Scriptiebank overzicht

Humanoïde robots moeten in staat zijn om te navigeren op complex, ongestructureerd terrein, wat actuatoren vereist met een hoge koppeldichtheid en een sterke schokbestendigheid, evenals robuuste besturingsstrategieën voor stabiele voortbeweging.

Dit werk presenteert het ontwerp en de besturing van een hopper dat een humanoïde-been nabootst, met behulp van nieuw ontwikkelde serieel gekoppelde actuatoren. Het doel is om een onderbestuurd 3-DOF-been te creëren met verbeterde impactresistentie en springprestaties in vergelijking met state-of-the-art systemen.

Het resulterende been van 13,62 kg en 0,9 m integreert op maat gemaakte transmissie- en sensorsystemen. Er wordt een driefasige besturingsstrategie gebruikt: PD-besturing tijdens de vlucht, impedantiebesturing tijdens het bufferen en energy shaping tijdens het opstijgen.

Simulatie en experimentele validatie tonen aan dat lineaire railwrijving een aanzienlijke invloed heeft op de prestaties. Een experiment om de wrijving te schatten leverde een dimensieloze springhoogte van 1,28 op. Opvallend is dat het been een dimensieloze stijfheid van 14,25 bereikte onder impedantiebesturing, wat wijst op een verbeterde schokbestendigheid.

De industrie vereist elke dag complexere processen en logistiek, wat heeft geleid tot de opkomst van multi-agent systemen. Hierbij werken meerdere robots, voertuigen of machines in dezelfde omgeving. Dit stimuleert de behoefte aan multi-agent bewegingsplanners die de bewegingen van deze agents op een efficiënte en veilige manier coördineren en plannen.

Daarom presenteert deze scriptie een nieuwe, op model predictieve controle (MPC) gebaseerde bewegingsplanner voor holonomische multi-agent systemen, door een gedecentraliseerde formulering van de alternating direction method of multipliers (ADMM) te combineren met een gecentraliseerde formulering van control barrier functions (CBF's). De methode is ontwikkeld met het oog op, maar niet beperkt tot, industriële magnetische levitatieplatforms zoals het Beckhoff XPlanar-systeem.

De klassieke gecentraliseerde MPC-benadering blijkt te schalen met ∼ O(N^2,96), waardoor de methode onuitvoerbaar wordt bij een toenemend aantal agents. Hoewel gedecentraliseerde ADMM de tijdcomplexiteit aanzienlijk vermindert, kan deze de veiligheid niet garanderen, d.w.z. er bestaat een risico op botsingen. Daarom wordt de methode aangevuld met een extra optimalisatieprobleem waarin CBF's zijn opgenomen. Het resultaat is een veilige methode die schaalt met ∼ O(N^1,82). Deze veiligheidsgarantie stelt ons in staat om het aantal ADMM-iteraties vast te leggen, waarbij een afweging wordt gemaakt tussen prestaties en rekenkracht.

Om de realtimeprestaties verder te verbeteren, biedt dit werk een C++-implementatie van de hybride methode, die gebruikmaakt van de gedecentraliseerde ADMM-structuur door de code te parallelliseren. Dit vermindert de rekentijd voor 5 en 10 agents met respectievelijk 90,1% en 60,5%. De hybride methode wordt vervolgens kwalitatief en kwantitatief vergeleken met de gecentraliseerde MPC-methode. Ten slotte wordt een proof of concept gepresenteerd door de algoritmen te implementeren en te testen op het XPlanar-systeem.

Sinds de opkomst van krachtige AI- en deep learning-modellen is data uitgegroeid tot een essentiële en vaak beperkende factor in het ontwikkelingsproces. Waar eenvoudige modellen vaak kunnen volstaan met beperkte en eenvoudige datasets, vereisen complexere modellen – zoals die voor objectdetectie – steeds grotere en rijkere hoeveelheden gelabelde data. Dit vormt een belangrijk probleem in domeinen zoals sonarbeeldvorming, waar dergelijke datasets niet beschikbaar zijn als kant-en-klare bronnen en handmatige annotatie buitengewoon tijdsintensief en kostbaar is. Dit onderzoek richt zich daarom op de centrale vraag: hoe kunnen semi-supervised en self-supervised leermethoden het labelproces bij objectdetectie in sonardata versnellen, zonder significant verlies aan nauwkeurigheid?

