idw - Informationsdienst
Wissenschaft
• Freiburger Informatik-Team entwickelt Algorithmen für Roboter zur Navigation durch Menschenmengen
• Algorithmen sollen leicht auf mobile Roboter aller Art übertragbar sein – unabhängig von der Umgebung
• DFG-Förderprogramm umfasst Mittel von mehr als 1,7 Millionen Euro
Juniorprofessor Dr. Abhinav Valada, Leiter des Robot Learning Lab am Institut für Informatik der Universität Freiburg und Mitglied des Exzellenzclusters BrainLinks – BrainTools hat bei der Deutschen Forschungsgemeinschaft (DFG) eine Förderung für eine Emmy-Noether-Nachwuchsgruppe im Bereich „Methoden der Künstlichen Intelligenz“ eingeworben. Unter seiner Leitung wird die Gruppe in den kommenden sechs Jahren erforschen, wie sich mobile Roboter selbstständig in für sie unbekannten urbanen Umgebungen zwischen Menschen hindurch navigieren können. Ihr Verhalten lernen die Bots mit Hilfe von Algorithmen, die auf Teilbereichen der Künstlicher Intelligenz wie Deep Learning und Reinforcement Learning beruhen. Das Projekt mit dem Titel „Efficient Learning for Transferable Robot Autonomy in Human-Centered Environments“ startet am 1. April 2022. „Dass wir unsere Forschungsideen nun mit Unterstützung des Emmy Noether-Programms der DFG umsetzen können, freut uns sehr und gibt uns große Möglichkeiten an die Hand, unter anderem die Stärkung internationaler Sichtbarkeit“, sagt Valada. Das Förderprogramm umfasst Mittel von mehr als 1,7 Millionen Euro.
Roboter mit künstlicher Intelligenz (KI) können sich schon heute selbstständig in ihrer Umgebung zurechtfinden und durch sie navigieren, wenn sie gelernt haben, wie ihre Arbeitsumgebung aussieht. Allerdings ist die Begegnung mit Menschen in städtischen Arealen bislang schwierig, da ihre Bewegungen und Interaktionen für die Bots schwer vorherzusagen sind.
Das Team um Valada möchte neue Verfahren entwickeln, die es mobilen Robotern ermöglichen, auf sozialverträgliche und sichere Weise durch belebte Umgebungen wie Fußgängerzonen und Bürgersteige zu navigieren. „Am wichtigsten dabei ist, dass dieselben autonomen Algorithmen möglichst unabhängig von der Art der Sensoren und der Art der Fortbewegung funktionieren – und sich gleichzeitig auf bisher unbekannte Umgebungen verallgemeinern lassen. Ein vierbeiniger Roboter in New York würde dann mit demselben Algorithmus lernen wie ein Roboter auf Rädern in Freiburg“, erklärt Valada.
Forschende nutzen „Deep Learning“ und „Reinforcement Learning“
Die Gruppe setzt Techniken der Künstlichen Intelligenz wie Deep-Learning und Reinforcement-Learning ein, damit die Roboter selbstständig lernen und ihre Fähigkeiten ohne menschliches Zutun verbessern. Darüber hinaus erarbeitet das Team Verfahren, mit der die KI der Bots das erlernte Wissen über verschiedene Aufgaben und Umgebungen hinweg übertragen kann und dabei unabhängig von der Roboterhardware funktioniert. „Das wird die Autonomie der Roboter wirklich messbar machen", sagt Valada.
Die finanzielle Unterstützung der DFG für eine Emmy-Noether-Gruppe im Bereich KI stärkt Nachwuchswissenschaftler, die Methoden der Künstlichen Intelligenz erforschen. Die DFG ermöglicht den Forschenden frühzeitige Karriereoptionen mit hoher Selbstständigkeit. Die Mittel werden zunächst für drei Jahre bewilligt und für drei weitere Jahre in Aussicht gestellt.
Weitere Informationen zu Abhinav Valada: https://rl.uni-freiburg.de/people/valada
Juniorprofessor Dr. Abhinav Valada
Robot Learning Lab
Institut für Informatik
Albert-Ludwigs-Universität Freiburg
Tel.: 0761/203-8025
E-Mail: valada@cs.uni-freiburg.de
https://www.pr.uni-freiburg.de/pm/personalia/emmy-noether-foerderung-der-dfg-fue...
Merkmale dieser Pressemitteilung:
Journalisten
Informationstechnik
überregional
Personalia
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).