guest ::
Increasing immersion in machine learning pipelines for mechanical engineering
2025
Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2025
Veröffentlicht auf dem Publikationsserver der RWTH Aachen University
Genehmigende Fakultät
Fak01
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2025-04-30
Online
DOI: 10.18154/RWTH-2025-05178
URL: https://publications.rwth-aachen.de/record/1012796/files/1012796.pdf
Einrichtungen
- Lehr- und Forschungsgebiet Virtuelle Realität und Immersive Visualisierung (124620)
- Fachgruppe Informatik (120000)
Projekte
Thematische Einordnung (Klassifikation)
DDC: 004
Kurzfassung
Maschinelles Lernen hat sich zu einem wichtigen Werkzeug in jeder Disziplin entwickelt, die regelmäßig mit Daten interagiert. Dies trifft besonders auf den Maschinenbau zu, in dem die Nachfrage nach datengetriebenen Ansätzen in der letzten Zeit starkzugenommen hat. Während in diesem Bereich bereits vielversprechende Ergebnisse erzielt wurden, bringt die Intransparenz moderner Modelle eigene Herausforderungen mit sich. Fehlendes Vertrauen in diese Modelle verhindert, dass sie zur Anwendung gebracht werden und fehlende Intuition für ihre interne Arbeitsweise verhindert, dass sie zu neuen wissenschaftlichen Erkenntnissen führen. Diese Dissertation versucht sich diesen Problemen zu nähern, indem die Immersion bei der Interaktion mit Daten und Modellen erhöht wird. Immersion kann in virtuellen Welten zu einem Phänomen namens Presence führen, welches die präsentierten Stimuli für Nutzerrealer erscheinen lässt und eine stärkere Bindung zu ihnen fördert. Der Einfluss von Immersion auf die Visualisierung abstrakter Daten ist hingegen wenig erforscht. Wir argumentieren, dass ein ähnliches Phänomen, welches in dieser Arbeit Data Presence genannt wird, durch immersive Visualisierungen hervorgerufen werden kann. Somit präsentieren wir mehrere Demonstratoranwendungen, die das Ziel haben ein besseres Datenverständnis durch die Erhöhung der Immersion hervorzurufen. Zunächst werden einige generelle Überlegungen zur Konzeption immersiver Anwendungen für den Arbeitsalltag präsentiert. Dann werden die immersiven Demonstratoranwendungen in den Bereichen Datenannotation, Datenverständnis und Modellverständnisvorgestellt. Jede Anwendung wird evaluiert, wobei gezeigt wird, dass sie tatsächlich Vorteile für ihre Nutzer bieten. Schließlich stellen wir das ANNtoNIA Framework vor, welches wir entworfen haben um den Entwicklungsprozess von immersiven Visualisierungen für künstliche neuronale Netze zu vereinfachen. Das Design des Frameworks wird detailliert vorgestellt, und es wird ein kurzer Ausblick auf potenzielle Anwendungen gegeben. Insgesamt legt diese Arbeit ein Fundament für weitere Forschung im Bereich der immersiven Visualisierung von maschinellem Lernen und Daten aus der Produktionstechnik.Machine learning has become a vital tool in the toolbox of any discipline that regularly interacts with data. This holds especially true for mechanical engineering, where the demand for data driven approaches to engineering challenges has recently increased drastically. While promising results have already been achieved by applying machine learning models in this field, the opaqueness of modern machine learning models, such as artificial neural networks, brings its own challenges. A lack of trust in these models often prevents their application and a lack of intuition for their inner workings prevents them from facilitating scientific discoveries about manufacturing processes. This thesis aims to approach these challenges from the unique angle of increasing the amount of immersion used when interacting with models and data throughout the whole machine learning pipeline. Immersion in virtual environments has the ability to facilitate a phenomenon called presence, which can make users perceive the presented stimuli as more real and engage with them much more directly. However, research regarding the effect of immersion on abstract data visualization is lacking. It is argued that a similar phenomenon, in this thesis called data presence, can be achieved with proper immersive visualization tools. Hence, multiple demonstrators were developed that showcase the possibility to facilitate better understanding of data, models, and the underlying processes using increased degrees of immersion. First, general considerations are presented on developing immersive applications for use in everyday work. Then, multiple immersive applications are presented for data labeling, data understanding and model visualization. Each of these applications is evaluated, showing indications that they can indeed lead to benefits for their users. Finally, the ANNtoNIA framework is presented, which was designed to simplify the development of immersive visualizations for artificial neural network models. The design of this framework is presented in detail, and a brief outlook is given on potential applications it could be used for. Overall, this thesis lays a foundation for future work in the area of applying immersive visualization to machine learning and manufacturing data.
OpenAccess: 
PDF
(additional files)
Dokumenttyp
Dissertation / PhD Thesis
Format
online
Sprache
English
Externe Identnummern
HBZ: HT031172908
Interne Identnummern
RWTH-2025-05178
Datensatz-ID: 1012796
Beteiligte Länder
Germany
|
The record appears in these collections: |