Sensorfusion mit begrenzter Latenz
Dieser Forschungsbereich entwickelt Sensorfusions-Methodiken, Techniken zur Normalisierung multimodaler Eingaben und Echtzeit-Verarbeitungsarchitekturen, die diverse physische und digitale Eingabeströme mit begrenzter Latenz verarbeiten können — eine Anforderung, die in akademischer Sensorfusionsforschung oft zweitrangig behandelt wird, für den Produktivbetrieb aber entscheidend ist.
Von der Forschung zur gemessenen Praxis
Die praktische Validierung dieser Forschung liegt in Henris parallelen, unabhängigen Anomalie-Erkennungsfähigkeiten: Jede Fähigkeit verarbeitet eine eigene Signalklasse ohne geteilten Zustand, mit einer dreistufigen Pipeline aus Signal-Fingerprinting, zyklusübergreifender Korrelation und Klassifikation. Im aktuellen Produktivdeployment liegt die gemessene Klassifikationslatenz bei unter 40 Millisekunden pro Zyklus, vollständig auf eingebetteter Hardware.
Warum parallele, zustandslose Verarbeitung
Ein zentrales Forschungsergebnis, das direkt in die Architektur eingeflossen ist: Eine falsche Klassifikation in einer Signalklasse darf die Klassifikation in einer anderen nicht verfälschen. Das hat zur Designentscheidung geführt, die neun Erkennungsfähigkeiten parallel und ohne geteilten Zustand laufen zu lassen, statt sie in einem einzigen monolithischen Modell zusammenzuführen.