Skip to main content Skip to main navigation

Projekt | MILKI-PSY

Laufzeit:
Multimodales Immersives Lernen mit künstlicher Intelligenz für Psychomotorische Fähigkeiten

Multimodales Immersives Lernen mit künstlicher Intelligenz für Psychomotorische Fähigkeiten

Die Entwicklung psychomotorischer Fähigkeiten (z. B. in Medizin, Sport) erfordert praktische Übungen, direktes Feedback und Reflexion. Um den gewünschten Lernerfolg zu erzielen, ist eine individuelle Förderung unabdingbar.

BMBF-Projekt MILKI-PSY hat zum Ziel, KI-gestützte, datenintensive, multimodale, immersive Lernumgebungen für das selbstständige Erlernen psychomotorischer Fähigkeiten zu schaffen. Dabei entsteht ein domänen-übergreifender Ansatz, der es ermöglicht, die Tätigkeiten von Experten multimodal aufzuzeichnen und diese Aufzeichnungen als Blaupausen für Lernende zu verwenden. Mit Hilfe KI-gestützter Analysen soll dabei der Lernfortschritt durch automatisierte Fehlererkennung und generiertes, individuelles Feedback unterstützt werden.

So entsteht eine ganzheitliche, innovative Lernumgebung für das Erlernen psychomotorischer Fähigkeiten, in denen auf Basis komplexer Datenanalysen personalisiert und KI-gestützt individuelle Lernprozesse unterstützt werden.

Partner

Technische Hochschule Köln Deutsches Forschungszentrum für Künstliche Intelligenz Rheinisch-Westfälisch Technische Hochschule Leibniz Institut für Bildungsforschung und Bildungsinformation Deutsche Sporthochschule Köln

Publikationen

  1. Visual and Tactile Information Provision in Golf: Conceptualization of a Training Application Incorporating Wearable Devices and Extended Reality

    Mai Geisen; Abhishek Samanta; Khaleel Asyraaf Mat Sanusi; Nghia Duong-Trung; Milos Kravcik; Stefanie Klatt

    In: 2024 21st International Conference on Information Technology Based Higher Education and Training. International Conference on Information Technology Based Higher Education and Training (ITHET-2024), November 6-8, Paris, France, ISBN 979-8-3315-1663-5, IEEE, 11/2024.
  2. IMPECT-POSE: A Complete Front-end and Back-end Architecture for Pose Tracking and Feedback

    Abhishek Samanta; Hitesh Kotte; Patrick Handwerk; Khaleel Asyraaf Mat Sanusi; Mai Geisen; Milos Kravcik; Nghia Duong-Trung

    In: UMAP Adjunct '24: Adjunct Proceedings of the 32nd ACM Conference on User Modeling, Adaptation and Personalization. International Conference on User Modeling, Adaptation, and Personalization (UMAP-2024), July 1-4, Cagliari, Italy, Pages 142-147, ISBN 979-8-4007-0466-6, ACM, New York, NY, United States, 6/2024.

Fördergeber

BMBF - Bundesministerium für Bildung und Forschung

16DHB4014

BMBF - Bundesministerium für Bildung und Forschung