Zakres tematyczny G: Gamedev

G1. System ekosystemu opartego na Data-Oriented Technology Stack (DOTS)

Celem pracy jest wykorzystanie architektury ECS (Entity Component System) w Unity do stworzenia symulacji żyjącego ekosystemu z tysiącami autonomicznych agentów. Praca skupi się na optymalizacji wydajności procesora poprzez wykorzystanie Job System oraz Burst Compiler, umożliwiając symulację złożonych interakcji między gatunkami (predacja, reprodukcja, migracja) bez spadku płynności animacji. Wynikiem będzie wysoce zoptymalizowany framework symulacyjny demonstrujący przewagę podejścia zorientowanego na dane nad klasycznym OOP.

G2. Proceduralna generacja miast z systemem dynamicznej logistyki i ruchu

Projekt dotyczy stworzenia silnika w Unity, który w czasie rzeczywistym generuje unikalne układy miejskie, dbając o ich funkcjonalność (sieci dróg, strefy zabudowy). Student zaimplementuje algorytmy oparte na grafach lub systemach L-systemów oraz stworzy system zarządzania ruchem NPC, który reaguje na zmiany w architekturze miasta. Rezultatem będzie narzędzie dla twórców gier typu sandbox, pozwalające na tworzenie nieskończonych, wiarygodnych przestrzeni zurbanizowanych.

G3. Narracyjna sztuczna inteligencja zintegrowana z modelami LLM (RAG)

Praca eksploruje wykorzystanie dużych modeli językowych do tworzenia NPC, którzy posiadają pamięć długotrwałą i unikalną osobowość. Student zintegruje Unity z zewnętrznym API językowym oraz zaimplementuje system RAG (Retrieval-Augmented Generation), pozwalający postaciom pamiętać poprzednie rozmowy z graczem i dostosowywać swój stosunek do niego. Efektem będzie interaktywne demo gry RPG, w którym dialogi nie są oskryptowane, lecz wynikają z kontekstu i historii relacji.

G4. System dynamicznej destrukcji otoczenia oparty na fizyce materiałowej

Celem pracy jest implementacja zaawansowanego systemu niszczenia obiektów, który uwzględnia właściwości fizyczne materiałów (beton, drewno, metal). Student wykorzysta techniki takie jak mesh fracturing (np. przy użyciu biblioteki Nvidia Blast lub własnych rozwiązań) oraz systemy cząsteczkowe VFG Graph do wizualizacji gruzu i pyłu. Wynikiem będzie prototyp gry akcji, w którym otoczenie ulega wiarygodnej i trwałej destrukcji, wpływającej na możliwości nawigacji gracza.

G5. Realistyczna symulacja cieczy i gazów w czasie rzeczywistym dla potrzeb mechanik gry

Projekt skupia się na stworzeniu mechanik rozgrywki opartych na przepływie płynów, wykorzystując shadery obliczeniowe (Compute Shaders) i techniki SPH (Smoothed Particle Hydrodynamics). Student opracuje system, w którym ciecz może gasić ogień, przewodzić prąd lub wypełniać naczynia, reagując na siły zewnętrzne. Rezultatem będzie gra logiczna wykorzystująca fizykę płynów jako główny element rozwiązywania zagadek, zoptymalizowana pod kątem współczesnych kart graficznych.

G6. Adaptacyjna ścieżka dźwiękowa generowana proceduralnie w zależności od akcji gracza

Praca dotyczy stworzenia systemu muzycznego w Unity, który nie opiera się na statycznych utworach, lecz buduje kompozycję w locie, analizując parametry gry (napięcie, zdrowie gracza, liczba przeciwników). Student zaimplementuje moduł syntezy dźwięku lub system granularny, który płynnie przechodzi między motywami i zmienia instrumentację w czasie rzeczywistym. Efektem będzie framework audio podnoszący poziom immersji poprzez idealne dopasowanie warstwy dźwiękowej do dynamiki rozgrywki.

G7. System proceduralnej animacji stworzeń (Inverse Kinematics) dla zmiennych terenów

Celem pracy jest stworzenie systemu animacji opartego na fizyce i IK, który pozwala wielonożnym stworzeniom na naturalne poruszanie się po dowolnie ukształtowanym terenie bez użycia predefiniowanych klipów animacyjnych. Student opracuje algorytmy adaptacji chodu, które reagują na nachylenie podłoża i przeszkody, dbając o zachowanie balansu masy. Wynikiem będzie zaawansowany kontroler postaci, który może być zastosowany w grach z dynamicznie generowanym światem.

G8. Implementacja globalnego oświetlenia nowej generacji w silniku Unity (Ray Tracing)

Projekt koncentruje się na wykorzystaniu technologii śledzenia promieni w czasie rzeczywistym (Real-Time Ray Tracing) w potoku URP lub HDRP do stworzenia gry opartej na mechanice światła i cienia. Student zbada wpływ odbić, cieniowania i oświetlenia pośredniego na czytelność sceny i estetykę gry, implementując jednocześnie techniki optymalizacyjne takie jak DLSS lub FSR. Rezultatem będzie technologiczne demo gry z gatunku horror lub thriller, wykorzystujące fotorealistyczne oświetlenie jako kluczowy element budowania nastroju.

G9. System wieloosobowej kooperacji z zaawansowaną predykcją stanów po stronie klienta

Praca dotyczy problematyki synchronizacji stanów w szybkich grach sieciowych przy użyciu Netcode for Entities. Student zaimplementuje mechanizmy client-side prediction, server reconciliation oraz lag compensation, aby zapewnić płynną rozgrywkę mimo opóźnień sieciowych. Wynikiem będzie prototyp gry multiplayer, charakteryzujący się wysoką responsywnością i odpornością na cheaty oparte na manipulacji pakietami.

G10. Ewolucyjne uczenie maszynowe (Neuroevolution) w optymalizacji taktyki przeciwników

Celem pracy jest wykorzystanie algorytmów genetycznych do trenowania sieci neuronowych sterujących przeciwnikami w grze strategicznej lub bitewnej. Przeciwnicy mają ewoluować z pokolenia na pokolenie, adaptując się do strategii stosowanej przez gracza. Student wykorzysta pakiet ML-Agents w Unity do przeprowadzenia procesu uczenia. Rezultatem będzie system AI, który oferuje graczowi stale rosnące wyzwanie, ucząc się na własnych błędach.

G11. Innowacyjne interfejsy diegetyczne i przestrzenne w grach First-Person

Projekt polega na całkowitym wyeliminowaniu tradycyjnego HUD-a na rzecz interfejsów wbudowanych w świat gry (ekrany na urządzeniach, hologramy na broni, wskaźniki na stroju postaci). Student skupi się na psychologii UX i czytelności informacji v dynamicznych sytuacjach, wykorzystując zaawansowane shadery UI i interakcje przestrzenne. Wynikiem będzie gra z gatunku Sci-Fi, która osiąga maksymalną immersję dzięki integracji wszystkich elementów sterujących z rzeczywistością gry.

