Kutatási témák hallgatóknak

A kutatási témáim közös célja, hogy a mesterséges intelligencia, a robotika, a virtuális valóság, az érzékelőrendszerek és a korszerű szoftvertechnológiák ne csak elméleti lehetőségek maradjanak, hanem működő, kipróbálható, mérhető rendszerekké váljanak.

Olyan hallgatókat várok, akik szívesen dolgoznak valódi problémákon, szeretnének prototípusokat építeni, algoritmusokat fejleszteni, kísérletezni, és közben megtanulni, hogyan lesz egy ötletből kutatási eredmény, demonstráció, TDK-munka, szakdolgozat, diplomamunka vagy akár publikáció.

A témák sokfélék, de mindegyikben közös, hogy több tudásterület találkozik bennük: gépi tanulás, mélytanulás, robotika, beágyazott rendszerek, orvosi és rehabilitációs alkalmazások, VR/AR technológiák, generatív mesterséges intelligencia, GPU-s számítások, dokumentumfeldolgozás és emberközpontú technológiafejlesztés. Nem feltétel, hogy a hallgató mindenhez értsen a jelentkezéskor. Sokkal fontosabb a kíváncsiság, a kitartás, az önálló gondolkodás és az, hogy legyen kedve valami működőt létrehozni.

Mesterséges intelligencia, mélytanulás és érzékelő robotika

A mélytanulás ma már nemcsak képek osztályozására vagy szövegek feldolgozására használható, hanem érzékelő-robotikai rendszerekben is egyre fontosabb szerepet kap. Ilyen kutatási irány például egy mozgásforma — például járás vagy más robotikus mozgás — megtanítása először szimulációban, majd lehetőség szerint valós környezetben. A hallgató ebben a témában megismerkedhet a robotikai szimulációkkal, neurális hálózatokkal, megerősítéses tanulással, szenzoradatok feldolgozásával és a szimulációból valós rendszerbe történő átvitellel.

Ehhez kapcsolódnak az orvosi képfeldolgozási feladatok is, ahol mélytanulási módszerekkel orvosi felvételek kategorizációja, elemzése vagy szegmentációja valósítható meg GPU-s környezetben. Ez a terület különösen jó választás azoknak, akiket érdekel a mesterséges intelligencia gyakorlati, egészségügyi hasznosítása, és szeretnék megtanulni, hogyan lehet neurális hálózatokat képi diagnosztikai problémákra alkalmazni.

Emberközpontú technológiák: egészség, rehabilitáció és digitális jóllét

Több téma középpontjában az áll, hogyan lehet a technológiát közvetlenül emberek támogatására használni. Ilyen például egy rehabilitációs eszköz fejlesztése, amely a helyes lábtartást monitorozza, és vibrációs visszajelzéssel segíti a felhasználót. A feladat egyszerre tartalmaz hardveres és szoftveres kihívásokat: szenzorokkal kell mérni a lábfej helyzetét, beágyazott rendszeren kell feldolgozni az adatokat, Bluetooth-kapcsolaton keresztül mobilalkalmazással kell paraméterezni az eszközt, majd visszajelzést adni a felhasználónak.

Szintén emberközpontú irány a mobilfüggőség csökkentését célzó rendszer fejlesztése. A cél egy olyan megoldás vizsgálata és prototípusának elkészítése, amely nem pusztán tiltással próbálja csökkenteni a túlzott telefonhasználatot, hanem a használati élmény módosításával, felügyeleti funkciókkal és kutatási eredményekre épülő beavatkozásokkal segíti a tudatosabb digitális viselkedést. Ez a téma különösen érdekes lehet azoknak, akiket az alkalmazásfejlesztés mellett a pszichológiai, társadalmi és etikai kérdések is foglalkoztatnak.

Virtuális valóság, terápiás rendszerek és generatív 3D környezetek

A VR-technológia új lehetőségeket nyit a diagnosztikában, terápiában, oktatásban és adatvizualizációban. Az egyik téma célja VR-környezet fejlesztése kényszerbetegségben, vagyis OCD-ben érintett személyek diagnosztikai és terápiás támogatására. A hallgató olyan virtuális helyzetek kialakításán dolgozhat, amelyek későbbi klinikai kutatásokban kontrollált, mérhető és biztonságos környezetet biztosítanak. A téma jó lehetőséget ad a VR-fejlesztés, a pszichológiai alkalmazások és az ember-gép interakció összekapcsolására.

