Robotik

Robotik: Eine Einführung Was ist ein Roboter? Woraus bestehen Roboter? Welche Arten von Robotern gibt es? Wozu bauen wir Roboter? Welche ethischen Probleme werfen Roboter auf? Wie funktionieren Roboter? Welche Grundprinzipien gibt es in der Robotik? Wie beurteilet man einen gegebenen Roboter?

Was ist ein Roboter? Ein Roboter ist eine technische Apparatur, die dazu dient, dem Menschen die Arbeit abzunehmen. Roboter können sowohl stationäre als auch mobile Maschinen sein und werden von Computerprogrammen gesteuert. Die Bedeutung hat sich allerdings im Laufe der Zeit gewandelt. A robot is a mechanical or virtual artificial agent, usually an electro-mechanical machine that is guided by a computer program or electronic circuitry.

Woraus besteht ein Roboter? sensors light, sound, touch, pressure, GPS, ... controllers microcontrollers, chips, neural networks, ... actuators locomotion: wheels, legs, wings, ... manipulation: hands, tools, ... communication: speakers, radio, ... Power source

Roboterarten Beam Transportroboter Erkundungsroboter Kampfroboter Humanoider Roboter Nanoroboter Biomorpher Roboter Schwarmroboter Industrieroboter Modulare Roboter Lauf-/Flug-/Kriechroboter Adaptive Robot Personal Robot Selfreplicating Robot Serviceroboter Spielzeugroboter

Wozu Roboter? dangerous environments inaccessible environments repetitive or difficult tasks entertainment basic research (understanding by rebuilding), e.g. intelligence locomotion collaboration …

Roboter

robotics timeline

TED talks on robotics http://www.ted.com/talks/bruno_maisonnier_dance_tiny_robots.html Robot dance http://www.ted.com/talks/daniel_wolpert_the_real_reason_for_brains.html Neuroscientist Daniel Wolpert starts from a surprising premise: the brain evolved, not to think or feel, but to control movement http://www.ted.com/talks/rodney_brooks_on_robots.html In this prophetic talk from 2003, roboticist Rodney Brooks talks about how robots are going to work their way into our lives http://www.ted.com/talks/vijay_kumar_robots_that_fly_and_cooperate.html In seinem Labor an der Pennsylvania State University bauen Vijay Kumar und sein Team fliegene Quadcopter. http://www.ted.com/talks/dennis_hong_my_seven_species_of_robot.html Beim TEDxNASA stellt Dennis HONG sieben preisgekrönte All-Terrain-Roboter vor http://www.ted.com/talks/a_robot_that_flies_like_a_bird.html SmartBird, a large, lightweight robot, modeled on a seagull, that flies by flapping its wings. http://www.ted.com/talks/david_hanson_robots_that_relate_to_you.html David Hanson's Robotergesichter sehen so aus wie Ihres und verhalten sich auch so. http://www.ted.com/talks/hod_lipson_builds_self_aware_robots.html Hod Lipson zeigt ein paar seiner coolen, kleinen Roboter, die die Fähigkeit besitzen zu lernen, sich selbst zu verstehen und sogar sich selbst zu reproduzieren.

Das Grundprinzip sensors controller actuators Eingabe (input) Roboter Eingabe (input) Verarbeitung (processing) Ausgabe (output) Informations-verarbeitung Sinne Gehirn Muskeln Menschen

GOFAI (good old-fashioned artificial intelligence) Aufstellung Schachspiel besten Zug berechnen Spielzug

GOFAI In artificial intelligence, GOFAI ("Good Old-Fashioned Artificial Intelligence") describes the oldest original approach to achieving artificial intelligence, based on logic and problem solving. In robotics research, the term is extended as GOFAIR ("Good Old-Fashioned Artificial Intelligence and Robotics"). GOFAI was the dominant paradigm of AI research from the middle fifties until the late 1980s. After that time, newer sub-symbolic approaches to AI were introduced. GOFAI is based on the assumption that many aspects of intelligence can be achieved by the manipulation of symbols, an assumption defined as the "physical symbol systems hypothesis" by Allen Newell and Herbert A. Simon in the middle 1960s. By the 1980s, many researchers began to doubt that high-level symbol manipulation alone could account for all intelligent behaviors. Opponents of the symbolic approach include roboticists such as Rodney Brooks, who aims to produce autonomous robots without symbolic representation (or with only minimal representation) and computational intelligence researchers, who apply techniques such as neural networks and optimization to solve problems in machine learning and control engineering.

