Zum Hauptinhalt springen
Unsere Forschungsexperten

Liu Ren, Ph.D.

VP und Chief Scientist of Integrated Human-Machine Intelligence

Mit integrierter Human-Machine Intelligence ebnen wir den Weg für intelligente und vertrauenswürdige AIoT-Produkte und -Dienstleistungen, die begeistern und die Lebensqualität verbessern.

Liu Ren, Ph.D.

Ich bin der Vizepräsident und Chief Scientist of Integrated Human-Machine Intelligence (HMI) bei der Bosch Forschung in Nordamerika. Ich lenke strategische Entscheidungen und bin verantwortlich für die Entwicklung hochmoderner KI-Technologien mit den Schwerpunkten visuelle Big Data Analytik, Erklärbare künstliche Intelligenz, Mixed Reality/AR, Computerwahrnehmung, NLP, Conversational AI, Audioanalyse und Datenanalyse von tragbaren Geräten für AIoT-Anwendungsbereiche. Diese sind zum Beispiel autonomes Fahren, Fahrzeug-Infotainment und fortgeschrittene Fahrassistenzsysteme (ADAS), Industrie 4.0, Smart-Home/Building-Lösungen, Robotik und weitere. Als verantwortlicher Global Head überwache ich die Forschungsaktivitäten der Teams im Silicon Valley (USA), Pittsburgh (USA) und Renningen (Deutschland). Ich wurde mit dem Bosch North America Inventor of the Year Award für 3D-Karten (2016) ausgezeichnet und erhielt zwei Mal den Best Paper Award (2018, 2020) sowie den Honorable Mention Award (2016) für visuelle Big Data Analytik auf der IEEE Visualization Konferenz.

Erzählen Sie doch mal: was fasziniert Sie an der Forschung?
Im Zeitalter der KI befasst sich unsere Forschung in diesem Bereich damit, wie wir maschinelle mit menschlicher Intelligenz kombinieren können, um leistungsfähige AIoT-Produkte und -Dienstleistungen mit einem hohen Level an Nutzerfreundlichkeit zu erschaffen. Die KI-Forschung zu Themen wie Mixed Reality/AR, Conversational AI und Smart Wearables sowie die daraus resultierenden Produkte, können unser alltägliches Leben maßgeblich beeinflussen. Zudem können viele arbeitsintensive Aufgaben für unsere Mitarbeitenden und Forschenden automatisiert werden, indem wir Herausforderungen in den Bereichen Visuelle Big Data Analytik, Erklärbare KI, NLP, Audioanalyse usw. bewältigen. Mich fasziniert das große Potenzial unserer Forschungen. Die Ergebnisse können nicht nur auf den führenden KI-Konferenzen vorgestellt werden, sondern sind vor allem konkret nutzbar. Sie sind Alleinstellungsmerkmale, die unsere Produkte in unseren Geschäftsbereichen so erfolgreich machen – darunter autonomes Fahren, fortgeschrittene Fahrassistenzsysteme, Smart Home/Building, Fahrzeug-Infotainment, Smart Manufacturing, Robotik und viele mehr.

Was macht die Forschung bei Bosch besonders?
Zunächst einmal ist Bosch international aufgestellt. Durch die Arbeit am Forschungsstandort im Silicon Valley, dem Dreh- und Angelpunkt für KI und Softwareinnovationen, profitieren unsere Forschenden von der dortigen Netzwerkstruktur. So können sie frühzeitig Trends erkennen und mitgestalten, mit Professoren aus hochrangigen Universitäten wie Stanford und UC Berkley an Forschungsschwerpunkten zusammenarbeiten und Innovationen vorantreiben, indem sie sich mit neu entstehenden und bislang unerkannten Geschäftsbedürfnissen befassen. Auf diese Art wollen sie die Welt um uns herum positiv verändern und die zukünftige Entwicklung von Bosch mitbestimmen. Neben der internationalen Aufstellung verfügt Bosch auch über ein breit gefächertes Produktportfolio, was unseren Forschenden ermöglicht, Innovationen durch nachhaltige KI-Lösungen voranzubringen, die kundenorientiert und marktgerecht sind und eine signifikante Wirkung erzielen, weit über das Streben nach wissenschaftlichen Erfolgen hinaus. Das heißt jedoch nicht, dass wir uns nur auf kurzfristige Ergebnisse konzentrieren. Bosch ist in der einzigartigen Position, langfristige Forschung passend zu unserer Geschäftsstrategie verfolgen zu können. Weil Bosch nicht am Aktienmarkt notiert ist, sind wir von Schwankungen an der Börse weniger betroffen.

