Ofertas de proyectos

The integration of RINA with devices based on the IEEE 802.15.4 standard will allow more efficient and secure management of sensor networks, optimizing performance and scalability in Internet of Things applications. This project will address frame adaptation, resource management, security and quality of service, providing an innovative solution that will improve the interoperability and functionality of IoT systems. The research will include the design, implementation, testing and optimization of the shim, with the aim of creating a robust platform that enhances RINA's capabilities in the management of sensor networks and smart devices. The 802.15.4 shim will be integrated with the RINAsense architecture, which is a library for rapid prototyping of RINA sensors.

Es vol desenvolupar una aplicació de Realitat augmentada que visualitzi un circuit i permeti conduir un cotxe per aquest circuit. Aquesta aplicació haurà de permetre més d'un jugador, per tant caldrà que un dels jugadors (el primer) es converteixi en servidor i permeti que altres puguin connectar-se a la mateixa carrera (amb cotxes de diferents colors, per exemple). Caldrà també implementar la comunicació necessària entre els diferents participants i el servidor. Cada usuari haurà de disposar de controls per fer moure el seu cotxe. Caldrà que s'inclogui detecció de col·lisions entre els diferents vehicles per simular la carrera.

Es vol desenvolupar una aplicació que permeti visualitzar en Realitat Augmentada un model anatòmic (llegint un QR o indicant posició en espai). Es podrà inspeccionar el model anatòmic canviant el punt de vista extern.

El model tindrà un conjunt de punts d'interès (coneguts i indicats sobre el model) que l'usuari podrà seleccionar i que transportaran a l'usuari a una vista interior del put d'interès. Aquesta vista interior es convertirà en una visualització 360 per a què l'usuari pugui mirar al seu voltant.

L'aplicació haurà de permetre a l'usuari iniciar l'experiència, decidir el canvi a 360 i retornar del 360 a la visió de RA.

Immobilitzar objectes, ja sigui agafant-los amb una mà robòtica amb dits o utilitzant qualsevol dispositiu de fixació, és un camp de recerca força actiu en robòtica i automatització. L'objectiu és restringir el possible moviment de l'objecte malgrat la possible existència de pertorbacions externes que actuen sobre ell (per descomptat, fins a una magnitud determinada).

En termes generals, els objectes es poden classificar en dos tipus: rígids i deformables. El treball a realitzar en aquest projecte tracta el cas particular de objectes deformables composts per un conjunt d'enllaços rígids units entre si per qualsevol tipus d'articulació que ha de ser immobilitzat en la seva configuració actual.

Les Regions de Contacte Independents (ICRs) són regions de la superfície de l'objecte tal que un contacte amb un dit en qualsevol punt de cadascuna d'elles garanteix una prensió que  immobilitza l'objecte independentment de la posició exacta del contacte.

L'objectiu específic d'aquest projecte és implementar un paquet de programari que permeti el càlcul d'ICRs donat el model i la configuració de l'objecte articulat a immobilitzar.

Alguns supòsits i condicions específiques:

• Es presumeix que els objectes estan descrits per un núvol de punts, i es coneix la direcció normal a la superfície de l'objecte en cada punt. El núvol de punts pot generar-se a partir d'un model d'objecte (per exemple, CAD) o d'una càmera 3D.

• Es prefereix l'ús de C++ o Python.

Publicacions científiques relacionades:

•  N. Alvarado, R. Suárez and M. Roa, ''Determining independent contacts regions to immobilize 2D articulated objects'' 2015 IEEE International Conference on Robotics and Automation, ICRA 2015, Seattle, Washington, USA, May 26-30, 2015, pp. 4292-4297. (DOI 10.1109/ICRA.2015.7139791).

Aquest article presenta un treball equivalent per a objectes en 2D, el treball a realitzar és la implementació del mateix enfocament però en 3D.

• M. Roa and R. Suárez, ''Computation of independent contact regions for grasping 3D objects'', IEEE Transactions on Robotics (ISSN: 1552-3098), Volume 25, Issue 4, Aug. 2009, Pages 839-850.

Aquest article presenta la idea clau de l'enfocament per a objectes sòlids en 3D (no articulats), el treball a realitzar és la implementació d'una generalització de l'enfocament per a objectes articulats.