Om deze vraag te beantwoorden is een experimenteel kader opgezet waarin drie benaderingen zijn onderzocht: een volledig supervised baseline gebaseerd op Faster R-CNN, een semi-supervised model met FixMatch, en een self-supervised strategie waarbij een BYOL-model wordt gepretraind en vervolgens gebruikt als backbone binnen een Faster R-CNN-architectuur. De experimenten zijn uitgevoerd op een publieke sonardataset bestaande uit 7600 gelabelde sonarbeelden. Voor de supervised baseline is het model getraind op verschillende hoeveelheden gelabelde data: 1%, 5%, 10%, 50% en 100%. De bijbehorende mAP-scores tonen een sterke daling in nauwkeurigheid naarmate de hoeveelheid gelabelde data afneemt, met resultaten variërend van 0.7717 (100%) tot slechts 0.2799 bij gebruik van 1% van de data.

In het semi-supervised scenario is FixMatch toegepast met 5% en 10% gelabelde data, terwijl de resterende data werd gebruikt als ongelabelde input. Deze aanpak resulteerde in mAP-scores van respectievelijk 0.6649 en 0.6828, wat duidelijk betere prestaties zijn dan het supervised model op dezelfde labelniveaus. Voor het self-supervised model werd BYOL gepretraind op de volledige dataset zonder labels. De representaties die dit opleverde zijn vervolgens geïntegreerd in Faster R-CNN, waarbij opnieuw 5% en 10% van de data gelabeld werd gebruikt voor training. Deze benadering leverde de hoogste nauwkeurigheid binnen de lage-labelscenario's, met mAP-scores van respectievelijk 0.6452 en 0.7230.

De resultaten van dit onderzoek tonen aan dat zowel semi-supervised als self-supervised technieken effectief zijn in het verminderen van de afhankelijkheid van handmatig gelabelde data, terwijl de modelprestaties grotendeels behouden blijven. Met name self-supervised pretraining via BYOL blijkt zeer waardevol in situaties met beperkte gelabelde data. Deze bevindingen bieden praktische aanknopingspunten voor het ontwikkelen van efficiëntere workflows in sonarbeeldanalyse, en zijn relevant voor bredere toepassingen in domeinen waar gelabelde data schaars of moeilijk te verkrijgen is. Hoewel de resultaten veelbelovend zijn, is vervolgonderzoek nodig om de generaliseerbaarheid naar andere types sonardata of real-time toepassingen te evalueren.

Robots worden steeds slimmer door extra sensoren toe te voegen, maar ironisch genoeg maakt dat ze vaak zwaarder, duurder en minder veilig. In mijn masterproef onderzocht ik hoe we robots juist veiliger kunnen maken door minder hardware en meer slimme software te gebruiken. Samen met technologiebedrijf AILOS testte ik een innovatieve, lichtgewicht tandwielkast die toelaat dat een robotarm "voelt wat er gebeurt" – zonder dat er koppelsensoren nodig zijn. Met een nieuw controlealgoritme kan de robot zo zelf inschatten wanneer hij iets/iemand raakt en zijn beweging onmiddellijk afremmen. Tests toonden aan dat de impactkrachten tot wel 40% lager liggen vergeleken met klassieke besturing. Het resultaat? Robots die niet alleen veiliger, maar ook goedkoper, energiezuiniger en duurzamer zijn – klaar om veilig naast de mens te werken, in de fabriek én in huis.

