SUMediPose is ’n hoë-presisie 2D-3D pose-estimasie datastel wat ontwikkel is om die tekort aan anatomies akkurate data in merkerlose bewegingsanalise aan te spreek. Deur merker-gebaseerde Vicon-opnames met gesinchroniseerde multi-kamera video te kombineer, bied dit betroubare grondwaarheid-data vir die opleiding en validering van modelle. Met duisende opnames en miljoene datapunte stel die datastel navorsers in staat om meer akkurate en robuuste pose-estimasie oplossings te ontwikkel. Dit ondersteun gevorderde biomeganiese analise en dra by tot verbeterde toepassings in mediese en sportwetenskaplike omgewings.

Hierdie navorsing stel ’n bekostigbare, draadlose dendrometerstelsel bekend wat boomgroei akkuraat kan monitor oor groot plantasies. Deur ’n digitale tweeling en slim data-oordrag te gebruik, bied die stelsel resultate wat vergelykbaar is met duur kommersiële toerusting. Dit maak grootskaalse, deurlopende monitering meer toeganklik en bied nuwe geleenthede vir beter bosbestuur en omgewingsnavorsing.

Hierdie navorsing ontwikkel ’n outonome seilboot wat windkrag gebruik om vir lang tye op see te funksioneer sonder menslike ingryping. Deur ’n digitale tweeling en ’n intelligente beheerstelsel te kombineer, kan die boot self navigeer en komplekse maneuvers uitvoer. Die projek bied ’n bekostigbare, oopbron-oplossing met bewese resultate en potensiaal vir verdere verbetering.

Professor Arnold Rix se inhuldigingslesing fokus op Suid-Afrika se geleentheid om hernubare energie te benut, maar beklemtoon dat die grootste uitdaging lê in netwerkstabiliteit. Sy navorsing kombineer modellering, praktiese toepassing en samewerking met die industrie om son- en windenergie meer betroubaar te maak. Deur hibriede stelsels, verbeterde voorspellings en intelligente tegnologieë te ontwikkel, dra sy werk by tot ’n meer stabiele, gedesentraliseerde en lae-koolstof energietoekoms vir die land.

Hierdie navorsing fokus op die ontwikkeling van ’n vinnige, bekostigbare en draagbare oplossing vir TB-sifting in Suid-Afrika. Dr. Stephan Schoeman het ’n elektrochemiese biosensor ontwerp wat TB-verwante biomerkers, soos C-reaktiewe proteïen (CRP), direk by die punt van sorg kan opspoor—sonder die behoefte aan duur toerusting of komplekse laboratoriumprosesse. Deur verskeie prototipes te ontwikkel en te verfyn, het die span ’n kompakte, weggooibare sensor geskep met hoë sensitiwiteit en ’n ingeboude kontrolemeganisme om betroubare resultate te verseker. Die finale toestel, Sensor M, lewer resultate binne minute en is geskik vir gebruik in hulpbron-beperkte omgewings soos mobiele klinieke. Die tegnologie bied nie net ’n oplossing vir TB nie, maar kan ook aangepas word om ander siektes op te spoor. Toekomstige werk sluit kliniese validering, skaalbare vervaardiging en die vermoë om verskeie biomerkers gelyktydig te meet in, wat die akkuraatheid en impak verder kan verbeter.

Die blog ondersoek hoe Suid-Afrika se transmissienetwerk meer effektief benut kan word om die groei van hernubare energie te ondersteun. Die Geïntegreerde Hulpbronplan (IRP) stel ambisieuse teikens vir wind- en sonkrag, maar die netwerk se kapasiteit bly ’n groot beperking, veral in gebiede soos die Noord-Kaap waar baie van hierdie projekte geleë is. Tradisionele deterministiese metodes gebruik ’n enkel “slegste geval”-scenario om kapasiteit te bepaal, wat dikwels te konserwatief is. Die blog wys dat waarskynlikheidsmetodes ’n meer realistiese benadering bied deur verskeie moontlike scenario’s te oorweeg. Dit kan help om bestaande infrastruktuur beter te benut sonder onnodige en duur uitbreidings. Die navorsing toon dat hierdie benadering beter insig kan gee in werklike netwerkbeperkings en kan help om die gaping tussen die IRP se doelwitte en die praktiese realiteite van die netwerk te oorbrug.

Hierdie blog bespreek hoe merkerlose visie-gebaseerde lokalisering gebruik kan word om inspeksiedrone meer outonoom en akkuraat te maak, veral in omgewings waar GPS nie betroubaar is nie. Die navorsing fokus op die gebruik van kameras om natuurlike kenmerke in die omgewing te identifiseer en ’n 3D-kaart te bou, wat die drone help om sy posisie en oriëntasie in reële tyd te bepaal. Deur hierdie benadering met IMU-data te kombineer, word die stelsel meer stabiel en betroubaar. Uiteindelik bied hierdie metode ’n meer buigsame en doeltreffende oplossing vir inspeksietake, sonder die behoefte aan fisiese merkers, en verbeter dit die potensiaal vir outonome drone-toepassings in verskeie industrieë.

Hierdie blog fokus op hoe samewerkende multi-agent versterkingsleer (MARL) verbeter kan word in komplekse 3D-omgewings waar agents beperkte inligting en min belonings ontvang. Die navorsing gebruik ’n Portal 2-geïnspireerde simulasie waar twee robotte moet saamwerk om take suksesvol te voltooi. Deur bestaande algoritmes aan te pas en tegnieke soos parallelle leer, geheue (LSTM) en kurrikulumleer toe te pas, kon die agents leer om effektief saam te werk en hul kennis na moeiliker take oordra. Die studie wys dat met die regte benadering, multi-agent stelsels beter samewerking kan aanleer, wat belangrik is vir werklike toepassings soos robotika en outonome stelsels.

Hierdie blog beskryf ’n internasionale studie waaraan Stellenbosch Universiteit deelneem om die stabiliteit van Suid-Afrika se kragnetwerk te verbeter. Die projek gebruik data-gedrewe metodes, statistiese fisika en masjienleer om beter insig in kragvraag en -aanbod te kry. Die navorsing fokus op oplossings vir uitdagings soos beurtkrag en die afhanklikheid van dieselopwekkers, en ondersoek alternatiewe soos sonkrag en battery-oplossings. Benewens tegniese verbeterings, dra die projek ook by tot vaardigheidsontwikkeling en samewerking tussen Suid-Afrika en die Verenigde Koninkryk, met die doel om ’n meer betroubare en volhoubare energiestelsel te bou.

Hierdie blog bespreek ’n nuwe metode om plekherkenning in visie-gebaseerde SLAM-stelsels te verbeter deur semantiese inligting te gebruik. In plaas daarvan om net op geometriese punte staat te maak, kombineer die SeM2DP-benadering 3D-data met objekherkenning om ’n meer betekenisvolle voorstelling van ’n toneel te skep. Die resultate wys dat hierdie metode meer akkuraat is en minder data benodig as tradisionele tegnieke, alhoewel dit tans stadiger is. Uiteindelik toon die navorsing dat robotte beter kan navigeer en meer betroubare kaarte kan bou wanneer hulle nie net vorms herken nie, maar ook die konteks en betekenis van hul omgewing verstaan.