Intelligente selbständige Roboter Science Fiction oder Science

Präsentation zum Thema: "Intelligente selbständige Roboter Science Fiction oder Science"—  Präsentation transkript:

1 Intelligente selbständige Roboter Science Fiction oder Science
Andreas Huemer 2006

2 Anforderungen Lösung von komplexen, nicht monotonen Aufgaben
Einbettung in die reale Welt Einfache, intuitive Kommunikation

3 Einsatz (allgemein) Gefährliche Umgebungen Effizienzsteigerung
Aufgaben, die von Menschen nicht oder schwer durchführbar sind Unterhaltung

4 Einsatzgebiete Katastropheneinsatz Suche nach Überlebenden
Versorgung von Opfern Bergung Unterstützung der Einsatzkräfte

5 Einsatzgebiete Expeditionen Arbeit und Haushalt Exekutive und Militär
Unterhaltung

6 Forschungsbereiche Roboterkörper Sensorik Motorik Steuerung
Energieversorgung

7 Steuerung Intelligentes Verhalten Anpassungsfähigkeit Entwicklung

8 Intelligentes Verhalten durch künstliche neuronale Netze
Biologisches Gehirn als Vorlage Verteiltes Wissen: Neuronen und Synapsen Spiking Struktur Vom Sensor zum Motor „Funktionen“ und „Unterfunktionen“

9 Ein einfaches neuronales Netz
Aufbau Funktionsweise Simulation

10

11 Ein einfaches neuronales Netz
Aufbau Funktionsweise Simulation

12 Anpassungsfähigkeit durch fehlende starre Programmierung
Vielseitige Reaktionsmöglichkeiten auf sensorische Eingaben Neuronen und Verbindungen können sich laufend ändern

13 Entwicklung durch Lernen und Selbstorganisation
Intelligenz kann mit der Zeit entstehen Aufbau des künstlichen Gehirns durch Selbstorganisation Aus Erfahrungen lernen

14 Selbstorganisation der neuronalen Verbindungen
Häufig gemeinsam verwendete Verbindungen werden gestärkt Hebbsches Lernen Entstehung von neuronalen Karten

15 Beispiel einer neuronalen Karte

16 Lernen durch Belohnung und Bestrafung
positives oder negatives Feedback über spezielle Sensoren – Reinforcement Learning Internes Feedback – Gesundheitszustand Externes Feedback – Bewertung durch Lehrer – Supervised Learning

17 Neue integrierte Lernmethode
„Feedback-Kerne“ („Reinforcement units“)

18 Funktionsweise – Schritt 1

19 Funktionsweise – Schritt 2

20 Funktionsweise – Schritt 3

21 Funktionsweise – Schritt 4

22 Funktionsweise – Schritt 5

23 Funktionsweise – Schritt 6

24 Wichtige Vorteile gegenüber existierenden Lernmethoden
Lernen ist direkt in das neuronale Netz integriert Lernen kann während der Laufzeit erfolgen Feedback ist direkt mit der Aktion verbunden, die es verursacht hat Nur Teile des neuronalen Netzes müssen angepasst werden Zeitabhängige Vorhersagen sind möglich

25 Zu beachten Die komplexen Prozesse im neuronalen Netz sind schwer zu überwachen Die vorgeschlagenen Methoden müssen erst getestet werden

26 Wachstum des Gehirns Selbstorganisation der Neuronen
Basisgehirn mit bestimmten Wachstumseigenschaften Steuerungsmöglichkeiten durch Festlegung bestimmter Prozeduren Evolutionäre Methoden

27 Hardwareprobleme Viele eher einfache, parallel laufende Prozessoren werden statt einem hochkomplexen benötigt Dynamische Änderungen der Hardware sind schwer möglich

28 Zusammenfassung Viele Einsatzgebiete
Neuronale Netze – flexible Steuerung Ständige Anpassung und Verbesserung auch während Laufzeit möglich Noch viel Entwicklungsarbeit notwendig Aber: Science, nicht Science Fiction

29 Herzlichen Dank! Andreas