G12. Symulacja tłumu z systemem zachowań stadnych i nawigacją w dynamicznych środowiskach

Praca dotyczy stworzenia systemu symulacji dużych grup NPC, które wykazują zachowania stadne (flocking), unikają kolizji i potrafią wspólnie pokonywać przeszkody. Student wykorzysta algorytmy takie jak RVO (Reciprocal Velocity Obstacles) oraz dynamiczne aktualizacje NavMesh w Unity. Rezultatem będzie system zdolny do obsługi setek jednostek w wąskich przejściach, mogący służyć jako podstawa do gier typu zombie survival lub symulacji bitewnych.

G13. Mechanika manipulacji czasem w grach logicznych z systemem zapisu stanów kwantowych

Celem pracy jest opracowanie zaawansowanego systemu cofania, spowalniania i tworzenia "kopii czasowych" gracza w środowisku 3D. Student zaimplementuje wydajny system serializacji stanów obiektów (snapshotting), który pozwala na płynne operacje na linii czasu bez błędów w fizyce. Rezultatem będzie gra logiczna FPP, w której rozwiązanie zagadek wymaga współpracy z "duchem" samego siebie z przeszłości.

G14. Dynamiczny system symulacji tkanin i ubrań z uwzględnieniem warunków pogodowych

Projekt skupia się na stworzeniu realistycznego systemu ubrań NPC, który reaguje na wiatr, wilgoć (nasiąkanie wodą) i temperaturę (sztywnienie). Student wykorzysta Job System do obliczeń fizyki ubrań na procesorze lub shadery typu Compute do symulacji na GPU. Wynikiem będzie moduł do Unity poprawiający realizm wizualny postaci w grach o otwartym świecie z dynamicznym systemem pogodowym.

G15. Silnik gier "No-Camera": Doświadczenie oparte na dźwięku przestrzennym i haptyce

Praca eksploruje niszowy gatunek gier przeznaczonych dla osób niewidomych lub jako eksperyment sensoryczny. Student opracuje mechaniki nawigacji i walki oparte wyłącznie na HRTF (Head-Related Transfer Function) oraz precyzyjnych wibracjach kontrolera. Rezultatem będzie gra z gatunku thriller, w której gracz porusza się w całkowitej ciemności, polegając na echolokacji i "wyczuwaniu" przeszkód.

G16. Proceduralne generowanie roślinności z systemem wzrostu i genetyki (L-Systems)

Celem pracy jest budowa systemu, w którym flora w grze nie jest statycznym modelem, lecz organizmem rozwijającym się w czasie. Student zaimplementuje system L-szeregów do generowania struktur roślinnych oraz algorytmy krzyżowania cech (np. kolor liści, kształt korony) między osobnikami. Wynikiem będzie ekosystem leśny, który zmienia się w miarę upływu czasu gry, reagując na dostęp do światła i wody.

G17. Hybrydowy system renderowania: Integracja Gaussian Splatting z tradycyjną geometrią

Projekt bada wykorzystanie nowatorskiej techniki Gaussian Splatting do renderowania tła i detali otoczenia w Unity, łącząc je z klasycznymi modelami mesh dla obiektów interaktywnych. Student opracuje shader integrujący oba podejścia, dbając o poprawne sortowanie głębi i oświetlenie. Rezultatem będzie technologiczne demo gry z fotorealistycznymi lokacjami opartymi na skanach rzeczywistych miejsc.

G18. System "World-Scale" AR: Mapowanie i trwałość obiektów w przestrzeni miejskiej

Praca dotyczy stworzenia gry typu Multiplayer AR, w której wirtualne obiekty są zakotwiczone w konkretnych lokalizacjach geograficznych i widoczne dla wszystkich graczy. Student wykorzystuje AR Foundation oraz systemy VPS (Visual Positioning System), aby zapewnić centymetrową precyzję i trwałość (persistence) świata gry. Wynikiem będzie prototyp miejskiej gry przygodowej typu "Scavenger Hunt".

G19. Mechaniki walki oparte na precyzyjnym przecinaniu obiektów (Mesh Slicing 3D)

Celem pracy jest implementacja systemu, który pozwala na dynamiczne rozcinanie dowolnego modelu 3D w dowolnym miejscu i pod dowolnym kątem (np. walka mieczem). Student opracuje algorytm generowania nowych ścianek i tekstur w miejscu cięcia oraz dostosuje collider obiektu w czasie rzeczywistym. Wynikiem będzie gra akcji stawiająca na precyzję i fizyczny realizm szermierki.

G20. System "Ethereal Physics": Mechaniki gier w przestrzeniach nieeuklidesowych

Projekt eksploruje tworzenie poziomów, które łamią zasady geometrii euklidesowej (np. pokoje większe wewnątrz niż na zewnątrz, zapętlone korytarze). Student wykorzysta techniki renderowania do tekstur (Render Textures) oraz portal rendering, aby stworzyć płynne przejścia między niemożliwymi przestrzeniami. Rezultatem będzie surrealistyczna gra logiczna inspirowana pracami M.C. Eschera.

G21. Automatyczny reżyser AI: System dynamicznej zmiany pracy kamery i montażu

Praca polega na stworzeniu systemu, który analizuje akcję w grze (pozycje graczy, wybuchy, dialogi) i w locie dobiera kadry filmowe oraz typy ujęć, aby nadać rozgrywce kinowy charakter. Student zaimplementuje system oparty na maszynie stanów lub sieciach neuronowych sterujący pakietem Cinemachine. Efektem będzie framework do gier przygodowych, który automatycznie tworzy efektowną relację z gry.

G22. Symulacja reakcji chemicznych jako mechanika rzemiosła (Crafting) w grach Survival

Projekt zakłada stworzenie systemu, w którym tworzenie przedmiotów nie opiera się na sztywnych przepisach, lecz na interakcjach cząsteczkowych składników (palność, kwasowość, stan skupienia). Student opracuje model danych reprezentujący właściwości chemiczne i zaimplementuje system ich łączenia. Wynikiem będzie gra survivalowa, w której gracze muszą eksperymentować z surowcami, aby odkryć nowe substancje.

G23. "AI Dungeon Master": Dynamiczne generowanie questów i zadań w oparciu o akcje gracza

Praca wykorzystuje generatywne modele AI do tworzenia nowych zadań, dokumentów i dialogów, które idealnie wpasowują się w aktualną sytuację gracza. Student stworzy system "reżysera gry", który monitoruje styl gry i generuje treści (np. list od NPC, nowa lokacja na mapie) w czasie rzeczywistym. Efektem będzie niekończąca się gra przygodowa, która nigdy nie powtarza tych samych zadań.