Woran forschen Sie bei Bosch?
Forschung geht immer sowohl in die Breite als auch in die Tiefe. Obwohl das Forschungsgebiet der Human-Machine Intelligence (HMI) sehr umfangreich ist, haben die verschiedenen Forschungsanwendungen auf diesem Gebiet etwas gemeinsam. Die meisten von ihnen müssen bereichsspezifische KI-Technologien und Benutzeranforderungen handhaben. Als verantwortlicher Global Head arbeite ich eng mit meinen internationalen Teams zusammen, um Forschungsstrategien und Fahrpläne für die verschiedenen AIoT-Themenbereiche zu entwerfen. Eine herausfordernde Aufgabe, für die man ein tiefes Verständnis für technologische Trends und Grenzen, Marktsituationen, Geschäftsbedürfnisse und Ressourcenbeschränkungen benötigt. Als Chief Scientist konzentriert sich meine Forschung eher auf Visual Computing, ein spezifischer KI-Themenbereich, der eng mit Computer Vision, Computer Graphics, Visualisierung und Maschinenlernen verwandt ist – das ist übrigens auch mein Lieblingsforschungsthema. Mein Forschungsschwerpunkt umfasst visuelle Big Data Analytik, erklärbare KI, Mixed Reality/AR, 3D-Wahrnehmung und Smart Wearables, die ein Hauptbestandteil von Schlüsselprodukten und -services für V&V beim autonomen Fahren, Cloud-basierte Handelsanalyse, intelligente Fahrzeugreparaturassistenten, Fahrzeug-Infotainment, intelligente Messwerkzeuge und Industrie 4.0 sind. Zusammen mit meinem Team und unseren Partnern habe ich insbesondere dabei geholfen, die Forschung zu visueller Analytik und erklärbarer KI im Sinne von AIoT innerhalb der Wissenschaftsgemeinschaft mitzuprägen. Für diesen Bereich der Bosch Forschung habe ich kürzlich drei Best Paper bzw. Honorable Mention Awards auf renommierten Konferenzen für Computerwissenschaften gewonnen.

Was sind die größten wissenschaftlichen Herausforderungen in Ihrem Forschungsfeld?
Ich sehe drei wesentliche Herausforderungen für unsere AIoT-Forschung. Alle hängen mit dem Skalierungsbedarf typischer AIoT-Produkte und -Dienstleistungen zusammen. Der Schlüssel für ein herausragendes Nutzererlebnis bei großflächig eingeführten AIoT-Produkten (z. B. Smart Speaker) liegt zunächst einmal darin, den Benutzerkreis zu verstehen. Das ist schon seit langem ein Problem in der Forschung, weil es noch immer sehr schwierig ist, die Intentionen, das Verhalten und die Gefühle der Benutzerinnen und Benutzer durch verschiedene Inputverfahren wie Sprache, Audio, Gesten und Bildmaterial genau nachzuvollziehen. Zweitens stehen wir noch immer vor der großen Herausforderung, herauszufinden, wie wir ein intuitives Nutzererlebnis für AIoT-Produkte und -Dienstleistungen in einer dynamischen Umgebung umsetzen können. Die meisten bisherigen Lösungen funktionieren in kontrollierten Umgebungen gut (z. B. AR-Systeme in ruhigen, geschlossenen Räumen), weisen jedoch mangelnde Stabilität und Skalierbarkeit in unkontrollierten Umgebungen auf (z. B. laute Außenumgebung). Dadurch sind einige der bestehenden Lösungen kaum für eine breitere Einführung geeignet. Und schließlich können neben der Nutzererfahrung auch Aspekte der Vertrauenswürdigkeit die umfassende Übernahme von AIoT-Produkten oder -Dienstleistungen erschweren, da die meisten KI-Systeme wie eine Black Box funktionieren. Hier könnte es hilfreich sein, menschliche Intelligenz zur Verbesserung der Interpretierbarkeit und Stabilität eines KI-Systems einzusetzen. Eine visuelle Analytik, die Representation Learning (z. B. XAI), Datenvisualisierung und minimale Benutzerinteraktion miteinander kombiniert, gilt beispielsweise als vielversprechender Ansatz zur Lösung dieses Problems.