Diepgaand leren heeft het visueel waarnemingsvermogen bij autonoom rijden aanzienlijk verbeterd, maar conventionele camera's blijven beperkt door bewegingsonscherpte, een beperkt dynamisch bereik en hoge latentie. Gebeurteniscamera's, geïnspireerd door biologische visie, overwinnen deze beperkingen door asynchroon veranderingen in pixelhelderheid te detecteren. Dit mechanisme levert datastromen die schaars, temporeel nauwkeurig en zeer efficiënt zijn voor embedded toepassingen. De inherente schaarste en het gebrek aan intensiteitsinformatie in gebeurtenisgegevens bemoeilijken echter het extraheren van onderscheidende kenmerken en vormen uitdagingen voor de training van neurale netwerken. Daarnaast lijden gangbare datasets zoals CIFAR10-DVS aan een niet-uniforme verdeling van gebeurtenissen door het gebruik van lineaire of polygonaal gevormde bewegingstrajecten tijdens de opname, wat leidt tot periodieke artefacten.
Om deze beperkingen te overwinnen, evalueert dit proefschrift systematisch gebeurtenisrepresentaties—waaronder gestapelde afbeeldingen, voxelrasters en tijdoppervlakken—met standaard CNNs om optimale architecturen voor embedded implementatie te identificeren. Door gebruik te maken van transfer learning met vooraf getrainde ImageNet-modellen wordt de nauwkeurigheid onder beperkte dataomstandigheden aanzienlijk verbeterd. Experimentele resultaten tonen aan dat volledige fine-tuning van het hele netwerk noodzakelijk is om zich aan te passen aan de unieke eigenschappen van gebeurtenisgebaseerde gegevens. Het voorgestelde model integreert dropout, L2-regularisatie en een meerfasig leersnelheidsschema om de trainingsstabiliteit en generalisatie te bevorderen. Met deze co-designbenadering behaalt EfficientNetB0 een nauwkeurigheid van 81,05% op CIFAR10-DVS bij verwerking van gebeurtenissen binnen één temporeel venster.
Voor implementatie identificeert inspectie met het Xilinx Vitis Al-platform TensorFlow's MobileNetV2 als de optimale keuze dankzij volledige compatibiliteit met DPU-hardwareversnellers. Hoewel post-training pruning op basis van globale kanaalrangschikking is onderzocht, is de effectiviteit beperkt door het inherent gebrek aan redundantie in het model. Daarentegen compenseert quantization-aware training (QAT) succesvol het nauwkeurigheidsverlies tijdens INT8-kwantisatie, waarmee real-time prestaties (2,8 ms/frame) bij een ultralaag energieverbruik (1,77 mW) worden bereikt op het KV260 embedded platform.
Gemotiveerd door de beperkingen van bestaande datasets wordt een nieuw acquisitieplatform voorgesteld, waarbij gebruik wordt gemaakt van een Dobot-robotarm voor continue cirkelvormige beweging geïnspireerd op biologische oogbewegingen. Deze methode genereert uniforme gebeurtenisverdelingen en elimineert periodieke artefacten die aanwezig waren in eerdere datasets, wat robuustere training en evaluatie van neurale netwerken op gebeurtenisgegevens ondersteunt.

Mijn masterproef onderzoekt of gendergelijkheid kan fungeren als buffer tegen de negatieve economische gevolgen van vergrijzing. Uit een analyse van data van 85 landen (2006-2024) blijkt dat gendergelijkheid de impact van vergrijzing kan verzachten, maar dat het effect sterk afhankelijk is van de context.

Machinebouwer Cteso werkt in samenwerking met een druktankproducent uit Limburg aan de
ontwikkeling van een productiemachine voor duurzame druktanks. De huidige opstelling gebruikt
de KUKA KR 1000 Titan robot, die hoge investeringskosten met zich meebrengt, een aanzienlijke
structurele verankering in de vloer vereist en de nodige expertkennis voor het programmeren
vraagt. Bovendien kan de bestaande machine slechts één formaat druktank produceren. Daarom
richt deze masterproef zich op het ontwerpen van een kosteneffectiever alternatief dat toelaat
druktanks in verschillende formaten te produceren, met vereenvoudigde vloerverankering en verbeterde
programmeerbaarheid.
In eerste instantie werd een simulatie uitgevoerd om de exacte bewegingen van de KUKArobotarm
in kaart te brengen, gevolgd door een analyse van de robotgrijper die de druktank
vasthoudt. Daarna volgden opstellen van het eisenpakket, het functieblokschema en het morfologisch
overzicht. Deze leidden tot een nieuw mechanisch concept, dat werd geëvalueerd via
simulatie en onderworpen aan een kosten-batenanalyse.
Het finale concept gebruikt een XYR-systeem (twee translatieassen en één rotatieas). Het biedt
de flexibiliteit om druktanks te produceren met lengtes tussen 500 en 3000 mm en diameters
van 160 tot 460 mm . Hoewel het systeem veelzijdiger is, blijft de totale investeringskost lager,
terwijl de vloerverankering eenvoudiger is en de programmatie gebruiksvriendelijker.

