Icon--AD-black-48x48Icon--address-consumer-data-black-48x48Icon--appointment-black-48x48Icon--back-left-black-48x48Icon--calendar-black-48x48Icon--Checkbox-checkIcon--clock-black-48x48Icon--close-black-48x48Icon--compare-black-48x48Icon--confirmation-black-48x48Icon--dealer-details-black-48x48Icon--delete-black-48x48Icon--delivery-black-48x48Icon--down-black-48x48Icon--download-black-48x48Ic-OverlayAlertIcon--externallink-black-48x48Icon-Filledforward-right_adjustedIcon--grid-view-black-48x48IC-logoutIC-upIcon--info-i-black-48x48Icon--Less-minimize-black-48x48Icon-FilledIcon--List-Check-blackIcon--List-Cross-blackIcon--list-view-mobile-black-48x48Icon--list-view-black-48x48Icon--More-Maximize-black-48x48Icon--my-product-black-48x48Icon--newsletter-black-48x48Icon--payment-black-48x48Icon--print-black-48x48Icon--promotion-black-48x48Icon--registration-black-48x48Icon--Reset-black-48x48share-circle1Icon--share-black-48x48Icon--shopping-cart-black-48x48Icon--start-play-black-48x48Ic-OverlayAlertIcon--summary-black-48x48tumblrIcon-FilledvineIc-OverlayAlertwhishlist

Diese Webseite nutzt unbedingt erforderliche Cookies. Wenn Sie auch der Verwendung von komfortbezogenen Cookies zustimmen, klicken Sie bitte „Einverstanden“. Mit Klick auf „Ändern“ können Sie die Cookie-Einstellung jederzeit ändern und eine erteilte Einwilligung widerrufen. Weitere Informationen erhalten Sie in den Datenschutzhinweisen.

Unsere Forschungsexperten

Liu Ren, Ph.D.

Bosch Human Machine Interaction (HMI) - Intuitiv, interaktiv, intelligent und lebensnah

„Dank bereichsspezifischer künstlicher Intelligenz ermöglichen die von uns entwickelten intuitiven, interaktiven und intelligenten HMI-Lösungen inspirierende Erlebnisse mit Produkten von Bosch, die mehr Lebensqualität schaffen.“

Liu Ren, Ph.D., Global Head und Chief Scientist des HMI

Ich bin Global Head und Chief Scientist des HMI bei Bosch Research im Silicon Valley. Meine Aufgabe ist die Gestaltung der strategischen Ausrichtung und die Entwicklung modernster HMI-Technologien wie AR, Visuelle Analytik, NLP, Conversational AI und Menschliche Faktoren. Ich leite die HMI-Forschungsaktivitäten der Teams in den USA, Deutschland und China. Außerdem erhielt ich den Bosch North America Inventor of the Year Award für 3D-Karten (2016), den Best Paper Award (2018) und den Honorable Mention Award (2016) für Big Data Visual Analytics in der IEEE-Visualisierung.

Lebenslauf

Carnegie Mellon University (USA)

2006

Informatik-Postdoktorand, Visionsbasierte Leistungsschnittstelle, maschinelles Lernen für die Bewegungserfassung, Analyse und Synthese

Mitsubishi Electric Research Laboratories (USA)

2001

Informatik-Doktorand, Computergrafik, Echtzeit-Rendering und wissenschaftliche Visualisierung

Zhejiang University (China)

1999

M. Sc. in Informatik, KI-gestütztes CAD

Ausgewählte Publikationen

  • Title

    D. Liu et al. (2018)

    TPFlow: Progressive partition and multidimensional pattern extraction for large-scale spatio-temporal data analysis
    • D. Liu, P. Xu, L. Ren
    • IEEE Visualization (2018)
    • IEEE Transactions on Visualization & Computer Graphics
    • Best Paper Award
  • Title

    B. P. W. Babu et al. (2018)

    On exploiting per-pixel motion conflicts to extract secondary motions
    • B. P. W. Babu, Z. Yan, M. Ye, L. Ren
    • Mixed and Augmented Reality (ISMAR) (2018)
    • IEEE International Symposium
  • Publications

