Scriptiebank overzicht

Om maatschappelijke uitdagingen aan te pakken, is de vraag naar sterke STEM-profielen en ingenieurs groot. De instroom blijft echter beperkt doordat jongeren vaak een stereotiep beroepsbeeld hebben en drempels ervaren om zich met het vakgebied te identificeren. Projectmatige STEM-interventies in het secundair onderwijs trachten jongeren te motiveren door de kloof met de praktijk te dichten. De impact hiervan op de ontwikkeling van de ingenieursidentiteit is echter onvoldoende systematisch onderzocht. Deze masterproef brengt de ingenieursidentiteit van Vlaamse leerlingen in de derde graad secundair onderwijs in kaart. Specifiek wordt onderzocht welke factoren hiermee samenhangen aan de startlijn en hoe deze evolueert na deelname aan een STEM-interventie.

In dit onderzoek werd een kwantitatief design met een voor- en nameting via vragenlijsten gehanteerd om de impact van verschillende projectmatige STEM-interventies doorheen het schooljaar te evalueren. De initiële steekproef bestond uit 459 leerlingen uit de derde graad van het secundair onderwijs met minstens enige interesse in ingenieurswetenschappen. Voor de effectmeting werd een subset van 283 leerlingen geanalyseerd die zowel de pre- als de post-test voltooiden. De data werden geanalyseerd via t-testen, variantieanalyses en meervoudige lineaire regressies. Uit de startmeting bleken significante structurele verschillen: binnen de geïnteresseerde groep scoorden jongens hoger dan meisjes op alle componenten van ingenieursidentiteit: interesse, competentie en erkenning. Daarnaast rapporteerden leerlingen van wie de ouders een master- of doctoraatsdiploma bezaten een hogere perceptie van de eigen competentie dan de leerlingen van wie de ouders een bachelor diploma bezaten. Wat betreft de psychologische componenten toonden de regressiemodellen aan dat sense of belonging (het gevoel erbij te horen) met voorsprong de sterkste verklarende factor was voor de opbouw van een ingenieursidentiteit, met een aanzienlijk grotere invloed dan louter de initiële interesse in engineering of STEM. Verder wezen de pre-post analyses op een algemene daling van de ingenieursidentiteit na de projecten, ongeacht het type interventie of de periode in het schooljaar. Bij leerlingen met een matige interesse (de 'twijfelaars') vertaalde dit zich in een afname op alle identiteitsschalen. Bij sterk geïnteresseerde leerlingen daalde enkel de interesse, terwijl hun gevoel van competentie en erkenning stabiel bleef.

De resultaten suggereren dat sense of belonging een fundamentelere laag vormt voor de ontwikkeling van een ingenieursidentiteit dan louter inhoudelijke interesse. Dit impliceert dat onderwijsinterventies niet uitsluitend moeten inzetten op technologische uitdagingen, maar expliciet moeten investeren in een inclusief leerklimaat om drempels voor ondervertegenwoordigde groepen, zoals meisjes, weg te werken. De geobserveerde daling in identiteitsscores hoeft niet als falen geïnterpreteerd te worden. Naast ongemeten doelen zoals leerwinst, fungeerde de interventie voor velen immers als een realistische oriëntatietool om verwachtingen te kalibreren voor het hoger onderwijs.

Eenzaamheid bij ouderen is een groeiend gezondheidsprobleem, en sociale robots kunnen een aanvulling zijn op menselijk contact. Robots met een taalmodel praten vlot, maar luisteren slecht. Deze scriptie laat een tweede taalmodel meeluisteren dat de robot in realtime bijstuurt. In een test met zestien deelnemers en de robot Pepper werd de robot proactiever en reageerde hij in stressvolle gesprekken beter op emoties.

Eén op de tien ouderen voelt zich eenzaam (WHO, 2025). Dat raakt niet alleen het welzijn, maar verhoogt ook het risico op onder meer hart- en vaatziekten en depressie. Sociale robots kunnen een aanvullende rol spelen in woonzorgcentra. Niet om het menselijk contact te vervangen, maar om het te versterken.

Een robot die écht een gesprek kan voeren, is echter minder evident dan het lijkt. Dankzij taalmodellen kunnen robots tegenwoordig inhoudelijk een zinvol antwoord geven, maar het gesprek voelt vaak onnatuurlijk aan. De robot heeft moeite met het einde van een zin te bepalen, een bepaald dialect te kunnen verstaan of te kunnen aangeven dat die actief aan het luisteren is. Dat laatste laten we voortdurend merken, met korte signalen zoals "mhm", "ja" of "oh wow", of met een knik. In de literatuur heten die signalen: "backchannels".

Naar aanleiding van deze masterproef werd een module ontwikkeld die Pepper, een sociale robot, laat bepalen wanneer die best een backchannel teruggeeft en welk type (een eerder neutrale "mhm" of een inhoudelijke reactie zoals "wow"). Daarbij werden twee methodes getest om dat moment te voorspellen, een regelgebaseerde en een machine-learningaanpak. Hieruit bleek dat de machine-learningaanpak voor een verhoogde betrokkenheid zorgt met de robot. Zo voelt de robot niet enkel meer natuurlijk aan, maar zorgt dit er ook voor dat mensen langer met de robot in interactie gaan.