Egy másik, kifejezetten előremutató irány a generatív text-to-3D videórendszerek fejlesztése VR-környezethez. A cél olyan prototípus létrehozása, amely természetes nyelvű szöveges leírásból képes térbeli jelenetet, 3D objektumokat, animációt és végül VR-ben megjeleníthető tartalmat előállítani. A téma érinti a diffúziós modelleket, neurális renderelést, jelenetépítést, Blender-, Unity-, Unreal- vagy OpenXR-alapú fejlesztést. Különösen izgalmas azok számára, akiket érdekel, hogyan válhat egy egyszerű szöveges utasításból térbeli történet, oktatási jelenet vagy interaktív vizualizáció.

Robotika, szoftrobotika és bioinspirált rendszerek

A robotikai témák között szerepel egy moduláris és flexibilis robotkar tervezése is, amely hüllők morfológiáját és mozgásmechanizmusait utánozza. A szoftrobotikai megközelítés lényege, hogy a merev szerkezetek helyett puha, hajlékony, alkalmazkodó anyagok és aktuátorok segítségével hozunk létre nagy szabadságfokú mozgást. A projektben a hallgató bioinspirált tervezési elveket tanulmányozhat, szimulációkat készíthet, vezérlési stratégiákat dolgozhat ki, és akár egy vagy több robotkarszegmens prototípusát is megépítheti.

Ez a téma különösen azoknak ajánlott, akik szeretik a kézzelfogható mérnöki munkát: a mechanikai tervezést, a 3D modellezést, az anyagokkal való kísérletezést, a beágyazott vezérlést és a robotikai szimulációt. A cél nem csupán egy látványos szerkezet megépítése, hanem annak megértése is, hogyan lehet a természetben megfigyelhető mozgásmintákat mérnöki rendszerekben hasznosítani.

Vízimentést segítő mesterséges intelligencia és szenzorrendszerek

Kiemelt alkalmazási terület a vízi katasztrófavédelem támogatása mesterséges intelligenciával és szenzoradatok feldolgozásával. A motiváció egy olyan rendszer fejlesztése, amely rossz látási viszonyok között, például zavaros folyóvízben is segítheti a búvárok tájékozódását és a mentési munkát. A hagyományos kamerák ilyen környezetben gyakran használhatatlanok, ezért a szonárképek, pontfelhők, orientációs adatok és mesterséges intelligencia alapú rekonstrukciós módszerek különösen fontos szerepet kapnak.

A kutatási irány célja, hogy a búvár ne csak korábban elkészített térképre vagy emlékezetből történő tájékozódásra támaszkodjon, hanem aktuális helyzetének és orientációjának megfelelő, térben illesztett vizuális információt kapjon. A feladat több részterületre bontható: szonáradatok feldolgozása, neurális hálózatok tanítása, multimodális szenzorfúzió, 3D rekonstrukció, VR/AR megjelenítés és valós idejű navigációs támogatás. Ez a téma nagy kihívás, de éppen ezért komoly kutatási és mérnöki értéke van.

GPU-s számítások és kvantumkémiai szimulációk

A nagy számításigényű tudományos problémák megoldásában kulcsszerepe van a GPU-knak és a gépi tanulásnak. Az egyik kutatási téma célja kvantumkémiai algoritmusok gyorsítása GPU-s implementációval. A hallgató ebben a munkában megismerkedhet a párhuzamos számításokkal, a GPU-programozás alapjaival, valamint azzal, hogyan lehet tudományos számítási feladatokat hatékonyabbá tenni modern hardvereken.

Ehhez kapcsolódik a gépi tanulással támogatott kiinduló állapot becslés kvantumkémiai szimulációhoz. A kvantumkémiai számításokban a megfelelő kezdeti becslés jelentősen befolyásolhatja az iteratív módszerek sebességét és stabilitását. A hallgató feladata olyan gépi tanulási keretrendszer kialakítása lehet, amely a jelenlegi módszereknél pontosabb vagy hatékonyabb kezdőbecslést ad. Ez a téma jó választás azoknak, akiket érdekel a mesterséges intelligencia és a természettudományos számítások találkozása.

Generatív mesterséges intelligencia, AI ágensek és dokumentumfeldolgozás

A generatív mesterséges intelligencia gyorsan fejlődő terület, amely nemcsak szövegalkotásra, hanem komplex munkafolyamatok támogatására is használható. Az egyik téma AI ágensek alkalmazását vizsgálja dokumentációs feladatokban: API- és README-dokumentációk generálása, jegyzőkönyvek készítése, teendők követése, változásnaplók karbantartása, stílus- és teljességi követelmények ellenőrzése, valamint artefaktumok összekapcsolása a jobb nyomon követhetőség érdekében. A cél egy működő, mérhető prototípus, amely objektív módon értékeli, hogy az AI mennyiben javítja a dokumentációs munka minőségét és hatékonyságát.