Es stellt sich also heraus: Den besten Zug finden ist gar nicht so schwer ... ... die Figur dann dort hin bewegen dagegen schon

Ziel: MANSAI??? (Modern And Not-Symbolic Artificial Intelligence) Wie soll das gehen? Was sind die Aufgaben? Was hat das mit Intelligenz zu tun? Lessons to learn from the one intelligent agent known to us: us.

logisches (=symbolisches) Denken... GOFAI: input symbolic computation output Umwelt Körper Sinne Gehirn Muskeln logisches (=symbolisches) Denken...

bewusster abstrakter symbolischer langsamer Realistischer: Bewusste Entscheidungen, Wille, Pläne, Modelle der Wirklichkeit, logisches (=symbolisches) Denken... Umwelt Körper Sinne Gehirn Muskeln bewusster abstrakter symbolischer langsamer

Goodbye GOFAI?  viele verschiedene Ansätze und Zielrichtungen Sinne Umwelt Körper Sinne Gehirn Muskeln Higher level cognition input symbolic computation output Und was ist mit dem Rest? Und mit dem Zusammenspiel? Und was war nochmal Intelligenz?  viele verschiedene Ansätze und Zielrichtungen

Kybernetik („Regelungstechnik“) ist-Zustand Vergleich Ist-Soll Änderung in Richtung Soll-Zustand Feedback

feedback loops Sinne Muskeln Umwelt Körper Gehirn im Gehirn im Körper

Subsumtion Architecture: Rodney Brooks (1986)

interplay: bottom-up or top-down? Umwelt Körper Sinne Gehirn Muskeln top bottom im Gehirn im Körper Umwelt

time Sinne Muskeln Umwelt Körper Gehirn Voraus-sagen Gedächtnis Erfahrung Voraus-sagen im Gehirn im Körper Umwelt

Aufmerksamkeit Bewusstsein extras Umwelt Körper Sinne Gehirn Muskeln Gedächtnis Erfahrung Wille?! Selbstbild/modell Aufmerksamkeit Bewusstsein Voraus-sagen im Gehirn im Körper Umwelt

tasks and autonomy

further complications Umwelt Körper Sinne Gehirn Muskeln UNVORHERSEHBARKEIT ANDERE AGENTEN NOISE NOISE NOISE Gedächtnis Erfahrung Wille?! Voraus-sagen im Gehirn im Körper Umwelt

Sicher handeln in einer unsicheren Welt Robustheit gegenüber Noise, Teilausfällen, fehlender Information, neuen Anforderungen, plötzlichen Änderungen, ... Fehlende Informationen abschätzen Vorhersagen / Erfahrung Modelle (selbst, andere Agenten, Umwelt) Inferenz, Deduktion, Generalisation Schnelle Korrektur des Verhaltens Reaktive Komponenten, Feedback Aufmerksamkeit

using experience to get better Umwelt Körper Sinne Gehirn Muskeln UNVORHERSEHBARKEIT ANDERE AGENTEN Lernen NOISE NOISE NOISE Gedächtnis Erfahrung Wille?! Voraus-sagen im Gehirn im Körper Umwelt

Lernen Lernen = Verhaltensänderung Was wird optimiert? Wie wird Verhalten umgesetzt (controller)  was genau wird hier geändert? Ein paar Möglichkeiten: Symbolisch: Support Vector Machines, Bayesian Subsymbolisch: Neuronale Netze Reaktiv: Regelkreis

life-long adaption Entwicklung NOISE NOISE NOISE Sinne Muskeln Umwelt Körper Sinne Gehirn Muskeln UNVORHERSEHBARKEIT Entwicklung ANDERE AGENTEN Lernen NOISE NOISE NOISE Gedächtnis Erfahrung Wille?! Voraus-sagen im Gehirn im Körper Umwelt