Deze thesis breidt een framework voor verklaarbare AI uit zodat het realistischere scenario's kan verwerken. Met behulp van reinforcement learning leert een AI-systeem autonoom taken uit te voeren en genereert het interpreteerbare computerprogramma's die zijn beslissingen verklaren. Dit verhoogt de transparantie, ondersteunt menselijke experts bij het valideren van AI-beslissingen en draagt bij aan betrouwbare AI-systemen.

Traditionele reanimatietraining voor verpleegkundigen steunt vaak op externe 2D-interfaces voor feedback, wat leidt tot het split-attention effect. De hulpverlener moet hierbij de aandacht verdelen tussen de fysieke handeling op de reanimatiepop en een extern scherm, wat de cognitieve belasting verhoogt en de leercurve belemmert. Deze bachelorproef onderzoekt hoe Mixed Reality (MR) technologie dit proces kan optimaliseren door real-time, intuïtieve feedback direct in het gezichtsveld
van de gebruiker te projecteren. Het doel van dit onderzoek was de ontwikkeling van een Proof of Concept (PoC) op de Meta Quest 3, waarbij sensordata van een reanimatiepop in real-time wordt gevisualiseerd via een Unity-applicatie. Een significante technische barrière in dit proces was de gesloten aard van de beschikbare communicatieprotocollen. Hoewel de fabrikant eigen ecosystemen aanbiedt, ontbreekt een publiek toegankelijke en gedocumenteerde SDK die directe integratie met de Meta Quest 3 en de Unityomgeving mogelijk maakt. Daarnaast vormt de beperkte native ondersteuning voor Bluetooth Low Energy (BLE) binnen de standaard Unity-ontwikkelomgeving voor Android-gebaseerde headsets een extra hindernis.
Om dit probleem te overbruggen, is een diepgaand technisch onderzoek uitgevoerd
naar het communicatieprotocol van de pop. Door middel van reverse engineering
technieken waaronder het decompileren van officiële software en het analyseren van Bluetooth Low Energy (BLE) pakketjes via HCI snoop logs en Wireshark op een gerouteerd Android-toestel zijn de verborgen handshakes en datacharacteristics
ontcijferd. Het resultaat is een werkend prototype dat live sensordata (zoals compressiediepte en frequentie) vertaalt naar ruimtelijke visualisaties, waaronder een ghost avatar en een dynamisch reagerend hartmodel. De voorlopige resultaten van deze PoC tonen aan dat MR in staat is om de kloof tussen haptische ervaring en visuele feedback te dichten. Dit onderzoek legt hiermee de technische fundamenten voor een nieuwe generatie medische simulatietools die verpleegkundigen effectiever kunnen voorbereiden op kritieke levensreddende situaties.

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.

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.

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 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.

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

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.

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.

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.

Alle ontwerp keuzes van onze autonome Airhockey robot. gaande van mechanica tot elektronica. Hier hoort uiteraard ook de evolutie van het gehele project bij.

Adaptief videostreamen kan worden geoptimaliseerd. De algoritmes die vandaag gebruikt worden kunnen worden verbeterd door de netwerklagen met elkaar te laten communiceren.

Deze thesis bestudeert de staat van het IoT bedreigingslandschap in 2021-2022. Eerst werd er een literatuurstudie over IoT veiligheid en IoT malware gemaakt. Daarna werd een honeypot ontworpen, gebouwd en publiek gemaakt gebaseerd op best practices om relevante gegevens te verzamelen. De honeypot bevat meerdere types van apparaten die meerdere IoT services bezitten en gebruikmaken van relevante netwerkprotocollen. Enkele van deze honeypot apparaten zijn zeer geloofwaardig. Dit is mogelijk gemaakt door middel van firmware re-hosting. Deze techniek virtualiseert delen van een apparaat. Verschillende implementaties werden bestudeerd om de meest toepasselijke te kunnen gebruiken. Deze techniek en de implementaties ervan zijn echter niet perfect. Analyse van de resulterende gegevens toont dat praktisch alle malware geautomatiseerd is door gelijkenissen tussen apparaten met Linux-gebasseerde firmware te misbruiken. Verder is alle gezamelde malware gebaseerd op Mirai of Gafgyt, twee oudere malware families. Firmware re-hosting benodigd verder onderzoek en ontwikkeling zodat het bruikbaar wordt om een honeypot mee te bouwen.

Robots zijn in ons recht vandaag niets meer dan voorwerpen. Het wordt tijd om te overwegen of ze de status van personen verdienen in ons recht. Door middel van een rechtsfilosofische afweging wordt in dit onderzoek een voorzichtig positieve balans opgemaakt.

Deze thesis beschrijft een kwantitatief onderzoek aan de hand van een online survey. Respondenten werden bevraagd naar verschillende aspecten van hun job en wat zij verwachten dat een service robot hieraan zou veranderen. Zo krijgen we een zicht op de impact van de implementatie van service robots op front-line werknemers in de retailsector.

Een analyse van de aansprakelijkheid bij robotchirurgie in de Europese Unie en de Verenigde Staten van Amerika.