Wie werden Ihre Forschungsergebnisse zu „Technik fürs Leben“?
Damit unsere Ergebnisse Teil einer „Technik fürs Leben“ werden können, müssen sie eine echte Wirkung in der realen Welt erzielen. Ein früheres Highlight ist die 3D artMap. Als weltweit erste künstlerisch gestaltete 3D-Karte zur Navigation hebt die 3D artMap wichtige Elemente auf der Karte durch künstlerische Gestaltung hervor, erleichtert die Orientierung und ermöglicht ein individuelles Fahrerlebnis. Sie wurde als Standardprodukt der Automobilindustrie übernommen und kommt aktuell in einer Reihe von Navigationssystemen zum Einsatz. Ein weiteres Beispiel ist der Bosch Intelligent Glove (BIG), eines der neuesten Highlights aus dem Bereich Industrie 4.0. Der intelligente Handschuh verfügt über smarte Sensoren und kann die Qualität und Effizienz der Produktion verbessern und somit die Herstellungskosten verringern – und zwar basierend auf unseren einzigartigen Algorithmen zur Erkennung und Analyse detaillierter Fingerbewegungen. Neben der erfolgreichen SOP in China hat BIG vor Kurzem den „World’s Top 10 Industry 4.0 Innovation Award“ des chinesischen Verbands für Wissenschaft und Technologie gewonnen. Der Großteil unserer jüngsten Forschung zu visueller Analytik und erklärbarer KI hat nicht nur unsere Wissenschaftsgemeinschaft beeinflusst (z. B. drei kürzlich erhaltene Best Paper bzw. Honorable Mention Awards auf hochrangigen Konferenzen für Computerwissenschaften), sondern wird auch für unsere wichtigsten AIoT-Anwendungen in den Bereichen Mobilität, Konsumgüter und Smart Manufacturing eingesetzt.

Lebenslauf

Seit 2006
Informatik-Postdoktorand, Visionsbasierte Leistungsschnittstelle, maschinelles Lernen für die Bewegungserfassung, Analyse und Synthese, Carnegie Mellon University (USA)

2001
Informatik-Doktorand, Computergrafik, Echtzeit-Rendering und wissenschaftliche Visualisierung, Mitsubishi Electric Research Laboratories (USA)

1999
M. Sc. in Informatik, KI-gestütztes CAD, Zhejiang University (China)

Porträt von Liu Ren, Ph.D.

Ausgewählte Publikationen

Title

L. Gou et al. (2020)

VATLD: A Visual Analytics System to Assess, Understand and Improve Traffic Light Detection
  • L. Gou, L. Zou, N. Li, M. Hofmann, A. K. Shekar, A. Windt, L. Ren
  • EEE Visualization (VAST) (2020)
  • IEEE Transactions on Visualization and Computer Graphics 2021
  • Best Paper Award
Title

L. Ren (2020)

More Transparent AI with Visual Analytics
  • Bosch Digitial Annual Book 2019
Title

L. Ren (2019)

Opening the Black Box of Automotive AI – A Visual Analytics Approach
  • Auto.AI USA 2019
  • Opening Keynote
Title

Y. Ming et al. (2019)

ProtoSteer: Steering Deep Sequence Model with Prototypes
  • Y. Ming, P. Xu, F. Cheng, H. Qu, L. Ren
  • IEEE Visualization (VAST) (2019)
  • IEEE Transactions on Visualization and Computer Graphics ( Volume: 26, Issue: 1, Jan. 2020)

Ihr Kontakt zu mir

Liu Ren, Ph.D.
VP und Chief Scientist of Integrated Human-Machine Intelligence

Teile diese Seite auf