Entwicklung Adaption über einen längeren Zeitraum Bootstrapping? (Zuerst die Einfaches Lernen, und auf dieser Basis später Schwieriges) Gleichzeitige Veränderungen der Ressourcen? (z.B. Wachstum, Motorik, Gedächtnis,...)

adaption of the species Evolution Umwelt Körper Sinne Gehirn Muskeln UNVORHERSEHBARKEIT Entwicklung ANDERE AGENTEN Lernen NOISE NOISE NOISE Gedächtnis Erfahrung Wille?! Voraus-sagen im Gehirn im Körper Umwelt

Evolution Optimierung des Agenten über Generationen Gelerntes weitergeben ?! Lernmechanismus weitergeben! System so allgemein definieren, dass es sich selbst (graduell) verändern kann Selektion (was ist relevant  wird optimiert)?

Evolution Entwicklung NOISE NOISE NOISE Sinne Muskeln Resultat: Ein höchst flexibles, selbstregulierendes, adaptives System, das verschiedenste komplexe Aufgaben in einer nur teilweise vorhersehbaren Umwelt in Echtzeit meistert – oder zumindest lernen (sich entwickeln) kann, sie zu meistern Evolution Umwelt Körper Sinne Gehirn Muskeln UNVORHERSEHBARKEIT Entwicklung ANDERE AGENTEN Lernen NOISE NOISE NOISE Gedächtnis Erfahrung Wille?! Voraus-sagen im Gehirn im Körper Umwelt

controllers (architecture, type of computing): name: task(s) & autonomy: learning/adaption: extras/tricks: aim of the project: environment: sensors: controllers (architecture, type of computing): actuators: feedback: rating/comments:

TED talks on robotics http://www.ted.com/talks/bruno_maisonnier_dance_tiny_robots.html Robot dance http://www.ted.com/talks/daniel_wolpert_the_real_reason_for_brains.html Neuroscientist Daniel Wolpert starts from a surprising premise: the brain evolved, not to think or feel, but to control movement http://www.ted.com/talks/rodney_brooks_on_robots.html In this prophetic talk from 2003, roboticist Rodney Brooks talks about how robots are going to work their way into our lives http://www.ted.com/talks/vijay_kumar_robots_that_fly_and_cooperate.html In seinem Labor an der Pennsylvania State University bauen Vijay Kumar und sein Team fliegene Quadcopter. http://www.ted.com/talks/dennis_hong_my_seven_species_of_robot.html Beim TEDxNASA stellt Dennis HONG sieben preisgekrönte All-Terrain-Roboter vor http://www.ted.com/talks/a_robot_that_flies_like_a_bird.html SmartBird, a large, lightweight robot, modeled on a seagull, that flies by flapping its wings. http://www.ted.com/talks/david_hanson_robots_that_relate_to_you.html David Hanson's Robotergesichter sehen so aus wie Ihres und verhalten sich auch so. http://www.ted.com/talks/hod_lipson_builds_self_aware_robots.html Hod Lipson zeigt ein paar seiner coolen, kleinen Roboter, die die Fähigkeit besitzen zu lernen, sich selbst zu verstehen und sogar sich selbst zu reproduzieren.

Humanoide Roboter Theatrical robotics? Problems with fear and empathy What to measure? AI-Ethics?

Key concepts Artificial intelligence (strong vs. weak) Degrees of freedom Inverse kinematics Degrees of autonomy Subsumption Architecture Embeddedness Symbol grounding Learning & development Emergent Behaviour Bayesion inference

Three laws of robotics A robot may not injure a human being or, through inaction, allow a human being to come to harm. A robot must obey the orders given to it by human beings, except where such orders would conflict with the First Law. A robot must protect its own existence as long as such protection does not conflict with the First or Second Laws.

Die Zukunft? Task-autonome Roboter für spezifischen Aufgaben, inspiriert von der Natur, grösstenteils GOFAI. (und das ist nahe Zukunft!) Bionik: http://www.ted.com/talks/miguel_nicolelis_a_monkey_that_controls_a_robot_with_its_thoughts_no_really.html Can we use our brains to directly control machines -- without requiring a body as the middleman?

passt sich an den gegebenen input/output an! Bionik: Umwelt Roboter Controller sensors actuators Körper Gehirn passt sich an den gegebenen input/output an! Sinne Muskeln