    A. Bilal et al. (2018)

    Do convolutional neural networks learn class hierarchy?
    • A. Bilal, A. Jourabloo, M. Ye, X. Liu, L. Ren
    • IEEE Visualization (2017)
    • IEEE Transactions on Visualization and Computer Graphics, vol. 24, issue 1, pp. 152-162
  • Publications

    Y. Chen et al. (2018)

    Sequence synopsis: Optimize visual summary of temporal event data
    • Y. Chen, P. Xu, L. Ren
    • IEEE Visualization (2017)
    • IEEE Transactions on Visualization and Computer Graphics, vol. 24, issue 1, pp. 45-55
  • Publications

    Z. Yan et al. (2017)

    Dense visual SLAM with probabilistic surfel map
    • Z. Yan, M. Ye, L. Ren
    • Mixed and Augmented Reality (ISMAR) (2017)
    • IEEE International Symposium (2017)
    • IEEE Transactions on Visualization and Computer Graphics, vol. 23, issue 11
  • Publications

    A. Bilal & L. Ren (2017)

    Powerset: A comprehensive visualization of set intersections
    • IEEE Visualization (2016)
    • IEEE Transactions on Visualization and Computer Graphics, vol. 23, issue 1, pp. 361-370
  • Publications

    P. Xu et al. (2017)

    ViDX: Visual diagnostics of assembly line performance in smart factories
    • P Xu, H. Mei, L. Ren, W. Chen
    • IEEE Visualization (2016)
    • IEEE Transactions on Visualization and Computer Graphics, vol. 23, issue 1, pp. 291-300
    • Best Paper Honorable Mention Award
  • Publications

    A. Jourabloo et al. (2017)

    Pose-invariant face alignment with a single CNN
    • A. Jourabloo, M. Ye, X. Liu, L. Ren
    • Computer Vision (ICCV) (2017)
    • IEEE International Conference on, pp. 3219-3228
  • Publications

    C. Du et al. (2016)

    Edge snapping-based depth enhancement for dynamic occlusion handling in augmented reality
    • C. Du, Y. Chen, M. Ye, L. Ren
    • Mixed and Augmented Reality (ISMAR) (2016)
    • IEEE International Symposium on, pp. 54-62
  • Publications

    M. Ye et al. (2011)

    Accurate 3d pose estimation from a single depth image
    • M. Ye, X. Wang, R. Yang, L. Ren, M. Pollefeys
    • Computer Vision (ICCV) (2011)
    • IEEE International Conference on, pp. 731-738
  • Publications

    X. Huang et al. (2009)

    Image deblurring for less intrusive iris capture
    • X. Huang, L. Ren, R. Yang
    • Computer Vision and Pattern Recognition (CVPR) (2009)
    • IEEE Conference on, pp. 1558-1565
  • Publications

    L. Ren et al. (2005)

    A Data-Driven Approach to Quantifying Natural Human Motion
    • L. Ren, A. Patrick, A. Efros, J. Hodgins, J. Rehg
    • ACM Transactions on Graphics (SIGGRAPH 2005), vol. 24,, issue 3, pp. 1090-1097
  • Publications

    L. Ren et al. (2005)

    Learning Silhouette Features for Control of Human Motion
    • L. Ren, G. Sharknarovich, J. Hodgins, H. Pfister, P. Viola
    • ACM Transactions on Graphics (SIGGRAPH 2004 Recommendation), vol. 24, issue 4, pp. 1303-1331
  • Publications

    L. Ren et al. (2002)

    Object Space EWA Surface Splatting: A Hardware Accelerated Approach to High Quality Point Rendering
    • L. Ren, H. Pfister, M. Zwicker
    • Computer Graphics Forum, vol. 21, issue 3, pp.461-470
    • EUROGRAPHICS 2002, Best Paper Nominee

Interview

Liu Ren, Ph.D.

Liu Ren, Ph.D.

