Masterstudent Rishi Bala Sivasubramanian van de masteropleiding Embedded Systems aan de Universiteit Twente heeft de eerste prijs gewonnen tijdens de TinyML Hackathon. De competitie vond plaats tijdens de ACM Europe & 4TU.NIRICT Summer School ‘Systems Meet AI’ aan de TU Delft, waar studenten de verbinding tussen embedded systems en kunstmatige intelligentie onderzochten aan de hand van praktische uitdagingen.
Samen met teamgenoot Adarsh Nanjaiya Latha, PhD-kandidaat binnen de Pervasive Systems-onderzoeksgroep aan de Universiteit Twente, vormde Rishi het team Code Detectives. Het team behaalde de hoogste score van twaalf deelnemende teams in een uitdaging waarbij zij een complete Tiny Machine Learning (TinyML)-oplossing ontwikkelden die volledig op een microcontroller kon draaien, zonder gebruik te maken van cloud computing of GPU’s.
AI op kleine, energiezuinige apparaten
Het winnende project richtte zich op Visible Light Positioning, een innovatieve technologie waarmee binnenlocaties kunnen worden bepaald met behulp van lichtbronnen. Het team ontwierp en bouwde een compleet positioneringssysteem dat draait op een Raspberry Pi Pico-microcontroller. Hun oplossing liet zien hoe slimme AI-toepassingen efficiënt kunnen werken op kleine, energiezuinige embedded apparaten.
De jury beoordeelde de oplossingen op basis van de nauwkeurigheid van de positiebepaling, modelgrootte, verwerkingstijd en betrouwbaarheid onder realistische omstandigheden. Code Detectives behaalde de hoogste totaalscore.
Leren door echte uitdagingen op te lossen
De TinyML Hackathon maakte deel uit van de ACM Europe & 4TU.NIRICT Summer School ‘Systems Meet AI’. Tijdens deze summerschool kwamen studenten en onderzoekers samen om te verkennen hoe embedded systems en kunstmatige intelligentie elkaar kunnen versterken. Via lezingen, praktische workshops en gezamenlijke uitdagingen ontwikkelden deelnemers nieuwe toepassingen en deden zij praktijkervaring op.
Voor Rishi bood de competitie de mogelijkheid om de kennis en vaardigheden uit de masteropleiding Embedded Systems toe te passen in een realistische technische omgeving.
Rishi vertelt dat het succes van het project voortkwam uit het vinden van de juiste balans tussen efficiëntie en prestaties. Het team hield de modellen compact en efficiënt, terwijl de hoge nauwkeurigheid behouden bleef. Daarnaast testten zij de oplossing uitgebreid op het daadwerkelijke apparaat, in plaats van alleen in een simulatieomgeving. Deze aanpak hielp het team om de hoogste score te behalen op de verschillende beoordelingscriteria.
“Adarsh bracht de expertise op het gebied van machine learning in en ik richtte me op de embedded systems-kant. Daardoor kwam de oplossing echt samen op het snijvlak van beide vakgebieden,” vertelt Rishi. “Het was de perfecte kans om toe te passen wat ik heb geleerd binnen de opleiding Embedded Systems. Het samen doen met een goede vriend maakte de ervaring nog waardevoller.”
Van collegezaal naar innovatie
Rishi’s prestatie laat zien hoe de masteropleiding Embedded Systems studenten voorbereidt op complexe technologische uitdagingen. De opleiding combineert embedded systems, kunstmatige intelligentie en praktisch probleemoplossend vermogen.
Nu TinyML steeds meer intelligente toepassingen mogelijk maakt op energiezuinige apparaten, wordt de combinatie van embedded systems en AI steeds belangrijker binnen onderzoek en innovatie. Deze technologieën spelen een groeiende rol op gebieden zoals slimme sensornetwerken, industriële toepassingen en energiezuinige Internet of Things-systemen.
Meer recent nieuws
wo 5 aug 2026UT-alumni winnen Bulgaarse startupcompetitie met veilige AI-oplossing voor bedrijven
do 16 jul 2026Veni-subsidie voor drie UT-onderzoekers
wo 15 jul 2026In Memoriam Chris Vissers
di 14 jul 2026UT-hoogleraar Cristian Hesselman werkt mee aan advies voor weerbaardere telecom- en internetinfrastructuur
do 9 jul 2026NWO-toekenningen voor vier UT-onderzoekers