Probleemstelling: De snelle vooruitgang in genetisch onderzoek en de toenemende integratie van genetische toepassingen in de eerstelijnszorg stellen hoge eisen aan de kennis en competenties van toekomstige artsen. Hoewel genetica is opgenomen in het Vlaamse geneeskundecurriculum, blijft onduidelijk in welke mate laatstejaarsstudenten beschikken over voldoende feitelijke genetische kennis en in hoeverre hun zelfinschatting hiermee overeenkomt. Psychologische factoren zoals motivatie en zelfeffectiviteit kunnen hierin een rol spelen, maar worden zelden in samenhang onderzocht.
Methode: In deze masterpraktijkproef werd een vragenlijst ontwikkeld die peilt naar zelfgepercipieerde en feitelijke genetische kennis bij Vlaamse laatstejaarsstudenten geneeskunde. Daarnaast bevat het instrument metingen van motivatie, zelfeffectiviteit en zekerheidsinschatting. Het onderzoek heeft een kwantitatief, cross-sectioneel ontwerp en richt zich uitsluitend op de constructie en theoretische onderbouwing van het meetinstrument. De inhoud is gebaseerd op bestaande gevalideerde instrumenten, waaronder de International Genetic Literacy and Attitudes Survey (iGLAS), de General Self-Efficacy Scale (GSES) en de Intrinsic Motivation Inventory (IMI). De afname en data-analyse maken geen deel uit van deze masterpraktijkproef, maar kunnen plaatsvinden in vervolgonderzoek.
Resultaten en Conclusie: Het eindresultaat is een theoretisch onderbouwd en praktijkgericht meetinstrument dat genetische competenties benadert vanuit zowel inhoudelijke als psychologische invalshoeken. Door de integratie van diverse cognitieve niveaus en inhoudsdomeinen biedt de vragenlijst een breed inzetbaar kader voor toekomstig onderzoek naar genetische kennis bij geneeskundestudenten. Het instrument is beschikbaar in het Nederlands en het Engels en is klaar voor vervolgonderzoek.

Deze masterproef onderzoekt de wisselwerking tussen de Algemene Verordening Gegevensbescherming (GDPR) en de nieuwe Europese verordening inzake artificiële intelligentie (AI Act) met bijzondere aandacht voor de rol van menselijk toezicht bij geautomatiseerde besluitvorming. Vertrekkend van de centrale onderzoeksvraag hoe de AI Act het kader van de GDPR voor human oversight versterkt of daarvan afwijkt, wordt een doctrinale juridische methode gevolgd. De analyse omvat primaire rechtsbronnen, waaronder de GDPR en de AI Act met hun voorbereidende documenten en relevante rechtspraak van het Hof van Justitie, evenals beleidsrichtsnoeren en academische literatuur.

De studie toont aan dat artikel 22 GDPR, dat het recht biedt om niet te worden onderworpen aan uitsluitend geautomatiseerde besluiten met rechtsgevolgen of een vergelijkbaar significant effect, in de praktijk op aanzienlijke beperkingen stuit. De criteria “uitsluitend geautomatiseerd” en “significant effect” blijken moeilijk toepasbaar en de vereiste van menselijke tussenkomst blijft inhoudelijk vaag. De AI Act introduceert daarentegen een risicogebaseerd regelgevend kader dat voor hoog-risicosystemen proactieve waarborgen oplegt, waaronder specifieke verplichtingen inzake menselijk toezicht die al in de ontwerpfase moeten worden ingebouwd en gedurende de werking van het systeem behouden.

Hoewel de AI Act zo enkele structurele tekortkomingen van de GDPR corrigeert, blijven fundamentele vragen bestaan over de reikwijdte en de effectiviteit van het opgelegde toezicht. Niet alle maatschappelijk risicovolle toepassingen vallen immers onder de hoog-risicocategorie en de wettelijke vereisten voor daadwerkelijke menselijke controle laten ruimte voor interpretatie en voor louter symbolische naleving. De analyse maakt duidelijk dat het juridisch verankeren van een menselijke factor in processen die per definitie niet-menselijk beslissen een hardnekkige spanning blootlegt: het blijft een onoplosbare paradox om menselijk toezicht als waarborg op te leggen in een domein dat precies gekenmerkt wordt door geautomatiseerde systemen.

De overgang van zitten naar staan (sit-to-stand, STS) is een fundamentele dagelijkse activiteit die essentieel is voor het behoud van zelfstandigheid en mobiliteit. Voor ouderen en mensen die een beroerte hebben gehad, wordt deze beweging echter steeds moeilijker door verminderde spierkracht en balans, waardoor het risico op vallen toeneemt. Hoewel er passieve exoskeletten voor de onderste ledematen bestaan die gericht zijn op looprevalidatie, zijn specifieke toestellen die STS-assistentie bieden nog niet beschikbaar op de markt en bevinden ze zich in een vroege ontwikkelingsfase.