G24. System bio-mimetycznego sterowania postaciami z wykorzystaniem sieci sensorowych

Projekt dotyczy stworzenia kontrolera postaci, który zamiast tradycyjnych animacji korzysta z symulacji "mięśni" i "ścięgien" sterowanych przez AI. Student opracuje model fizyczny humanoida i wykorzysta uczenie ze wzmocnieniem (Reinforcement Learning), aby postać nauczyła się chodzić i reagować na potknięcia w sposób naturalny. Wynikiem będzie system animacji nowej generacji o bardzo wysokim stopniu interaktywności z fizycznym otoczeniem.

Zakres tematyczny N: Neuro & ML

N1. Neurometryczny system detekcji biomarkerów okulomotorycznych

Celem pracy jest opracowanie koncepcji i prototypu systemu wykorzystującego śledzenie ruchów gałek ocznych do automatycznej identyfikacji biomarkerów zaburzeń neurologicznych, takich jak choroby Alzheimera i Parkinsona. Realizacja obejmuje analizę literatury medycznej w celu wyodrębnienia wzorców sakadycznych oraz zaprojektowanie architektury systemu przetwarzającego surowe dane z eye-trackera na kliniczne wskaźniki diagnostyczne. Efektem będzie dokumentacja projektowa oraz moduł programowy do wizualizacji odchyleń okulomotorycznych.

N2. Automatyczna klasyfikacja anomalii okulomotorycznych jako biomarkerów poznawczych

Praca koncentruje się na implementacji i ewaluacji algorytmów uczenia nienadzorowanego, takich jak autoenkodery lub One-class SVM, do detekcji nienaturalnych wzorców ruchów oka (np. mikrosakady). Student przygotuje potok przetwarzania danych, wdroży mechanizmy interpretowalności modeli (SHAP, Attention) oraz przeprowadzi eksperymenty na zbiorach syntetycznych i rzeczywistych. Wynikiem będzie środowisko programistyczne realizujące proces klasyfikacji wraz z raportem dokumentującym skuteczność i czułość opracowanego modelu.

N3. Wykorzystanie uczenia ze wzmocnieniem do tworzenia naturalnych zachowań NPC w grach typu RPG

Projekt polega na wykorzystaniu algorytmów uczenia ze wzmocnieniem do wytrenowania agentów (NPC), którzy wykazują adaptacyjne i naturalne zachowania w interakcji z graczem i otoczeniem. Praca obejmuje zdefiniowanie funkcji nagrody, implementację środowiska testowego oraz porównanie wyników uczenia ze wzmocnieniem z tradycyjnymi metodami opartymi na automatach stanów. Rezultatem będzie prototyp mechaniki gry z autonomicznymi postaciami, których proces decyzyjny ewoluuje w czasie rzeczywistym.

N4. Generowanie syntetycznych sygnałów EEG za pomocą sieci GAN w celu zwiększenia zbiorów danych

Praca dotyczy problemu niedoboru danych w neuroinformatyce i proponuje wykorzystanie Generatywnych Sieci Przeciwnych (GAN) do tworzenia realistycznych przebiegów elektroencefalograficznych. Student zaprojektuje architekturę sieci zdolną do odwzorowania charakterystyki częstotliwościowej sygnału EEG i przeprowadzi testy jakości wygenerowanych danych za pomocą klasyfikatorów zewnętrznych. Efektem będzie generator sygnałów syntetycznych, który może służyć do wstępnego trenowania modeli ML w zadaniach o małej liczbie próbek rzeczywistych.

N5. Inteligentny system rekomendacji treści edukacyjnych oparty na profilowaniu kognitywnym

Projekt polega na budowie silnika rekomendacyjnego, który dostosowuje materiały dydaktyczne do indywidualnych preferencji i stylu uczenia się użytkownika na podstawie jego interakcji z platformą. Praca obejmuje wykorzystanie technik filtrowania kolaboratywnego oraz modelowania tematycznego (LDA) do mapowania zasobów wiedzy na profil kompetencyjny studenta. Wynikiem będzie prototyp systemu e-learningowego, który optymalizuje ścieżkę kształcenia w celu maksymalizacji retencji informacji.

N6. Wykorzystanie uczenia federacyjnego do ochrony prywatności w analizie danych biomedycznych

Celem pracy jest implementacja i ocena paradygmatu Federated Learning, pozwalającego na trenowanie wspólnego modelu uczenia maszynowego na rozproszonych danych bez konieczności ich centralizacji. Student porówna wydajność i poziom bezpieczeństwa modelu uczonego lokalnie u różnych klientów z podejściem tradycyjnym, skupiając się na danych wrażliwych (np. dane sensoryczne z wearables). Rezultatem będzie symulacja środowiska federacyjnego oraz analiza narzutu komunikacyjnego i dokładności globalnego modelu.

N7. Modelowanie uwagi wzrokowej w zadaniach nawigacji robotycznej z użyciem uczenia ze wzmocnieniem

Projekt łączy techniki komputerowego modelowania uwagi (Saliency Maps) z uczeniem ze wzmocnieniem, aby nauczyć agenta priorytetyzowania istotnych obszarów obrazu podczas poruszania się w dynamicznym środowisku. Student opracuje funkcję nagrody promującą skupienie na kluczowych przeszkodach i celach, co powinno prowadzić do szybszej konwergencji procesu uczenia. Rezultatem będzie wytrenowany model nawigacyjny działający w symulacji, charakteryzujący się bardziej efektywnym wykorzystaniem zasobów obliczeniowych sensora wizyjnego.

Zakres tematyczny X: VR & XR

X1. Projekt koncepcyjny samokalibrujące się gogle VR z adaptacyjną optyką płynną

Celem pracy jest wyjście poza sztywne soczewki i zaprojektowanie prototypu gogli wykorzystujących soczewki płynne sterowane elektrycznie. System ma automatycznie dostosowywać ostrość (akomodację) do wzroku użytkownika oraz symulować głębię ostrości w zależności od punktu fiksacji w wirtualnej przestrzeni. Student opracuje układ sterowania optyką i zintegruje go z prostym sensorem śledzącym oko. Efektem będzie urządzenie eliminujące konflikt akomodacji i wergencji, znacząco podnoszące realizm i komfort długotrwałej pracy w VR.

X2. Kwantyzacja neuronowa w Foveated Rendering: Optymalizacja jakości postrzeganej

Praca bada wykorzystanie sieci neuronowych do rekonstrukcji obrazu na peryferiach pola widzenia zamiast prostego obniżania rozdzielczości. Student zaimplementuje system, który w czasie rzeczywistym przewiduje "istotność wizualną" obiektów i stosuje agresywną kompresję tam, gdzie oko nie dostrzega detali, przywracając je inteligentnie (super-resolution) tylko w centrum spojrzenia. Wynikiem będzie silnik renderujący nowej generacji, który pozwala na fotorealizm przy ułamku tradycyjnego zapotrzebowania na moc obliczeniową.

