idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Forscher in dem Europäischen Forschungsprojekt XPERO (IST-29427) haben ein maschinelles Lernverfahren entwickelt, das einen kleinen humanoiden Roboter in die Lage versetzt, fundamentale mathematische Konzepte wie Lage und Orientierung in einem Koordinatensystem zu lernen.
Der Roboter bewegt sich zunächst ziellos durch die Umgebung und zeichnet dabei seine Sensordaten auf, ohne sich der darin enthaltenen Informationen bewusst zu sein. Der Algorithmus nimmt diese Sensordaten und erzeugt daraus ein Modell, das dem Roboter erlaubt vorherzusagen, wie die Objekte in seiner Nachbarschaft ihre Position verändern werden in Folge seiner eigenen Bewegung. "Was für einen Menschen eine triviale Angelegenheit ist, ist für einen Roboter ein ziemlich schwieriges Problem", erläutern Jure Zabkar und Ivan Bratko von der Universität Ljubljana, die Erfinder des Algorithmus. "Unser Roboter hat weniger Wissen als ein Baby. Ein Objekt zu sehen, ist für ihn bedeutungslos. Er nimmt nur Farbkleckse und Kanten wahr. Er kennt weder das Konzept eines Objektes, noch das einer Position eines Objekts in einem Koordinatensystem, noch weiß er, wie sich diese verändert, wenn er sich selbst bewegt. Dem Roboter wird weder gesagt, er soll ein Koordinatensystem lernen, noch wie es zu lernen ist oder wozu es gut ist. Wir haben einen Mechanismus entwickelt, der es dem Roboter erlaubt, Regelmäßigkeiten aus den Sensordaten zu extrahieren und diese in ein Modell beziehungsweise in eine Theorie zu übersetzen, die es dem Roboter ermöglichen, besser zu erklären und vorherzusagen, was in seiner Umgebung vor sich geht. Das Erlernen eines Koordinatensystems ist nur eine Demonstration dieser Fähigkeit. Mit demselben Algorithmus haben wir physikalische Konzepte wie "Beweglichkeit" eines Objekts oder "Freiheitsgrad einer Bewegung" (Anzahl der Achsen entlang derer oder um die herum sich ein Objekt bewegen kann) gelernt."
Was sich zunächst eher wie ein akademisches Grundlagenproblem ausnimmt, hat auch eine enorme technische Relevanz, erklärt der Koordinator des Projekts Erwin Prassler von der Hochschule Bonn-Rhein-Sieg in Sankt Augustin bei Bonn. Das XPERO-Projekt legt die ersten Grundsteine für eine Technologie, die das Potenzial hat, eine Schlüsseltechnologie für die nächste Generation von Servicerobotern zu werden, die unsere Häuser sauber halten, unseren Rasen mähen oder unsere Schuhe putzen.
Bereits existierende Produkte sind intelligenzlose, vorprogrammierte Geräte. Sie können lediglich eine einzige vorprogrammierte Aufgabe ausführen. Weder sind sie in der Lage, eine neue, vorher nicht bekannte Aufgaben ausführen, noch mit unvorhergesehenen Betriebsbedingungen zurechtkommen. Zukünftige Serviceroboter müssen dagegen in der Lage sein, auf der Grundlage ihres bereits vorhandenen Wissens und ihrer Sensorbeobachtungen ganz neue Konzepte und Modelle zu erlernen und mit diesem neuen Wissen neue Aufgaben zu erfüllen.
Der XPERO Roboter hat seine Lernfähigkeit während der FET'09 Konferenz (Future and Emerging Technologies), am 23. April 2009, in Prag demonstriert.
Für weitere Informationen wenden Sie sich bitte an:
Prof. Dr. Erwin Prassler
Hochschule Bonn-Rhein-Sieg, Fachbereich Informatik
E-Mail: erwin.prassler@h-brs.de
Tel. 02241/865-257
Mobil: 0179/129 10 79
http://www.xpero.org
http://www.ailab.si/xpero
Merkmale dieser Pressemitteilung:
Informationstechnik
überregional
Forschungsergebnisse, Forschungsprojekte
Deutsch
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).
