Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Robotik Re-usable Content in 3D und Simulationssysteme Dozent: Prof. M. Thaller Referentin: Nadya Steinert.

Ähnliche Präsentationen


Präsentation zum Thema: "Robotik Re-usable Content in 3D und Simulationssysteme Dozent: Prof. M. Thaller Referentin: Nadya Steinert."—  Präsentation transkript:

1 Robotik Re-usable Content in 3D und Simulationssysteme Dozent: Prof. M. Thaller Referentin: Nadya Steinert

2 Einsatzbereiche von Roboter Industrieroboter Mobile Roboter Weltraum- und Tiefseeroboter Humanoide und persönliche Roboter für Service und Ausbildung Roboter für medizinische Nutzung

3 Grundkonzepte der Robotik Repräsentation von Bewegungen –Fortschreitende Bewegungen (Translation) –Drehung um eine Dreheachse (Rotation) Repräsentation von Umwelt und Aufgaben, Planung –Programmierplanung: Ziele, Aufgaben, Handlungsfolgen, Bewegungsanweisungen, Gelenkbewegungen –Kollisionsfreie Bewegung: (1) Erstellung von Sichtbarkeitsgraphen (geometrische Algorithmen), (2) Potentialfeldverfahren

4 Sensorbasierte und Kognitive Robotik Sensorbasiert- wenn Verhalten wesentlich von Sensoren beeinflusst wird Kognitiv- Verhalten hängt von Implementierung von z. B. Objekterkennung, Lernfähigkeit Autonomie- Roboter gibt sich die Verhaltensregel selbst, oder kann sie durch Interaktion mit der Umwelt ergänzen, verändern o. ersetzen Adaptivität- Anpassung der eigenen kognitiven und motorischen Fähigkeiten an die sich verändernde Umwelt

5 Sensorbasierte und Kognitive Robotik Adaptivität setzt voraus: –Imitation des Verhaltens anderer –Reaktivität zur Lösung von Problemen –Proaktivität –Lernen durch Erfahrung –Innovation (Ausprobieren) –Evolution der Motorik

6 Agent: ein System, das die Umwelt wahrnimmt, mit ihr kommuniziert und Aktionen ausführt A-Aktionen, S- Umweltzustände Intentionen, Wünsche, Vorstellung von Zustand der Welt (Beliefs/Desire/Intention BDI) Zwei wichtige Funktionen zur Adaption: –f: S-> P bildet den erfassten Umweltzustand in so gennanten Perzepte ab –g : P -> A- bildet die aktuelle Perzepte in Aktionen ab

7 Adaptionsstuffen: –f und g fest vorgegeben, immer gleich reagieren –g parametrisiert, o. verschiedene g zur Verfügung –Änderung der Wünsche –Änderung von f

8 Grundlagen Kognitiver Robotik Kognitivistisch/funktionalistischer Ansatz –Objekte der externen Welt werden in Lebewesen durch Symbole repräsentiert Emergent/konnektionistischer Ansatz –Wechselwirkungen zwischen versch. Kommunizierenden Einheiten Wechselwirkend/ handlungsgebundener Ansatz –Leiblichkeit, Umwelt- und Situationsbezug wichtig für intelligente Artefakte

9 Körpergebundene Kognition: –Strukturelle Kopplung- Wechselwirkung mit der Umgebung –Physischer Körper- muss mit Sensoren und Aktoren ausgerüstet sein, um zu Kognition zu führen –Organoider Körper- Artefakt soll biologische Vorbilder haben Maschinen nach plan, von außen nach innen; Lebewesen sind selbst der Plan, entstehen zentrifugal

10 Drei Problemkreise zur Schaffung von Robotern mit Fähigkeiten zur Anpassung an die Umwelt –Steuerung und Weiterentwicklung des Erkenntnisapparates- Welches Wissen wird mitgegeben und welches gelernt; soll Wissen über sich selbst gegeben werde –Entwicklung der Körperlichkeit- Beschleunigung und Optimierung der Erkenntnisprozesse; wie einfach können Aktoren modifiziert werden –Soziale interaktive Kommunikation- bidirektionale Nutzung menschlicher Modalitäten (optisch-visuell usw.); Fähigkeit zur Vorhersage von Bewegungen, Handlungen usw.