X3. Bio-reaktywna AI: Ewolucyjna narracja VR sterowana nieświadomymi reakcjami organizmu

Projekt porzuca tradycyjne drzewa dialogowe na rzecz AI, która modyfikuje scenariusz i zachowanie postaci na podstawie mikroruchów twarzy, rozszerzenia źrenic i tętna gracza. Student zintegruje model LLM z systemem rozpoznawania mikromimiki w VR, aby tworzyć postacie, które "wyczuwają" kłamstwo, strach lub sympatię użytkownika. Efektem będzie prototyp gry psychologicznej, w której świat reaguje na prawdziwe, biologiczne emocje, a nie tylko na kliknięcia kontrolera.

X4. Mechaniki interakcji "Gaze-to-Action" w grach przygodowych VR

Projekt koncentruje się na eliminacji tradycyjnych kontrolerów na rzecz sterowania wyłącznie wzrokiem w środowisku VR. Student opracuje i zaimplementuje zestaw mechanik interakcji, takich jak teleportacja w miejsce spojrzenia czy podnoszenie przedmiotów przez fiksację wzroku. Zakres prac obejmuje testy porównawcze z tradycyjnym sterowaniem pod kątem immersji, intuicyjności oraz zmęczenia wzroku (eye strain). Wynikiem końcowym będzie gra przygodowa VR w pełni grywalna przy użyciu śledzenia wzroku.

X5. Neuro-adaptacyjna redukcja Cyber-Sickness: Przebudowa poczucia równowagi w VR

Praca proponuje system, który nie tylko maskuje objawy choroby lokomocyjnej, ale aktywnie "oszukuje" błędnik poprzez subtelną stymulację wizualno-przestrzenną (np. dynamiczne generowanie sztucznego horyzontu i punktów stabilizacji zsynchronizowanych z mikroruchami głowy). Student przeprowadzi badania z wykorzystaniem czujników stabilograficznych, aby sprawdzić, jak różne wzorce wizualne wpływają na utrzymanie równowagi. Rezultatem będzie uniwersalny algorytm podnoszący tolerancję na ruch w VR dla osób o wysokiej wrażliwości.

X6. Holograficzny fantom MR: Trening chirurgiczny z predykcją deformacji tkanek

Projekt zakłada stworzenie zaawansowanego asystenta Mixed Reality, który nakłada na fizyczny manekin wirtualny model narządów, reagujący na dotyk narzędzi medycznych (fizyka tkanek miękkich). Student zaimplementuje silnik symulacji deformacji w czasie rzeczywistym, który przewiduje krwawienie i uszkodzenia przy błędnym ruchu skalpela. Rezultatem będzie system szkoleniowy, w którym granica między fizycznym dotykiem a wirtualną symulacją zostaje całkowicie zatarta.

X7. Dreamscape XR: Generatywna przestrzeń relaksacji budowana w czasie rzeczywistym z fal mózgowych

Praca eksploruje wykorzystanie modeli Stable Diffusion i audio-gen do tworzenia otoczenia VR bezpośrednio na podstawie parametrów EEG (alfy/theta). System ma interpretować głębokość relaksacji i "budować" świat – np. jeśli użytkownik się uspokaja, las w VR staje się gęstszy i bardziej świetlisty. Efektem będzie unikalne doświadczenie terapeutyczne, w którym stan umysłu użytkownika staje się "architektem" otaczającej go rzeczywistości.

X8. Inżynieria kwantowa w XR: Wielowymiarowa wizualizacja i kolaboracja w chmurze punktów

Projekt dotyczy stworzenia platformy do zdalnej pracy nad ogromnymi zbiorami danych (terabajty danych z lidarów/skanerów) przy użyciu techniki "Point Cloud Streaming". Student opracuje system, który pozwala wielu użytkownikom na interakcję z modelem miasta lub fabryki w skali 1:1, z inteligentnym poziomem szczegółowości (LOD) zależnym od pozycji wszystkich uczestników. Wynikiem będzie futurystyczne biuro projektowe, w którym inżynierowie mogą "wchodzić" do wnętrza projektowanych maszyn.

X9. Integracja modeli VLM (Vision-Language Models) do semantycznego opisu scen w XR

Celem pracy jest wykorzystanie modeli typu GPT-4o lub analogicznych do generowania kontekstowych opisów otoczenia dla osób niedowidzących korzystających z gogli AR. System ma analizować obraz z kamer, identyfikować obiekty i ich relacje przestrzenne, a następnie przekazywać te informacje w formie audio. Student skupi się na optymalizacji zapytania (promptu) i minimalizacji czasu odpowiedzi systemu (latency). Rezultatem będzie prototyp asystenta AR zwiększającego dostępność przestrzeni publicznej.

X10. Meta-Museum: Kinetyczne rzeźby VR reagujące na historię spojrzenia tłumu

Projekt bada koncepcję sztuki wirtualnej, która ewoluuje pod wpływem zbiorowej uwagi zwiedzających. System rejestruje, na które fragmenty cyfrowych rzeźb patrzyli użytkownicy przez ostatnie dni i na tej podstawie "przeobraża" dzieło (np. najczęściej oglądane miejsca stają się bardziej szczegółowe lub emitują światło). Student opracuje system bazodanowy do analizy heatmap spojrzeń w przestrzeni 3D. Efektem będzie żywa, zmieniająca się w czasie instalacja artystyczna w XR.

X11. Neural Radiance Fields (NeRF) w Telepresence: Fotorealistyczne lustro wirtualne

Praca skupia się na stworzeniu systemu, który w czasie rzeczywistym digitalizuje postać użytkownika przy pomocy NeRF i przesyła ją do XR jako w pełni oświetlony, fotorealistyczny model, a nie uproszczony awatar. Student opracuje optymalizację algorytmu treningowego NeRF do pracy w bliskim czasie rzeczywistym. Rezultatem będzie krok milowy w teleobecności – możliwość zobaczenia siebie i innych w VR z jakością nieodróżnialną od nagrania wideo, ale z pełną swobodą ruchu (6DoF).

X12. Sovereign Identity w XR: Biometryczna ochrona prywatności przestrzennej

Projekt dotyczy stworzenia warstwy bezpieczeństwa, która chroni "odciski rzeczywistości" (skany pokoi, twarzy) przed kradzieżą przez platformy XR. Student zaimplementuje system "Spatial Data Scrubbing", który w locie szyfruje geometryczne dane otoczenia i pozwala na ich udostępnianie tylko w formie zanonimizowanych deskryptorów niezbędnych do działania AR. Wynikiem będzie framework ochrony prywatności dla "Internetu Przestrzennego", zapewniający użytkownikowi pełną kontrolę nad jego cyfrowym domem.