Global Head und Chief Scientist des HMI

„Erzählen Sie doch mal: was fasziniert Sie an der Forschung?“

HMI ist ein wesentlicher Bestandteil des täglichen Lebens. Damit kann Forschung zu HMI-bezogenen Themen wie Erweiterte Realität, Smart Wearables, Visuelle Analytik, Verarbeitung natürlicher Sprache, Conversational AI und Menschliche Faktoren unseren Alltag potenziell erheblich verändern, was ich sehr spannend finde. Die Ergebnisse unserer Forschungsarbeit sind stets konkret und ich spüre die inspirierende oder manchmal emotionale Nutzererfahrung meiner Forschungsergebnisse in faszinierenden Anwendungsbereichen wie Smart Home, Car Infotainment, autonomes Fahren, Robotik und auch im Bereich Industrie 4.0. Die Anforderungen der HMI-Forschung lassen sich oft durch die drei "I's" charakterisieren: Intuitiv, interaktiv und intelligent. Allerdings bin ich der Meinung, dass es noch ein viertes I gibt, nämlich international. Denn verschiedene Länder, Kulturen und Märkte stellen durchaus sehr unterschiedliche Erwartungen an unsere HMI-Produkte. Das hat für mich schon einen gewissen Charme.

Liu Ren, Ph.D.

Liu Ren, Ph.D.

Global Head und Chief Scientist des HMI

„Was macht die Forschung bei Bosch besonders?“

Zunächst einmal hat Bosch eine globale Struktur. Durch die Tätigkeit in unserer Forschungsstätte im Silicon Valley, dem Zentrum für HMI-Innovationen weltweit, haben unsere Forscher die Möglichkeit, das Ökosystem des Silicon Valley zu nutzen, um Trends frühzeitig zu erkennen und Innovationen voranzutreiben, etwa, indem sie zukunftsträchtige Lösungen für unentdeckte HMI-Bedürfnisse entwickeln, die die Zukunft für Bosch sichern. Bosch ist aber nicht nur ein Global Player, wir haben auch ein diversifiziertes Produktprogramm, das Innovationen beim Aufbau nachhaltiger HMI-Lösungen ermöglicht, die kunden- und marktorientiert sind. So können sich unsere Forscher nicht nur wissenschaftlich profilieren, sondern auch greifbare Erfolge am Markt erzielen. Das soll nun aber nicht heißen, dass wir uns nur auf kurzfristige Markterfolge konzentrieren. Bosch ist als Privatunternehmen in einer Position, die auch langfristiges, strategisches Forschungsengagement ermöglicht. Investoren und Interessensgruppen von börsennotierten Unternehmen handeln manchmal so, dass aus faszinierender Forschungsarbeit eine völlig unsichere Tätigkeit wird.

Liu Ren, Ph.D.

Liu Ren, Ph.D.

Global Head und Chief Scientist des HMI

„Woran forschen Sie bei Bosch?“

Bei der Forschung geht es um Breite und Tiefe. Einerseits deckt die HMI-Forschung ein breites Spektrum ab, andererseits gibt es auch Gemeinsamkeiten. So müssen sich die meisten von ihnen beispielsweise mit fachspezifischen KI-Technologien und Anforderungen an die Benutzerfreundlichkeit befassen. Als Leiter unserer weltweiten HMI-Forschungsaktivitäten entwickle ich hauptsächlich in enger Zusammenarbeit mit meinen globalen Teams Forschungsstrategien und Roadmaps für verschiedene HMI-Themenbereiche. Anders gesagt, ich entscheide, was wir tun oder unterlassen - eine anspruchsvolle Aufgabe, die ein tiefes Verständnis für Technologietrends und -grenzen, Marktsituationen, Geschäftsanforderungen und Ressourcenengpässe erfordert. Als Forschungsleiter konzentriere ich mich vor allem auf Visual Computing, ein HMI-Themenfeld, das eng mit der Bilderkennung, der Computergrafik/Visualisierung und dem maschinellen Lernen verbunden ist - was auch mein bevorzugtes HMI-Thema ist. In letzter Zeit habe ich mich in erster Linie dem Thema Augmented Reality, Big Data Visual Analytics und Smart Wearables gewidmet. Wichtige Einsatzbereiche liegen hier bei der Autoreparaturassistenz, dem autonomen Fahren, Sicherheitssystemen und Industrie 4.0. Neben produktbezogenen technischen Transfers wurden einige meiner Forschungsergebnisse in aktuellen preisgekrönten Publikationen zusammengefasst.