Deze thesis presenteert het ontwerp en de evaluatie van een nieuw passief, ontkoppelbaar knie-exoskelet dat de fysieke inspanning tijdens het rechtstaan wil verminderen door gerichte mechanische ondersteuning te bieden. Het systeem maakt gebruik van een veermechanisme in combinatie met een mechanische koppeling, opgebouwd met een fietsschijfrem en twee fietsremklauwen. Tijdens het gaan zitten wordt energie opgeslagen doordat de bovenste remklauw de schijf blokkeert. Wanneer de gebruiker neerzit, schakelt de koppeling over: de onderste remklauw houdt de schijf vast zodat de energie in de veren wordt opgespaard, terwijl het been toch vrij kan bewegen. Bij het rechtstaan wordt deze opgeslagen energie vrijgegeven om de gebruiker te ondersteunen.

Mechanische testen bevestigden dat de koppeling betrouwbaar werkte en niet doorslipte, zelfs onder verhoogde spanning. Hoewel gebruikers positieve feedback gaven en het werkingsprincipe succesvol werd aangetoond, leverden de eerste fysiologische metingen met oppervlakte-EMG gemengde resultaten op. Waarschijnlijk spelen factoren zoals de pasvorm van de braces en variatie in de beweging van proefpersonen hierbij een rol.

Dit onderzoek legt een veelbelovende basis voor de verdere ontwikkeling van hulpmiddelen die de zit-naar-sta beweging ondersteunen en zo bijdragen aan de dagelijkse mobiliteit.

Wat als je muziek niet alleen kon horen, maar ook kon proeven? Taste the Music vertaalt liedjes naar volledig nieuwe cocktails met behulp van slimme AI. Tijdens mijn stage in de VS tilde ik dit idee van studentproject naar internationaal platform, met multi-agent AI, stand-alone cocktailrobots en een iOS-app voor thuisgebruik. Het resultaat is een ervaring die persoonlijk, deelbaar én commercieel relevant is voor artiesten en merken. Deze scriptie vertelt hoe technologie, creativiteit en ondernemerschap samenkomen in een innovatie die muziek letterlijk smaak geeft.

Deze scriptie onderzoekt hoe digitale taaltools – woordenboeken, machinevertaling (DeepL) en generatieve AI (ChatGPT) – de spreekvaardigheid in een vreemde taal beïnvloeden. Dertig studenten bereidden in groep een Engelstalige presentatie voor met één toegewezen tool. De presentaties werden geanalyseerd op vloeiendheid en woordenschat, en beoordeeld door een docent. Ook vulden de studenten een enquête in over hun ervaringen. De resultaten wezen uit dat de DeepL-gebruikers het vlotst spraken, terwijl de ChatGPT-gebruikers de rijkste en meest academische woordenschat hanteerden. Beide groepen presteerden beter dan de woordenboekgroep. Uit de enquête bleek dat DeepL vooral werd gebruikt voor woordenschat, terwijl ChatGPT hielp bij ideeën en argumentatie. De studie wijst op het potentieel van digitale tools in het vreemdetalenonderwijs, op voorwaarde dat studenten leren om ze kritisch en doelgericht in te zetten.

De evolutie van artificiële intelligentie (AI) biedt nieuwe mogelijkheden voor de marketing- en evenementensector, met name binnen contentcreatie. Deze bachelorproef onderzoekt hoe AI-tools op een efficiënte en effectieve manier kunnen bijdragen aan het verbeteren van contentcreatie binnen de evenementensector, met House of Entertainment als opdrachtgever.
Aan de hand van een literatuurstudie, interviews met experts, het uittesten van AI-tools en een enquête bij 386 respondenten (op een vooropgestelde steekproef van 385, met een betrouwbaarheid van 95%) werd vastgesteld dat AI vooral meerwaarde biedt in de voorbereidende fasen van contentcreatie. Denk hierbij aan het brainstormen over ideeën, het genereren van basiscontent zoals teksten of visuals en het structureren van content. Tools zoals ChatGPT, Midjourney en Adobe Firefly blijken zowel in de praktijk als in dit onderzoek vaak gebruikt te worden, wat hun relevantie en toegankelijkheid onderstreept. Ook Ubersuggest bleek een waardevolle aanvulling, vooral bij het optimaliseren van content op basis van zoekwoorden en SEO.
AI kan helpen om repetitieve taken en het creëren van content te versnellen, maar vervangt menselijke creativiteit niet. Kritische tussenkomst door mensen blijft essentieel voor het waarborgen van kwaliteit, nuance en merkbeleving. Vooral bij emotioneel geladen of merkgevoelige communicatie is menselijke controle en verfijning cruciaal. AI is dus vooral geschikt als ondersteunend hulpmiddel bij functionele of informatieve content.
Deze bachelorproef biedt House of Entertainment en de rest van de evenementensector een helder overzicht van enkele bruikbare AI-tools en concrete aanbevelingen voor een verantwoorde implementatie. De resultaten tonen dat AI het potentieel heeft om de efficiëntie van contentcreatie te verhogen, mits de tools strategisch worden ingezet en medewerkers voldoende worden opgeleid.
Deze studie levert niet alleen academische inzichten op, maar biedt ook praktische richtlijnen voor de evenementensector om AI op een doordachte en toekomstgerichte manier te implementeren in hun takenpakket.

