable to new devices and, subsequently, previously not accounted for modalities. For the selection mechanism, a Java software component, using the model for inference, has to be developed, as a preliminary step for the integration in AALuis. This thesis first introduces the background of the technologies involved in AAL and the state of the art of sensor technology and adaptive software. Probabilistic graphical models, specifically Bayesian Networks, were chosen as a modeling technique for the solution of the selection problem. It is explained in detail before the process of developing the model is described. Subsequently, the structure and functionality of the created software components are given and the results of the model-based selection mechanism are presented and discussed. Context information regarding the user, the available devices and their properties, as well as data acquired from sensors constitute the modeled input parameters of the selection mechanism. The output is a combination of device and modality, which is best suited given the current situation to convey the output to the user. Using scenarios, it could be shown that the results, given the described situations are plausible and respond in a comprehensible way to changes in context. The run-time of the selection mechanism, even for a large example, including a large number of possible devices, modalities and sensors, averages at 59.934 ms, and is therefore in a range that does not entail a disruptive delay in the execution of services. It can therefore be concluded that the proposed solution is able to perform the Model-based Automatic IO Device and Modality Selection for AALuis in a satisfactory way.