X13. Adaptacyjne systemy Neural-XR: Sterowanie interfejsem za pomocą sygnałów EEG i EMG

Celem pracy jest opracowanie hybrydowego interfejsu sterowania dla XR, który łączy intencje ruchowe (EMG) z aktywnością mózgu (EEG - potencjały P300). Student zaprojektuje system pozwalający na wybór opcji menu w VR poprzez samą koncentrację lub delikatne napięcie mięśni, co eliminuje potrzebę fizycznych kontrolerów. Efektem będzie demonstrator "Hands-free XR" dedykowany osobom o ograniczonej mobilności lub jako futurystyczny interfejs sterowania.

X14. Holograficzna teleobecność 3D w czasie rzeczywistym z wykorzystaniem technologii Volumetric Video

Projekt polega na budowie systemu do rejestracji, transmisji i wyświetlania trójwymiarowej sylwetki człowieka w goglach AR/VR. Student opracuje potok przetwarzania danych z wielu kamer głębi (np. Azure Kinect), ich kompresję i rekonstrukcję w czasie rzeczywistym u odbiorcy. Wynikiem będzie system komunikacji XR pozwalający na rozmowę z "hologramem" innej osoby, symulujący fizyczną obecność w tej samej przestrzeni.

X15. AI-Driven Virtual Twin: Autonomiczny awatar zintegrowany z pamięcią epizodyczną użytkownika

Praca bada koncepcję wirtualnego asystenta w VR, który uczy się na podstawie interakcji z użytkownikiem i potrafi przypominać o zdarzeniach z "wirtualnej przeszłości". Student zaimplementuje awatara opartego na modelu LLM, wzbogaconego o bazę danych wektorową (RAG) przechowującą logi interakcji. Rezultatem będzie inteligentny towarzysz w XR, który rozpoznaje kontekst poprzednich spotkań i aktywnie wspiera użytkownika w zadaniach projektowych.

X16. Symulacja synestezji w XR: Przekładanie bodźców dźwiękowych na wielozmysłowe wizualizacje

Celem pracy jest stworzenie środowiska XR, które mapuje parametry muzyki (częstotliwość, tempo, barwa) na dynamiczne formy 3D, kolory oraz wibracje haptyczne. Student opracuje algorytmy analizy audio w czasie rzeczywistym i powiąże je z systemem cząsteczkowym w silniku graficznym. Efektem będzie futurystyczne doświadczenie immersyjne, pozwalające na "zobaczenie" i "poczucie" dźwięku, o potencjalnym zastosowaniu w arteterapii.

X17. Wirtualna neurorehabilitacja kognitywna z wykorzystaniem Bio-Mirroring

Projekt dotyczy opracowania systemu VR dla pacjentów po udarach, w którym awatar pacjenta wykonuje ruchy z większą precyzją lub zakresem niż użytkownik, stymulując plastyczność mózgu. Student zaimplementuje mechanizmy wizualnego oszustwa (Visual Feedback Distortion) zsynchronizowane z faktycznym ruchem pacjenta. Rezultatem będzie aplikacja rehabilitacyjna XR wraz z modułem analitycznym monitorującym postępy pacjenta na podstawie danych biometrycznych.

X18. Hiper-realistyczne symulacje oświetlenia globalnego w czasie rzeczywistym dla XR (Neural Rendering)

Praca skupia się na wykorzystaniu sieci neuronowych do przewidywania oświetlenia w złożonych scenach VR, co pozwala na uzyskanie efektów zbliżonych do ray-tracingu przy zachowaniu wysokiego FPS. Student przetestuje techniki takie jak Neural Radiance Caching lub denoising oparty na AI w silniku graficznym. Wynikiem będzie silnik renderujący XR nowej generacji, oferujący bezprecedensowy poziom realizmu wizualnego na goglach o ograniczonej mocy obliczeniowej.

X19. System nawigacji wewnątrzbudynkowej AR zintegrowany z inteligentną odzieżą (Smart Fabric)

Projekt łączy okulary AR z systemem wibracyjnym wbudowanym w odzież użytkownika, który "prowadzi" go do celu poprzez haptyczne wskazówki na ramionach lub plecach. Student opracuje system komunikacji między nawigacją AR a mikrokontrolerem sterującym elementami haptycznymi. Efektem będzie wielomodalny system nawigacji, który minimalizuje obciążenie wzroku użytkownika poprzez przeniesienie części informacji do zmysłu dotyku.

X20. Wirtualne Laboratorium Chemiczne z systemem symulacji molekularnej w czasie rzeczywistym

Celem pracy jest stworzenie środowiska VR, w którym użytkownik może manualnie łączyć atomy i obserwować siły wiązań oraz reakcje chemiczne obliczane fizycznie. Student zaimplementuje silnik fizyki cząsteczkowej zintegrowany z interakcjami VR. Rezultatem będzie zaawansowane narzędzie edukacyjne, pozwalające na bezpieczne przeprowadzanie skomplikowanych eksperymentów chemicznych w skali nano, niedostępnych dla ludzkiego oka w rzeczywistości.

X21. System "Digital Afterlife": Interaktywna rekonstrukcja postaci historycznych w VR

Praca bada możliwości wykorzystania generatywnej sztucznej inteligencji do odtworzenia osobowości i wyglądu postaci historycznych na podstawie tekstów i portretów. Student opracuje model awatara 3D animowany przez LLM przeszkolony na pismach danej postaci, co pozwoli na prowadzenie z nią dialogu w VR. Efektem będzie edukacyjna aplikacja XR, umożliwiająca "osobiste" spotkanie i rozmowę z postaciami z przeszłości.

X22. Mechanizmy "Shared Consciousness" w XR: Współdzielenie perspektywy i bodźców między użytkownikami

Projekt eksploruje radykalną formę współpracy, w której dwóch użytkowników w XR widzi świat z tej samej perspektywy lub współdzieli wybrane odczucia sensoryczne. Student zaimplementuje system transmisji "widoku z oczu" innego użytkownika oraz synchronizację haptyczną. Rezultatem będzie eksperymentalna platforma XR do nauki empatii lub zaawansowanego treningu zespołowego (np. chirurg i asystent dzielący to samo pole widzenia).

X23. Ewolucyjne interfejsy użytkownika (EUI) w XR adaptujące się do zmęczenia kognitywnego

Celem pracy jest stworzenie interfejsu XR, który dynamicznie zmienia swoją strukturę, wielkość elementów i ilość prezentowanych danych w odpowiedzi na zmęczenie użytkownika. Student wykorzysta eye-tracking (szerokość źrenic, mikro-sakady) do estymacji obciążenia umysłowego i opracuje zestaw reguł adaptacji GUI. Efektem będzie inteligentny system operacyjny dla XR, który zapobiega przeładowaniu informacyjnemu i zwiększa efektywność pracy długotrwałej.