Deze scriptie onderzoekt hoe Belgische particuliere beleggers in hun beslissingen worden beïnvloed door cognitieve biases — systematische denkfouten zoals verliesaversie, overmoed en confirmation bias. Aan de hand van een enquête bij 246 beleggers toont het onderzoek aan dat deze biases vaak leiden tot irrationeel gedrag, zoals het vasthouden aan verlieslatende aandelen of het overschatten van eigen kunnen. De studie benadrukt het belang van gedragsinzichten in de financiële wereld, zowel voor beleggers zelf als voor adviseurs en beleidsmakers.

De ridge air-filled substrate integrated waveguide (ridge AFSIW) wordt voorgesteld als een oplossing voor de tegenstrijdige vereisten op vlak van lage verliezen en miniaturisatie voor de voedingsstructuren van antenneroosters
bij millimetergolffrequenties (mmWave). Een uitgebreide parameteranalyse leidt tot een pareto-optimale dimensionering. Van een dergelijke ridge AFSIW, geoptimaliseerd voor gebruik op 28 GHz, werd een prototype gemaakt en gekarakteriseerd. Om de toepasbaarheid van de ridge AFSIW in het ontwerp van mmWave-componenten aan te tonen, is een derde-orde gekoppelde-resonatorfilter ontworpen, dat de n257 (26,5 GHz - 29,5 GHz) band afdekt.
De voorgestelde ridge AFSIW maakt dus de weg vrij om geminiaturiseerde mmWave-componenten met lage verliezen te realiseren in next-generation ultra-efficiënte antenneroostersystemen.

Drijfveren van macro-economische inkomensongelijkheid in OESO-landen, met een specifieke focus op de rol van inflatie.

De voorbije paar jaar is de populariteit van kunstmatige intelligentie (artificial intelligence, kortweg AI) enorm toegenomen. We worden er overal mee geconfronteerd en deze trend roept veel vragen op. Eén van de sectoren die de impact van deze trend ervaart is de vertaalsector. Vertaalbedrijven en vertalers moeten zich aanpassen aan deze vernieuwing. Wat is de impact op het vertaalproces bij professionele vertalers? Gebruiken vertalers AI en in welke mate vergemakkelijkt dit het vertaalproces? Hoe evolueert de vraag naar vertaalbureaus, vertalers en hun vertaaldiensten?
In de desk research van dit onderzoek wordt aangehaald dat AI geen eenzijdige definitie heeft en op veel manieren kan beschreven worden. Daarna beschrijven we de verschillende soorten artificiële intelligentie en de beperkingen en voordelen ervan. Ook de evolutie van AI over de jaren heen wordt beknopt beschreven. Vervolgens worden de verschillende AI-vertaalsystemen geanalyseerd, alsook de diversiteit aan AI-vertaaltools. Als voorbereiding op de field research werd ook onderzoek gedaan naar het gebruik van AI bij professionele vertalers. Tot slot beschrijft het onderzoek ook kort de meest recente versie van ChatGPT in de ‘last minute’.
Om op de onderzoeksvragen te antwoorden deed het onderzoek naast desk research ook field research, waarbij het een kwalitatieve benadering gebruikt. Het kwalitatief onderzoek werd uitgevoerd door middel van diepte-interviews met 15 vertalers. De interviews geven diepgaande inzichten in de ervaringen en percepties van vertalers rond het gebruik van AI-tools in het vertaalproces.
De respondenten werden via verschillende platformen zoals GentVertaalt, LinkedIn en verschillende vertaalbureaus gecontacteerd. De steekproef omvat zowel ervaren vertalers als nieuwkomers, werkzaam in verschillende sectoren (juridisch, medisch, economisch, etc.). Dit zorgt voor een variatie in profielen, waardoor dit onderzoek een genuanceerd antwoord kan bieden op de onderzoeksvragen.
Tijdens het onderzoek en de gesprekken met de professionele vertalers werd duidelijk dat vertalers terughoudend zijn tegenover artificiële intelligentie, maar AI-vertaaltools wel al op een kritische manier implementeren in hun vertaalproces. Generatieve AI en machinevertaling komen vooral van pas om inspiratie op te doen en te gebruiken als een assistent. Het werd duidelijk dat vertalers weinig schrik hebben om vervangen te worden door AI en het plezier in hun job niet zomaar laten wegnemen. AI blijft zich snel ontwikkelen en het is belangrijk om als vertaler de technologie te omarmen en er behoedzaam mee om te gaan. Daarnaast blijft de combinatie van een CAT-tool (Computer-Assisted-Translation-tool) met een AI-plug-in een aanrader om op vlak van kostenefficiëntie een effect op het vertaalproces te ervaren.