Posar-se en contacte amb raul.suarez@upc.edu per a més informació.

En primer lloc, s'analitzarà l'estructura de l'eina docent, a partir d'experiències anteriors del grup i de les funcions.

En segon lloc, es plantejaran els diferents menús de l'eina.

En tercer lloc, caldrà implementar les funcionalitats bàsiques. Seria desitjable ja plantejar algun dels problemes i la seva resolució, però dependrà de l'evolució en les anteriors fases.

Es disposa de suport econòmic.

Posar-se en contacte amb manel.mateo@upc.edu per a més informació.

Els detalls es donaran a l'alumne personalment

Forms of collaboration: Master Thesis, Master Thesis + CCE (CCE and IniRec grants are subject to availability)

Contact: Dolors Costal, Carme Quer

e-mail: carme.quer@upc.edu, dolors.costal@upc.edu,

Internet services are known to collect large amounts of personal information. As a result, more than half of EU citizens are concerned about their online privacy. In this context, data brokers are companies devoted to collecting and selling personal information to other companies. Data brokers are often implemented as third-party trackers, which allow them to gain visibility across the Internet. Recent works show this personal information is not only used for targeted advertising, but also for more obscure practices, such as price discrimination, credit scoring, phishing or identity theft. The project addresses these growing privacy concerns by enhancing ePrivo, a new online privacy observatory. ePrivo will continuously scan the Internet to unveil third-party trackers, the tracking methods they use and the data brokers behind them. A proof-of-concept prototype of ePrivo is already available at https://eprivo.eu. In this project, we will deploy the ePrivo service in production, extend its capabilities for web tracking and phishing detection, and release it under an open-source license. The results will be useful to the RIPE community, including ISPs, network operators, Internet users, policy makers and researchers.

Automatic gaze tracking methods have been used in the recent years for various purposes, including measuring ad attention or enabling for gesture-less user-device interactions. Most of these methods have been tested in the desktop setting, while the few reported attempts that addressed the mobile setting report low accuracy and require continuous calibration. Additionally, the aforementioned methods rely on expensive sensors, such as infrared eye trackers, that limit their scaling capacity. Other methods employ touch-based interactions (e.g., tracking zoom/pinch gestures and scroll activity) to produce an estimation of the user gaze which, at best, are weakly correlated with visual attention. However, 42% of the time spent on websites is by mobile users, while similar trends are reported for the percentage of page views per visit, which creates an opportunity for a novel attention measurement technology to take root; one which can offer accurate, reliable, and scalable measurements.

In the proposed project, we are interested in the mobile setting, and propose the use of depth information, on top of the usual RGB (Red, Green, Blue) pixel data acquired by mobile device cameras, to track and quantify visual attention. Depth information can either be estimated with post computer visual processing or acquired directly with high precision, using advanced LiDAR sensors that newer smartphone models are currently equipped with. Furthermore, we propose the use of "lightweight" Deep Learning (DL) techniques to achieve an accurate and robust gaze point estimation without the need of extensive calibration. Unlike prior art, we will consider the use of historical information to inform future predictions and will examine how such models can be tailored to each user by injecting personalized data. In addition, we propose a more lightweight Neural Network (NN) architecture, suitable for the processing power of mobile devices, that also leverages the use of video or photo frames with depth sensory data.

The candidate will:

• Develop an app for iPhone (in Swift) for collecting gaze information and image data (using the device's frontal camera and LiDAR sensors), while completing a simple task of tracking a red dot in a matrix.
• Incorporate in the app the functionality offered by SensingKit,  an open-source mobile sensing framework compatible with iOS specialised in capturing motion, orientation, location and proximity (using iBeacon¿ or Eddystone¿) data and transmitting them on a server over any Internet connection. [https://github.com/SensingKit/SensingKit-iOS]
• Carry out a crowdsourcing study and collect data from a number of participants.
• Train lightweight DL models to predict accurately gaze point estimation, using the collected data, and compare against prior baselines/experiments (these should be replicated).
• Carry out ablation studies, personalisation techniques, error analyses, etc.
• Contribute to authoring a scientific article

Els detalls es donaran a l'estudiant personalment