X24. Interfejsy "Mind-Gaze": Fuzja śledzenia wzroku i intencji motorycznej w XR

Celem pracy jest stworzenie systemu nawigacji "bez klikania", łączącego fiksację wzroku z analizą sygnału EMG (napięcia mięśniowego przedramienia). Użytkownik wybiera obiekt wzrokiem i aktywuje go "myślą o ruchu" (subtelnym impulsem mięśniowym). Student opracuje algorytmy fuzji danych sensorycznych w celu eliminacji przypadkowych aktywacji (tzw. Midas Touch problem). Wynikiem będzie najbardziej intuicyjny i najszybszy znany obecnie interfejs interakcji w przestrzeni 3D.

Zakres tematyczny E: Mobile & Edge

E1. Implementacja algorytmów śledzenia wzroku w środowisku mobilnym

Celem pracy jest analiza ograniczeń sprzętowych urządzeń mobilnych oraz budowa aplikacji wykorzystującej śledzenie wzroku. Student zoptymalizuje procesy przetwarzania obrazu z kamery frontowej smartfona w czasie rzeczywistym, przeanalizuje wydajność mobilnych bibliotek wizji komputerowej oraz zaimplementuje funkcjonalność estymacji punktu skupienia wzroku. Efektem pracy powinna być funkcjonalna aplikacja mobilna (Android/iOS) demonstrująca płynne śledzenie wzroku użytkownika w zmiennych warunkach oświetleniowych.

E2. System mobilnej analizy afektywnej w interakcji człowiek-komputer

Projekt obejmuje implementację aplikacji analizującej mimikę i ekspresję twarzy użytkownika w trakcie interakcji z urządzeniem poprzez integrację modeli facial landmarks z klasyfikatorami emocji. Student opracuje moduł analizy strumieniowej generujący wykresy reakcji emocjonalnej w czasie rzeczywistym oraz przygotuje scenariusze testowe do zbierania danych o afekcie. Wynikiem końcowym będzie aplikacja mobilna z modułem analizy emocji „na żywo” oraz systemem zapisu i porównywania wyników z wzorcami oczekiwanymi.

E3. Edge gaze, lekki system śledzenia wzroku dla telefonów

Praca o charakterze inżynieryjno-badawczym skupia się na adaptacji i kompresji modeli uczenia głębokiego do estymacji spojrzenia dla urządzeń typu Edge. Student zastosuje techniki optymalizacji, takie jak kwantyzacja wag, pruning oraz destylacja wiedzy, w celu przeniesienia modeli CNN na formaty mobilne (TFLite/ONNX) przy wykorzystaniu akceleracji sprzętowej GPU/NPU. Wynikiem końcowym będzie zoptymalizowany model AI wraz z instrukcją integracji i raportem wydajności (FPS vs. dokładność).

E4. Adaptacyjne interfejsy GUI sterowane spojrzeniem dla osób z dysfunkcjami motorycznymi

Celem pracy jest zaprojektowanie i weryfikacja użyteczności interfejsów sterowanych wzrokiem zgodnie z metodologią User-Centered Design. Student opracuje zestaw komponentów (np. przyciski dwell-click, nawigacja gestami oczu), zbuduje prototyp aplikacji oraz przeprowadzi badania użyteczności z grupą testową, analizując czasy wykonania zadań i błędy. Wynikiem końcowym będzie interaktywny prototyp interfejsu oraz raport z badań zawierający rekomendacje projektowe dla systemów wspomagających.

E5. Metody efektywnego kodowania strumieni wideo w zdalnej okulometrii

Praca dotyczy optymalizacji transmisji danych wizyjnych dla potrzeb zdalnego śledzenia wzroku przy niskim przepływie danych poprzez implementację mechanizmu kodowania ROI (Region of Interest). Student zbada wpływ adaptacyjnej częstotliwości klatek oraz różnych kodeków na dokładność estymacji wzroku, przeprowadzając eksperymenty sieciowe symulujące zmienne warunki QoS. Wynikiem końcowym będzie demonstrator systemu klient-serwer oraz analiza korelacji między stopniem kompresji a precyzją eye-trackingu.

E5. Aplikacja mobilna BCI

Projekt polega na opracowaniu aplikacji mobilnej, której główną funkcjonalnością będzie wykorzystanie sygnałów EEG jako wejściowego kanału sterującego. Student zaimplementuje moduł komunikacji z bezprzewodowym urządzeniem EEG, opracuje algorytmy filtracji sygnału i detekcji artefaktów oraz zmapuje wybrane rytmy mózgowe lub potencjały wywołane na konkretne akcje w aplikacji. Rezultatem będzie prototyp interfejsu mózg-komputer działający na urządzeniu mobilnym, pozwalający na podstawową interakcję bez użycia rąk.

E6. System mobilnego screeningu zaburzeń neurodegeneracyjnych

Celem pracy jest budowa modelu klasyfikacyjnego analizującego wzorce ruchów oczu pozyskane za pomocą smartfona do wczesnego wykrywania zmian neurologicznych. Student opracuje mobilny potok przetwarzania danych ekstrahujący cechy okulomotoryczne (sakady, fiksacje) oraz zaimplementuje klasyfikator (np. XGBoost lub CNN) sugerujący ryzyko wystąpienia zaburzeń. Wynikiem końcowym będzie prototyp aplikacji do przesiewowych badań diagnostycznych wraz z raportem walidacji statystycznej modelu pod kątem czułości i swoistości.

E7. Mechanizmy ochrony prywatności w systemach mobilnej analizy danych biometrycznych

Praca koncentruje się na zastosowaniu technik uczenia federacyjnego i prywatności różnicowej (Differential Privacy) w celu zabezpieczenia wrażliwych danych biometrycznych na urządzeniach mobilnych. Student zaprojektuje system, w którym trenowanie modeli odbywa się lokalnie, a do serwera przesyłane są jedynie zanonimizowane poprawki wag, chroniąc tożsamość użytkowników. Rezultatem będzie demonstrator systemu ochrony prywatności oraz raport KPI oceniający wydajność i bezpieczeństwo zaproponowanej architektury.

E8. Wykorzystanie sensorów biometrycznych smartfona jako kontrolera w mobilnych grach zręcznościowych

Projekt dotyczy stworzenia gry mobilnej, w której kluczowe mechaniki rozgrywki są bezpośrednio powiązane z tętnem użytkownika (mierzonym przez aparat) lub precyzyjnymi danymi z akcelerometru. Student skupi się na opracowaniu algorytmów przetwarzania sygnałów z sensorów w czasie rzeczywistym oraz na takim balansowaniu gry, aby dane biometryczne stanowiły naturalne rozszerzenie sterowania. Efektem pracy będzie grywalna aplikacja mobilna z unikalnym systemem sterowania biometrycznego.