Deze scriptie behandelt hoe computersimulaties gebruikt kunnen worden om dieren in de natuur na te bootsen, specifiek springspinnen. Met deze simulaties kan er zowel onderzoek gedaan worden naar het gedrag van de spinnen als naar mogelijke designs voor een springende robot. Om deze simulaties uit te voeren werd er gebruik gemaakt van evolutionaire algoritmen, om zo de ontwikkeling van het dier in echte evolutie na te bootsen.

Naarmate robots steeds belangrijker worden in diverse industrieën, krijgt de coördinatie van meerdere autonome robots in gedeelde omgevingen meer aandacht in onderzoek. Multi-Robot Systemen (MRS) beloven verhoogde efficiëntie, robuustheid en nieuwe mogelijkheden, maar brengen ook uitdagingen met zich mee, vooral op het gebied van bewegingsplanning. Dit geldt met name voor de coördinatie van meerdere manipulators, waarbij geavanceerde strategieën nodig zijn door de hoge dimensionale complexiteit van het probleem.

Traditioneel worden gekoppelde en ontkoppelde methoden gebruikt om het probleem van bewegingsplanning voor meerdere robots aan te pakken. Gekoppelde methoden hebben aanzienlijke schaalbaarheidsproblemen, omdat de reken- en geheugencapaciteit exponentieel toeneemt met elke extra vrijheidsgraad (DOF) in het systeem. Ontkoppelde methoden daarentegen zijn beter schaalbaar, maar leveren vaak suboptimale oplossingen en bieden geen garanties dat er een oplossing wordt gevonden, zelfs als die er is.

Dit onderzoek verkent een hybride aanpak tot bewegingsplanning, dat gebruikmaakt van Conflict-Based Search (CBS) als het low-level zoekalgoritme voor Probabilistic Roadmaps (PRM). Deze hybride benadering combineert de voordelen van zowel gekoppelde als ontkoppelde methoden. De effectiviteit van de hybride aanpak is geëvalueerd en vergeleken met beide methoden via Python-gebaseerde simulaties in twee experimentele opstellingen: één met vlakke manipulators in elkaars nabijheid en een andere met Franka Emika Panda-manipulators in PyBullet. De resultaten tonen aan dat CBS-PRM beter schaalt bij toenemende dimensionaliteit vergeleken met gekoppelde methoden, en dat het verbeterde slagingspercentages en efficiëntere paden oplevert ten opzichte van ontkoppelde methoden.

De ontwikkeling van deze hybride methode werd ondersteund door de creatie van een bibliotheek voor multi-robot bewegingsplanning, die de besproken algoritmen implementeert en benchmarking in verschillende scenario's ondersteunt. Hoewel de hybride aanpak aanzienlijke verbeteringen biedt, zijn er nog volop mogelijkheden voor verdere verfijning en optimalisatie.

Mijn masterproef is vertrouwelijk, gelieve mij te contacteren indien mijn onderzoek de volgende ronde haalt.

