NELAFED

Negative Latenzen fuer Echtzeit-Feedback

Das InnoTeam „NELAFED“ widmet sich einer disruptiven Herausforderung im Bereich der Echtzeitkommunikation: dem Konzept der negativen Latenz.

Durch KI-basierte Vorhersage und Signalverarbeitung soll eine scheinbar verzoegerungsfreie Datenuebertragung (≤ 0 ms) ermoeglicht werden – mit enormem Potenzial fuer Industrie 4.0, XR, Teleoperation und Robotik.

KI-basierte Vorhersage Echtzeitkommunikation XR, Robotik, Teleoperation

Kontakt

Projektpartner

NELAFED verbindet industrielle Produkterfahrung mit Spitzenforschung in Kommunikationsnetzen und Echtzeitsystemen.

MIMETIK

Die Mimetik GmbH ist ein IoT-Unternehmen aus Dresden, gegruendet von Dr.-Ing. Ievgenii Tsokalo und Dr.-Ing. Merve Sefunc, beide Absolventen der TU Dresden. Ihr Hauptprodukt ist ein intelligenter Handschuh fuer den Einsatz in industriellen Montageprozessen.

  • KI-gestuetzte Bewegungserkennung menschlicher Haende
  • Sechs 9DoF-IMU-Sensoren pro Handschuh
  • Integrierte Elektronik und Akku im 100g-Gesamtgewicht
  • Unterstuetzt XR-Integration und Robotersteuerung

TECHNISCHE UNIVERSITAET DRESDEN

Prof. Fitzek, Lehrstuhl fuer Kommunikationsnetze, leitet an der TU Dresden Forschungsprojekte zur Zukunft der Netzwerkkommunikation. Er ist Gruender und wissenschaftlicher Leiter von CeTI – Centre for Tactile Internet with Human-in-the-Loop sowie 6G-life – Nationaler Forschungs-Hub fuer die naechste Mobilfunkgeneration.

  • Post-Shannon-Kommunikationstheorie
  • Echtzeitkommunikation und Netzwerkinfrastruktur
  • 10 erfolgreiche Ausgruendungen

Projektinhalt

Warum Latenz in kritischen Interaktionen zum Kernproblem wird

Die Netzwerkkommunikation basiert bis heute auf dem EVA-Prinzip – Eingabe, Verarbeitung, Ausgabe. Auch wenn die Datenuebertragung nahezu mit Lichtgeschwindigkeit erfolgt, entstehen durch die Verarbeitung an verschiedenen Netzwerkknoten wie Routern oder Switches zwangslaeufig Verzoegerungen, sogenannte Latenzen.

Diese werden unter anderem durch die Entfernung zwischen Sender und Empfaenger, die Bandbreite, das Uebertragungsmedium, die Datenpaketgroesse und die Leistungsfaehigkeit der Signalverarbeitung beeinflusst. In vielen Anwendungen – von Voice-over-IP ueber XR-Anwendungen bis hin zu industriellen Steuerungssystemen – fuehren diese Verzoegerungen zu hoer- oder spuerbaren Beeintraechtigungen.

Vor dem Hintergrund der zunehmenden Digitalisierung, der Ausbreitung vernetzter Geraete im IoT-Umfeld und der steigenden Bedeutung cyber-physischer Systeme ruecken diese Latenzen zunehmend in den Fokus der Forschung.

In Bereichen wie Teleoperation, autonomer Maschinensteuerung, Echtzeitsimulationen, Finanztechnologie und XR-basierter Zusammenarbeit kann eine Verzoegerung der Rueckmeldung gravierende Auswirkungen haben – von Stoerungen im Arbeitsfluss bis hin zur Gefaehrdung von Menschenleben. Gleichzeitig sind die zugrunde liegenden Netzwerke durch hohe Sicherheitsanforderungen meist komplex, was zusaetzliche Latenzen verursacht, die mit heutigen technischen Mitteln kaum weiter reduziert werden koennen.

Das Konzept

Negative Latenz als vorweggenommene Reaktion

An dieser Stelle setzt das InnoTeam NELAFED an. Die Grundidee besteht darin, Latenzen nicht nur zu minimieren, sondern sie durch Vorhersageverfahren in Kombination mit KI komplett vorwegzunehmen.

Das bedeutet, dass ein System bereits vor dem eigentlichen Eintreffen eines Dateninputs das wahrscheinliche Signal berechnet und genau zu dem Zeitpunkt ausgibt, zu dem die Eingabe erfolgt. Dadurch entsteht der Eindruck einer voellig verzoegerungsfreien Reaktion.

Um dies zu ermoeglichen, soll eine Kombination innovativer Technologien eingesetzt werden – darunter Big-Data-Analyse, Datenreduktion, Datenaufteilung und -kompression sowie KI-gestuetzte Signalverarbeitung und Vorhersage. Durch diese Herangehensweise entsteht ein „Negative Latency“-Netzwerk mit scheinbar sofortiger Reaktionsfaehigkeit.

Forschungsfragen und Ziele

Von der Netzwerkarchitektur bis zur Akzeptanz in realen Anwendungen

Technische Fragestellungen

  • Welche Eigenschaften weist ein „Negative Latency“-System auf?
  • Wie muss die zugrunde liegende Netzwerkarchitektur gestaltet sein?
  • Welche Signalverarbeitungsprozesse lassen sich effektiv vorhersagen?
  • Wie lassen sich Vorhersage, Kompression und Echtzeitbetrieb robust kombinieren?

Anwendungsziele

  • Untersuchung der Auswirkungen auf die Interaktion zwischen Mensch und Maschine
  • Bewertung der Akzeptanz in Smart Devices, Robotik und XR
  • Grundlage fuer zukuenftige industrielle Echtzeitsysteme
  • Uebertragbarkeit auf sicherheitskritische und produktive Einsatzfelder