Liu Ren, Ph.D.

Liu Ren, Ph.D.

Global Head und Chief Scientist des HMI

„Was sind die größten wissenschaftlichen Herausforderungen in Ihrem Forschungsfeld?“

Ich sehe drei große Herausforderungen in der HMI-Forschung. Zum einen ist es entscheidend, die Benutzerbedürfnisse zu verstehen. Das ist der Schlüssel zu einer höheren Benutzerfreundlichkeit für ein intelligentes HMI-System (z.B. intelligente Lautsprecher). Hier sind wir noch weit von der perfekten Lösung entfernt, denn mit konventionellen Eingabeverfahren wie Sprache, Audio, Gestik und optischen Signalen ist es bisher noch eine echte Herausforderung, Verhalten, Emotionen und Absichten des Benutzers zuverlässig zu erkennen. Zweitens ist es immer noch nicht leicht, eine intuitive Benutzerführung für HMI außerhalb von Gebäuden umzusetzen. Die meisten HMI-Lösungen funktionieren in kontrollierten Umgebungen relativ gut (z.B. AR-System in ruhiger und Innenumgebung), sind jedoch in unkontrollierten Umgebungen (z.B. verrauschte Außenumgebung) instabil und unzuverlässig, was sich negativ auf die Benutzerfreundlichkeit bisheriger HMI-Lösungen auswirkt. Und ein letzter Punkt: Das Vertrauen der Menschen in KI-basierte Systeme muss erst noch gefestigt werden. In Forschungskreisen haben neuere Aktivitäten im Zusammenhang mit dem Einsatz visueller Analysen, bei denen es um die Kombination von Datenvisualisierung, Benutzerinteraktion und Datenanalyse zur Optimierung der Interpretierbarkeit von KI ging, für Aufsehen gesorgt.

Liu Ren, Ph.D.

Liu Ren, Ph.D.

Global Head und Chief Scientist des HMI

„Wie werden Ihre Forschungsergebnisse zu "Technik fürs Leben"?“

Es ist immer spannend, wenn man mit HMI-Forschungsergebnissen Einfluss auf den Alltag nehmen kann. Ein solcher Höhepunkt war 3D artMap. 3D artMap ist die weltweit erste künstlerisch gestaltete 3D-Karte zur Navigation und hebt mit ihrer kunstvollen Optik, die die Orientierung erleichtert und für ein individuelles Fahrerlebnis sorgt, die Bedeutung von Karten hervor. 3D artMap gehört in der Automobilindustrie inzwischen zum Standard und wird zurzeit in diversen Navigationsprodukten für Autos eingesetzt. Ein anderes Beispiel ist der Bosch Intelligent Glove (BIG), ein aktuelles Highlight im Bereich Industrie 4.0. BIG ist ein intelligenter Sensorhandschuh, der die Qualität und Effizienz der Produktion steigern und somit die Herstellungskosten senken kann. Möglich ist das durch unsere einzigartige Fingerbewegungserkennung und die entsprechenden Analyse-Algorithmen. BIG wurde zunächst versuchsweise in mehreren Bosch-Werken in China eingesetzt und kürzlich mit dem „World's Top 10 Industry 4.0 Innovation Award" der Chinese Association of Science and Technology ausgezeichnet. Zu den Preisträgern zählten auch Industrie-4.0-Innovationen von Siemens, GE und anderen Herstellern. Über den wirtschaftlichen Erfolg entscheidet manchmal auch, ob man ein Forschungsthema mit viel Potenzial zum richtigen Zeitpunkt erkennt. Vor drei Jahren habe ich angefangen, im Bereich Visuelle Analytik zu forschen. Zusammen mit meinen Kollegen habe ich eine Reihe wegweisender Lösungen entwickelt, die nicht nur Auszeichnungen in wissenschaftlichen Kreisen erhielten, sondern auch von unseren Geschäftsbereichen für konkrete Produkte benötigt wurden. Das hängt damit zusammen, dass man der präziseren Interpretation von KI und Big Data heutzutage mehr Bedeutung beimisst als früher.

Ihr Kontakt zu mir

Teile diese Seite auf