E9. Optymalizacja i wdrażanie modeli TinyML na mikrokontrolery do analizy chodu

Celem pracy jest opracowanie ultra-lekkiego modelu uczenia maszynowego (TinyML) zdolnego do detekcji anomalii w sposobie poruszania się bezpośrednio na mikrokontrolerze zintegrowanym z czujnikiem IMU. Student przeprowadzi proces zbierania danych z akcelerometrów, dokona kompresji modelu neuronowego oraz wdroży go na platformę taką jak Arduino Nicla Sense ME lub podobną. Rezultatem będzie prototyp urządzenia typu wearable zintegrowanego z aplikacją mobilną, realizujący brzegową analizę stabilności chodu przy minimalnym zużyciu energii.

E10. System asystujący AR sterowany wzrokiem dla zadań montażowych

Projekt obejmuje opracowanie aplikacji rozszerzonej rzeczywistości (AR), która wspomaga użytkownika w procesie składania skomplikowanych komponentów, wykorzystując punkt skupienia wzroku do nawigacji po instrukcjach. Student zintegruje techniki śledzenia oczu z bibliotekami AR (np. ARCore/ARKit), aby dynamicznie wyświetlać podpowiedzi 3D w miejscu, na które aktualnie patrzy operator. Wynikiem będzie interaktywny system wspomagania pracy manualnej, redukujący konieczność użycia rąk do obsługi interfejsu.

E11. Monitorowanie dobrostanu psychicznego na podstawie cyfrowych fenotypów mobilnych

Praca dotyczy pasywnego zbierania danych o aktywności użytkownika (częstotliwość użycia aplikacji, mobilność, parametry snu) w celu automatycznego wykrywania zmian nastroju lub poziomu stresu. Student opracuje algorytmy analizujące tzw. cyfrowe fenotypy, zachowując prywatność poprzez przetwarzanie danych na krawędzi sieci (on-device processing). Efektem będzie aplikacja mobilna pełniąca rolę osobistego asystenta zdrowia psychicznego, oferująca wizualizacje trendów behawioralnych i sugerująca interwencje w sytuacjach kryzysowych.

E12. Energooszczędne interfejsy Glanceable dla systemów typu smartwatch i smartband

Celem pracy jest zaprojektowanie i ewaluacja minimalistycznych interfejsów użytkownika zoptymalizowanych pod kątem szybkich interakcji ("glance") na urządzeniach o małej powierzchni ekranu. Student skupi się na wykorzystaniu gestów nadgarstka oraz fuzji danych biometrycznych do przewidywania intencji użytkownika i automatycznego wyświetlania kontekstowych informacji. Rezultatem będzie zestaw wzorców projektowych oraz prototyp aplikacji na zegarek, demonstrujący poprawę UX przy jednoczesnym wydłużeniu czasu pracy na baterii.

Zakres tematyczny R: Robotyka humanoidalna

R1. Multimodalny system percepcji otoczenia dla robota humanoidalnego

Projekt obejmuje implementację systemu percepcji dla robota Unitree G1, integrującego dane z kamery głębi, lidaru 3D i matrycy mikrofonowej w celu detekcji przeszkód i lokalizacji źródeł dźwięku. Student wykorzysta SDK Unitree, ROS 2 oraz biblioteki do fuzji sensorycznej, tworząc lokalną reprezentację otoczenia robota. Wynikiem będzie demonstrator programowy wizualizujący mapę otoczenia i kierunek dźwięku wraz z oceną jakości działania w scenariuszach laboratoryjnych.

R2. System SLAM i autonomicznej nawigacji robota humanoidalnego

Praca dotyczy wdrożenia systemu lokalizacji i mapowania (SLAM) dla robota humanoidalnego przy wykorzystaniu sensorów pokładowych oraz dedykowanych bibliotek (np. point_lio_unilidar). Zakres obejmuje przetwarzanie chmur punktów, estymację położenia oraz planowanie ruchu w celu realizacji autonomicznych przejazdów w laboratorium. Efektem będzie działający system tworzący mapy 3D oraz analiza dokładności nawigacji robota między zadanymi punktami.

R3. Teleoperacja i uczenie przez imitację dla zadań loco-manipulacyjnych

Celem pracy jest opracowanie pipeline'u zbierania demonstracji i treningu polityki sterowania przez naśladownictwo dla robota Unitree G1 w zadaniach łączących poruszanie się z manipulacją. Praca wykorzystuje narzędzia Isaac Lab Mimic do augmentacji trajektorii oraz bibliotekę Robomimic do treningu modeli visuomotor. Rezultatem będzie wytrenowana polityka sterowania działająca w symulacji wraz z analizą wpływu jakości demonstracji na skuteczność wykonania zadania.

R4. Cyfrowy bliźniak stanowiska laboratoryjnego z robotem humanoidalnym

Projekt polega na stworzeniu wiernego modelu symulacyjnego stanowiska badawczego w środowisku NVIDIA Isaac Sim/Lab do walidacji zadań typu sim-to-real. Student zajmie się modelowaniem dynamiki stawów, parametrów kontaktu oraz danych sensorycznych, analizując rozbieżności między symulacją a rzeczywistością. Wynikiem będzie cyfrowy bliźniak z procedurą walidacji oraz raportem identyfikującym krytyczne parametry niezbędne do poprawnego transferu sterowania.

R5. System rozpoznawania emocji użytkownika na potrzeby interakcji człowieka z robotem

Projekt obejmuje zaprojektowanie i ocenę lekkiego systemu rozpoznawania emocji na podstawie mimiki twarzy, zoptymalizowanego pod kątem działania na urządzeniach brzegowych o ograniczonych zasobach. Student opracuje architekturę sieci neuronowej zdolną do klasyfikacji podstawowych stanów emocjonalnych w czasie rzeczywistym, co umożliwi bardziej naturalną interakcję robota z człowiekiem. Wynikiem pracy będzie wdrożony moduł rozpoznawania emocji zintegrowany ze środowiskiem robotycznym.

R6. System śledzenia spojrzenia użytkownika z wykorzystaniem kamery internetowej

Celem jest budowa taniego systemu estymacji kierunku spojrzenia (gaze-tracking) przy użyciu standardowej kamery internetowej, służącego jako kanał komunikacji z robotem. Student zaimplementuje rozwiązania oparte na CNN lub MediaPipe Iris wraz z filtracją sygnału (np. filtr Kalmana) w celu stabilizacji punktu fiksacji. Rezultatem będzie moduł HCI pozwalający robotowi na identyfikację obiektów, na które aktualnie patrzy użytkownik.

R7. System wizyjnej analizy postawy i sylwetki człowieka na potrzeby interakcji człowiek-robot

Projekt obejmuje rozwój systemu analizy szkieletowej człowieka w czasie rzeczywistym, dedykowanego do zadań współpracy człowieka z robotem humanoidalnym. Wykorzystując algorytmy detekcji punktów kluczowych, system będzie interpretować gesty i intencje ruchowe użytkownika, zapewniając bezpieczną interakcję. Wynikiem będzie stabilny moduł percepcji integrujący się z systemem decyzyjnym robota.