11 Technicken für Sensorbasierte Roboter Sensorsteuerung –Kraft und Moment –Abstand und Annährung- Abstandsensoren( induktive Nährungsschalter, Infrarotlaser-Laufzeitmesser) –Kollisionsvermeidung- Abtastende Lasersensoren, Kameras –Objektverfolgung- durch Kameras, bei Hoher Geschwindigkeit- schnelle Bildverarbeitung –Objektauswahl- höhere Autonomie, Sensoren zur Bestimmung von Objektposition Schwierige Ansetzung von Sensoren, da sie verschmutzt werden

12 Sensoren und Navigation bei mobilen Robotern Mobilroboter für Bring- und Holaufgaben- Karte der Umgebung erstellen, lernen, Route von S nach Z berechnen; eigene Position erkennen, Hindernisse ausweichen Mobile Roboter, die Teams bilden- Objekt Erfassung, Schieben des Objekts( eigene Position), Erkennung der Position anderer( Freund/Feind) Mobile Manipulatoren- ultraschall- o. Lasersensoren, frei Programmierbar, geringe Leistungsaufnahme( längere Fahrzeit)

13 Programmierung durch Vormachung und Multimodaler Instruktion –komplexe Folgen von Operationen sehr schwierig (z.B. Knoten binden) nur durch Beobachtung; –Optische oder akustische Anweisungen (z.B. natürliche Sprache) dienen zur Verbesserung( Multimodalität)

14 Maschinelles lernen und Neuronale Netze für Robotersysteme Erweiterung des Agenten um eine Bewertungs- und eine Lernkomponente Mit künstlichen neuronalen Netzen können je nach Eingabe- und Ausgabefunktion, komplexe Verhaltensmuster erzeugt werden Die Bewertungen aller Neuronen (Sensoren) werden summiert und an den Motor( Aktor) übermittelt Je nach Anzahl und Typ der Sensoren o. Bewertungsfunktionen lassen sich ganz unterschiedliche Verhalten erzeugen

15 Lernen durch Ausprobieren und Belohnung –Verschiedene Aktionen werden ausgeführt und bewertet bezüglich Beitrag zu Erreichung des Ziels –Die folge der Aktionen die den Höheren Wert hat wird ausgewählt und gelernt

16 Architekturen von Robotersteuerungen Symbolisch organisierte Architekturen- aufnehmen der Stimuli, interpretieren in Bezug auf die Umwelt, erzeugen von Handlungsplan Sensoren ->Perzepzion-Modellieren-Planung- Motorsteuerung ->Aktoren

17 Verhaltensbasierte Architekturen-schnelle Reaktion auf Umweltveränderungen ; erfordert kurzen Weg von Sensoren zur Aktivierung der Aktoren; die verschiedenen Aktionen werden Parallel ausgewertet und führen sofort zur Handlung Objekte ergreifen Sensoren ->Entdecken-> Aktoren Herumwandern Objekte vermeiden

18 Sensoren für Navigation –Ultraschallsensoren –Laserscanner –Konische Spiegel –Wüstenameiseprinzip- Sensor der sich am Sonnenstand orientiert

19 Neuronale Netze- Perzeptron und rekurrentes Netz Sensoren liefern der ersten Neuronschicht Informationen, die werden durch die entsprechenden Funktion bearbeitet und an die nächste Schicht für jedes Neuron anders gewichtet weitergegeben Berücksichtigung des vorherigen Musters durch Verbindung der Ausgängen mit den Eingängen( rekurrente netze) Rückkopplung kann zur Veränderung des Ausgangsmusters führen (oft erwünscht), ohne Änderung des Ausgangsmusters


Herunterladen ppt "Robotik Re-usable Content in 3D und Simulationssysteme Dozent: Prof. M. Thaller Referentin: Nadya Steinert."

Ähnliche Präsentationen


Google-Anzeigen