Advanced and Proof of Concept grants for three projects

ERC provides funding for cutting edge research

Prof. Daniel Cremers will use digital deformable shape like this caertoon armadillo for his ERC-fundend project.
Prof. Daniel Cremers will use video data to generate the most detailed possible model of the observed world. The simulation of elastically deformable shapes is an important tool for this purpose. The motion phases of the cartoon armadillo were created using a deformable shape of this kind.

Artificial Intelligence

Physics modelling using video data, new statistical methods to open up insights into complex systems, and help for people with Parkinson's disease with the aid of machine learning: The European Research Council (ERC) has announced support for frontier research projects at the Technical University of Munich (TUM) in the form of two richly endowed Advanced grants and one Proof of Concept grant.

Researchers at TUM have been selected for a total of 124 ERC grants over the years. These prestigious grants are awarded annually in a number of categories. Advanced Grants, which are set aside for established, leading scientists with a track record of significant research achievements over the past 10 years, come with up to 2.5 million euros in funding.

Proof of Concept Grants are awarded to scientists who wish to explore the potential of their ERC research projects to generate marketable innovations. As an entrepreneurial university, TUM treats this aspect of research as a top priority and provides targeted support for the start-up projects of its students and researchers.

Prof. Dr. Daniel Cremers (Informatik)

Prof. Daniel Cremers
Im Projekt SIMULACRON will Prof. Cremers physikalische Modelle aus Videodaten ableiten.
Image: Astrid Eckert / TUM

Aus Videodaten lassen sich bereits heute viele Informationen über die Position von Objekten im Raum gewinnen. Mit seinem Projekt SIMULACRON will Prof. Daniel Cremers jetzt auch Informationen über physikalische Eigenschaften wie Beschleunigung, Masse und Elastizität ableiten. Menschen können viele dieser Eigenschaften sehr schnell abschätzen. So können wir etwa die Flugbahn von Tennisbällen in Bruchteilen von Sekunden vorhersagen. Um dies auch Computern zu ermöglichen, will Cremers neue Algorithmen entwickeln, deformierbare Objekte physikalisch zu simulieren. Die Simulationsparameter sollen direkt aus Videoaufnahmen bestimmt werden. Hier werden auch neue Techniken des maschinellen Lernens zum Einsatz kommen. SIMULACRON liefert der Maschine ein vollständigeres Verständnis der beobachteten Welt aus wenigen Beobachtungsdaten. Diese Technologie könnte beispielsweise in Robotern und autonomen Fahrzeugen zum Einsatz kommen.

Daniel Cremers ist Professor für Bildverarbeitung und Künstliche Intelligenz. Seine Forschung wurde bereits mit einem Starting Grant, einem Consolidator Grant und zwei Proof-of-Concept-Grants des ERC gefördert.

Prof. Dr. Mathias Drton (Mathematik)

Prof. Matthias Drton
Im Projekt Graphmode will Prof. Drton durch statistische Methoden neue Einblicke in komplexe Systeme gewinnen.
Image: Astrid Eckert / TUM

In der Wissenschaft werden riesige Mengen an Daten erhoben und gesammelt. Diese Daten müssen analysiert werden, um daraus Erkenntnisse gewinnen zu können. Prof. Mathias Drton arbeitet in seinem Projekt Graphmode an neuen statistischen Methoden, die Einblicke in komplexe Systeme ermöglichen. Auf Grundlage von Daten über die Aktivität der einzelnen Komponenten eines Systems können mithilfe wahrscheinlichkeitstheoretischer Berechnungen Rückschlüsse auf kausale Abhängigkeiten der Komponenten gezogen werden. Diese Methoden können in allen Bereichen der Wissenschaft eingesetzt werden. Zu den möglichen Anwendungsbereichen zählen Patientenstudien in der Medizin oder die Untersuchung von Genexpressionsraten in der Biologie.
 
Mathias Drton ist Professor für Mathematische Statistik.

Proof-of-Concept Grant: Prof. Dr-Ing. Sandra Hirche (Elektrotechnik und Informationstechnik)

Prof. Hirche will Software entwickeln, mit der sich die Auswirkungen der Parkinson-Krankheit überwachen lassen.
Image: Astrid Eckert / TUM

Aufbauend auf ihrer Forschung aus dem ERC-geförderten Projekt con-humo will Prof. Sandra Hirche Software entwickeln, um die Symptome der Parkinson-Krankheit zu überwachen. Bislang ist es schwierig, die Entwicklung der Symptome der Krankheit bei Patientinnen und Patienten verlässlich einzuschätzen. In der Praxis geschieht dies bei Begutachtungen durch Ärztinnen und Ärzte. Dieser Ansatz hat Schwächen, da sich das Ausmaß der Symptome im Tagesverlauf stark unterscheiden kann. Bisherige Lösungen für ein kontinuierliches Monitoring sind nur beschränkt alltagstauglich, da sie etwa auf spezielle Geräte angewiesen, auf ein bestimmtes Symptom beschränkt oder nicht mit etablierten Bewertungsmethoden kompatibel sind. Im Projekt con-PDmode will Prof. Hirche Software für herkömmliche Smartwatches entwickeln, die kontinuierlich das Ausmaß der verschiedenen motorischen Symptome misst und Ärztinnen und Ärzten verwertbare und durch maschinelles Lernen aufbereitete Informationen liefert.

Sandra Hirche ist Professorin für Informationstechnische Regelung. Ihre Forschung wurde bereits mit einem Starting Grant und einem Consolidator Grant des ERC gefördert.