Astronauten voorbereiden op ruimtewandelingen op aarde is uitdagend vanwege de aanwezigheid van zwaartekracht. Dit onderzoek, uitgevoerd in informele samenwerking met de Europese Ruimtevaartorganisatie, presenteert een bewijs van concept voor het simuleren van nul-zwaartekrachtomgevingen met behulp van virtual reality (VR). Het ontwikkelde systeem, genaamd ZeroTraining, omvat twee belangrijke subsysteem: ZeroPGT en ZeroArm. ZeroPGT is een VR-toepassing die een Extravehicular Activity (EVA)-omgeving simuleert, terwijl ZeroArm een haptisch feedbacksysteem van het encounter-type is dat een controller fysiek uitlijnt met virtuele objecten, waardoor gebruikers de sensatie van het hanteren van nul-zwaartekrachtobjecten kunnen ervaren. Verschillende fundamentele uitdagingen werden aangepakt, waaronder de ontwikkeling van een aangepaste IK FABRIK-algoritme, het tot stand brengen van naadloze communicatie tussen de VR-headset en de robotarm, het fabriceren van de end-effector en het implementeren van hardwareverbeteringen aan de robotarm. De haalbaarheid van het systeem werd gevalideerd door een gebruikservaringsstudie met 10 deelnemers, die een significant potentieel onthulden ondanks de huidige robotbeperkingen en de noodzaak voor verdere verbeteringen.

Het onderzoek naar AMobile ontstond uit de toenemende vraag naar grootschalige additieve manufacturing (LSAM) en de daarmee gepaard gaande uitdagingen. AMobile is opgezet met als doel bedrijven en scholen kennis te laten maken met grootschalig 3D-printen door middel van demonstraties en workshops op locatie.

Deze bachelorproef richt zich op de verbetering van de functionaliteit, efficiëntie en het gebruiksgemak van AMobile. Dit wordt bereikt door een literatuurstudie naar thermoplasten en een praktijkonderzoek naar de printparameters van verschillende materialen. De literatuurstudie geeft inzicht in de meest geschikte thermoplasten voor gebruik met de Pulsar-extruder. Het praktijkonderzoek richt zich op de optimalisatie van printparameters voor materialen zoals PLA en PETG. Het doel hiervan is om de geschiktheid van deze materialen voor de schroef extruder te bepalen en de bijbehorende extrusie parameters te optimaliseren.

Daarnaast omvat het project handleidingen om de gebruiksvriendelijkheid van AMobile te vergroten. Deze handleidingen dekken verschillende aspecten zoals de opstelling van de KUKA-robot, de bediening ervan en de CAM-setup. Het uiteindelijke doel is om de workflow te optimaliseren, van 3D-ontwerp tot het geprinte object.

Door deze aanpak is AMobile toegankelijker geworden voor een breder publiek en zijn er grote stappen gemaakt om het gebruiksgemak te vergroten.

Een hedendaagse uitdaging is de ontmanteling van kerncentrales. Het is daarbij belangrijk om de gecontamineerde gebieden in kaart te brengen. Deze scriptie onderzoekt hoe een Compton camera gebruikt kan worden om gammabronnen te lokaliseren.

Een methodologie werd ontwikkeld voor het maken van een handexoskeleton dat assisteert bij een specifieke beweging. Dit werd bereikt door het verwerken van een video en zelfhelende materiaaleigenschappen te gebruiken. Deze methode kan ook toegepast worden op andere bewegingen.

AI kan de orthopedische zorg versnellen door snel en accuraat 3D-modellen te genereren uit CT-scans, waardoor de noodzaak voor annotatiewerk door experts wordt verminderd en er meer tijd vrijkomt voor andere cruciale taken.

Deze scriptie onderzoekt de mogelijkheden van Augmented Reality (AR) als voornaamste hulpmiddel bij het bouwen van een regeloppervlak, in dit geval een conoïde. Dit om een initieel beeld te krijgen van de meerwaarden en moeilijkheden hiervan.

In deze masterproef wordt een systeem ontwikkeld om talen te leren samen met een sociale robot. Er wordt gebruik gemaakt van generatieve artificiële intelligentie om nieuwe inhoud te creëren, die wordt aangepast aan het niveau en de interesses van de gebruiker.

Een toolpath techniek is ontwikkeld waarmee het mogelijk is om geperforeerde panelen te creeeren met de technologie van 3D beton printen. Dit resulteert is een semi-controleerbare nieuwe vormentaal.

Deze literatuurstudie beschrijft de mogelijke complicaties die kunnen ontstaan na een overbruggingsoperatie van het hart op intensieve zorgen. Hierbij zijn verpleegkundigen belangrijk om deze snel te herkennen. Daarvoor werden er bij elke complicatie de aandachtspunten voor verpleegkundigen beschreven.

Ontwikkeling van robotische test- en trainingsinfrastructuur voor het nieuwe innovatiecentrum Dronedock te Oostende. Hoofddoel: veilig landen van drones op schepen.