Egy másik téma tudományos publikációk generatív MI-vel támogatott konvertálására fókuszál. A cél olyan folyamat kialakítása, amely újonnan megjelenő tudományos cikkeket különböző formátumokba és stílusokba tud átalakítani. A hallgató foglalkozhat LLM-ekkel, szabályalapú konverziós eszközökkel, formátumhelyesség ellenőrzésével, olvashatósági és stíluskonformitási értékeléssel, valamint a jogszerű és átlátható tartalomfelhasználás kérdéseivel.

Szintén generatív MI-hez kapcsolódik a szabadalombeadási folyamat támogatása ágensalapú rendszerrel. A cél olyan prototípus tervezése, amely segíthet prior art keresésben, műszaki leírás vázlatának elkészítésében, szabadalmi igénypontok generálásában, dokumentumformázásban és a hiányos vagy félreérthető inputok felismerésében. Ez a téma különösen jó lehetőség azok számára, akiket egyszerre érdekel a mesterséges intelligencia, a nyelvtechnológia, a műszaki dokumentáció és az innovációvédelem.

Biztonságos, értelmezhető és felelős generatív AI

A generatív mesterséges intelligencia alkalmazása csak akkor lehet hosszú távon hasznos, ha közben értjük a kockázatait is. Ezért külön kutatási téma foglalkozik a generatív AI rendszerek — különösen a nagynyelvű modellek — biztonsági, értelmezhetőségi és etikai kérdéseivel. A hallgató vizsgálhat prompt injection támadásokat, adatszivárgási kockázatokat, modellinverziót, hallucinációt, torzítást, magyarázhatóságot és a tanító adatok hatását a modellek viselkedésére.

A munka eredménye lehet kritikai összefoglaló, esettanulmány, kísérleti vizsgálat vagy konkrét kockázatcsökkentő javaslat. Ez a téma azoknak ajánlott, akik nemcsak használni szeretnék az AI-rendszereket, hanem megérteni is akarják, mikor megbízhatóak, mikor veszélyesek, és hogyan lehet őket felelősen alkalmazni.

Akadálymentes kommunikáció: jelnyelv-felismerés és jelnyelv-detektálás

A gépi tanulás fontos szerepet játszhat az akadálymentes kommunikáció fejlesztésében is. Az egyik téma az amerikai jelnyelvi ujjábécé, vagyis a fingerspelling valós idejű felismerésével foglalkozik. A feladat póz-landmark adatokra, modern szekvenciamodellekre — például LSTM-ekre és Transformerekre —, valamint működő felismerő prototípus fejlesztésére épül. A hallgató az egyszerű baseline modellektől eljuthat fejlettebb architektúrákig és valós idejű demonstrációig.

Ehhez kapcsolódik a jelnyelvi kommunikáció detektálása videókonferencia-alkalmazásokban. Itt nem feltétlenül a jelek pontos jelentésének felismerése a cél, hanem annak eldöntése, hogy egy személy éppen jelel-e vagy sem. Ez a képesség segíthet abban, hogy videóhívások során a jelnyelvet használó résztvevők könnyebben kapjanak figyelmet, és a rendszerek jobban támogassák az akadálymentes kommunikációt. A téma ötvözi a pózbecslést, videófeldolgozást, időbeli modellezést és valós idejű gépi tanulási rendszerek fejlesztését.

Mit nyerhet a hallgató ezekkel a témákkal?

Ezek a kutatási témák nem előre legyártott feladatok, hanem nyitott fejlesztési és kutatási irányok. A hallgató az érdeklődésének megfelelően választhat inkább algoritmikus, szoftverfejlesztési, hardveres, robotikai, orvosi, VR-es vagy dokumentumfeldolgozási fókuszt. A munka során lehetőség van szakirodalom-feldolgozásra, saját prototípus építésére, mérésekre, kísérletekre, összehasonlító értékelésre, demó készítésére és tudományos igényű eredmények megfogalmazására.

A témák különösen alkalmasak TDK-munkának, szakdolgozatnak, diplomamunkának vagy hosszabb távú kutatási együttműködésnek. Kezdő hallgatók számára is található belépési pont, például egyszerűbb prototípus, adatfeldolgozó modul vagy baseline modell elkészítése. Haladóbb hallgatók mélyebb kutatási kérdésekkel, optimalizálással, rendszerintegrációval vagy publikálható eredmények előkészítésével is foglalkozhatnak.

Olyan hallgatók jelentkezését várom, akik szeretnének a mesterséges intelligencia és a mérnöki fejlesztés határterületén dolgozni, nem riadnak vissza az új eszközök megtanulásától, és szívesen vesznek részt olyan projektekben, amelyeknek kézzelfogható társadalmi, tudományos vagy technológiai haszna lehet. A legfontosabb nem az, hogy valaki már mindent tudjon, hanem hogy legyen benne kíváncsiság, tanulási kedv és kitartás.