R8. System estymacji położenia i ruchu człowieka 3D z użyciem modelu parametrycznego sylwetki

Praca dotyczy rekonstrukcji trójwymiarowej sylwetki człowieka z obrazu 2D przy użyciu niskowymiarowych, różniczkowalnych modeli parametrycznych. Podejście to pozwala na bardziej precyzyjną analizę ruchu niż klasyczne szkielety, co jest kluczowe dla zaawansowanej teleoperacji lub naśladownictwa. Efektem będzie prototyp systemu rekonstruującego postać 3D użytkownika wraz z oceną przydatności tej reprezentacji w scenariuszach robotycznych.

R9. Rozpoznawanie stereotypowych i nietypowych wzorców ruchu człowieka z użyciem wizji komputerowej

Celem pracy jest stworzenie systemu automatycznie wykrywającego powtarzalne lub specyficzne wzorce ruchowe (np. machanie rękami, kołysanie) na podstawie analizy strumienia wideo. Wykorzystując narzędzia takie jak MediaPipe i klasyfikatory ML, student opracuje framework do detekcji intensywności i częstotliwości zdefiniowanych zachowań. Wynikiem będzie aplikacja zdolna do monitorowania aktywności użytkownika w kontekście klinicznym lub interakcyjnym.

R10. Uczenie sterowania ruchem humanoida na podstawie nagrań wideo człowieka

Projekt polega na budowie pipeline'u, który przekształca nagrania wideo z ruchu człowieka na trajektorie referencyjne dla robota w symulacji (np. SFV, VideoMimic). Student przeprowadzi proces ekstrakcji pozy, retargetingu na model humanoida oraz treningu polityki sterowania w środowisku Isaac Lab. Efektem będzie demonstrator w symulacji, w którym robot odtwarza zadany ruch z nagrania wideo wraz z analizą dokładności odwzorowania.

R11. Moduł rozpoznawania stanu afektywnego użytkownika z użyciem sygnałów fizjologicznych lub pseudofizjologicznych

Praca bada wykorzystanie lekkich biosensorów (tętno, EDA, oddech) lub ich przybliżeń do klasyfikacji pobudzenia i walencji użytkownika w interakcji z robotem. Student opracuje system ekstrakcji cech z sygnałów fizjologicznych i wytrenuje klasyfikator stanów afektywnych, unikając skomplikowanych zestawów EEG. Rezultatem będzie prototyp modułu wspierającego empatię robotyczną poprzez analizę reakcji organizmu użytkownika.

R12. Ocena przydatności foundation models i multimodalnych modeli w robotyce humanoidalnej

Celem pracy jest analiza i praktyczne przetestowanie dużych modeli multimodalnych w zadaniach planowania i interpretacji poleceń dla robotów. Student zaimplementuje prototyp wykorzystujący np. modele vision-language do wykrywania obiektów open-vocabulary lub dekompozycji złożonych instrukcji tekstowych na akcje robota. Wynikiem będzie raport z testów oraz demonstrator pokazujący realny wpływ modeli foundation na autonomię robota.

R13. System sterowania głosem i prostego dialogu dla robotów mobilnych

Projekt obejmuje opracowanie modułu interpretacji poleceń głosowych z wykorzystaniem matrycy mikrofonowej robota Unitree G1. Zakres prac obejmuje odszumianie sygnału, rozpoznawanie komend, parser intencji oraz integrację z ROS 2 w celu wywoływania akcji fizycznych robota. Efektem będzie interfejs głosowy umożliwiający sterowanie podstawowymi funkcjami humanoida za pomocą naturalnych poleceń mowy.

R14. Detekcja obiektów i sceny dla robota humanoidalnego z użyciem metod open-vocabulary

Praca koncentruje się na wdrożeniu nowoczesnych detektorów potrafiących identyfikować obiekty spoza predefiniowanego zbioru klas (np. na podstawie opisu tekstowego). Student porówna skuteczność metod open-vocabulary z klasycznymi detektorami w warunkach laboratoryjnych, integrując je z systemem wizyjnym robota. Wynikiem będzie aplikacja pozwalająca robotowi na lokalizację dowolnych przedmiotów wskazanych przez operatora bez konieczności dotrenowywania modelu.

R15. Analiza możliwości wykorzystania modeli Isaac Sim do generowania danych syntetycznych dla wizji komputerowej

Celem pracy jest opracowanie zautomatyzowanego procesu generowania zbiorów danych treningowych dla algorytmów wizyjnych przy użyciu symulatora NVIDIA Isaac Sim. Student przygotuje sceny z losową zmianą oświetlenia, tekstur i ułożeń kamer, generując etykiety do detekcji i segmentacji obiektów. Efektem będzie generator danych syntetycznych oraz analiza porównawcza modeli trenowanych na danych rzeczywistych i generowanych komputerowo.

R16. Analiza sterowania i bezpieczeństwa ruchu robota humanoidalnego podczas teleoperacji

Projekt dotyczy zaprojektowania systemu nadzoru nad teleoperacją, który aktywnie zapobiega kolizjom i ruchom zagrażającym stabilności robota. Wykorzystując interfejsy takie jak SpaceMouse czy VR, student wdroży warstwę filtracji komend, ograniczenia zakresów stawów i monitorowanie stanów awaryjnych w Isaac Lab. Wynikiem będzie bezpieczny system teleoperacji z udokumentowaną skutecznością mechanizmów ochronnych.

R17. Porównanie metod uczenia przez naśladownictwo i uczenia ze wzmocnieniem dla robota humanoidalnego

Praca polega na zestawieniu dwóch głównych podejść do uczenia sterowania robotem humanoidalnym w wybranym zadaniu (np. chodzenie lub gestykulacja). Student oceni zapotrzebowanie na dane, stabilność procesu uczenia oraz jakość końcowego sterowania dla obu metod w środowisku symulacyjnym. Rezultatem będzie raport eksperymentalny wskazujący wady i zalety uczenia przez imitację względem uczenia ze wzmocnieniem w robotyce humanoidalnej.

R18. Moduł estymacji uwagi i zaangażowania użytkownika w interakcji z robotem

Celem pracy jest opracowanie systemu oceniającego poziom skupienia i zainteresowania użytkownika na podstawie fuzji danych ze spojrzenia, mimiki i postawy ciała. Wykorzystując lekkie algorytmy percepcji, moduł będzie klasyfikował stany takie jak rozproszenie czy zaangażowanie w interakcję z robotem. Wynikiem będzie prototyp modułu analitycznego dostarczającego robotowi informacji o statusie behawioralnym partnera interakcji.