Lernfähige Intelligente Steuerung - Detailansicht

Funktionen:

Grunddaten
Inhalt
Einrichtungen
Personen (intern)
Förderdaten
Strukturbaum

Grunddaten

Titel	Lernfähige Intelligente Steuerung	Antragsdatum
Titel (englisch)		Personenmonate
Laufzeit von	01.01.2008	freigegeben	J
Laufzeit bis	31.12.2012	Hyperlink
Bewilligungsdatum		Projektart
Kostenträgernummer		Änderungsdatum	03.02.2011 13:29:32

Inhalt

Beschreibung	Das Arbeitsgebiet eines autonomen Roboters umfasst stets auch Aufgabenbereiche, deren direkte Programmierung nach klassischer Herangehensweise zu komplex, bzw. vergleichsweise zu aufwändig wäre. Hierfür besser geeignet sind Verfahren, die an ein natürliches Lernverhalten angelehnt sind. Nach dem Prinzip des Ausprobierens und der anschließenden Belohnung bzw. Bestrafung agierende Roboter können durch Wiederholungen ihr Verhalten bis hin zur Optimierung ständig verbessern und hierbei mit Hilfe von Simulationen auch komplexe Verhaltensmuster erlernen. So ist es beispielsweise für einen mobilen Serviceroboter möglich, eine Strategie zur Vermeidung von Hindernissen zu erlernen oder auch die Bewegunssabläufe zum Balancieren eines Serviertabletts.. Dieser Teilbereich der Künstlichen Intelligenz wird als Reinforcement Learning (Lernen durch Verstärkung) bezeichnet. Die Arbeit des Teams aus Weingarten besteht darin, die sehr theorielastigen Algorithmen in praktische Anwendungen zu überführen um sie anzupassen, evtl. zu erweitern oder neue Verfahren zu entwickeln. Schließlich sollen sie in einer universell einsetzbaren Lernmaschine, der sogenannten Teachingbox vereint und in das Gesamtwerk des ZAFH-Projektes integriert werden. Als eigenständiges Modul konzipiert kann die Teachingbox aber auch in jedem anderem Projekt eingesetzt werden, sie wird Entwicklern beliebiger Disziplinen frei zugänglich sein.

Beschreibung

Das Arbeitsgebiet eines autonomen Roboters umfasst stets auch Aufgabenbereiche, deren direkte Programmierung nach klassischer Herangehensweise zu komplex, bzw. vergleichsweise zu aufwändig wäre. Hierfür besser geeignet sind Verfahren, die an ein natürliches Lernverhalten angelehnt sind. Nach dem Prinzip des Ausprobierens und der anschließenden Belohnung bzw. Bestrafung agierende Roboter können durch Wiederholungen ihr Verhalten bis hin zur Optimierung ständig verbessern und hierbei mit Hilfe von Simulationen auch komplexe Verhaltensmuster erlernen. So ist es beispielsweise für einen mobilen Serviceroboter möglich, eine Strategie zur Vermeidung von Hindernissen zu erlernen oder auch die Bewegunssabläufe zum Balancieren eines Serviertabletts..

Dieser Teilbereich der Künstlichen Intelligenz wird als Reinforcement Learning (Lernen durch Verstärkung) bezeichnet. Die Arbeit des Teams aus Weingarten besteht darin, die sehr theorielastigen Algorithmen in praktische Anwendungen zu überführen um sie anzupassen, evtl. zu erweitern oder neue Verfahren zu entwickeln. Schließlich sollen sie in einer universell einsetzbaren Lernmaschine, der sogenannten Teachingbox vereint und in das Gesamtwerk des ZAFH-Projektes integriert werden.

Als eigenständiges Modul konzipiert kann die Teachingbox aber auch in jedem anderem Projekt eingesetzt werden, sie wird Entwicklern beliebiger Disziplinen frei zugänglich sein.

Zuordnung zu Einrichtungen

Institut für Angewandte Forschung (IAF)

Schwerpunkt Intelligente Systeme und Informatik (IAF)

Autoren/Betreuer (intern)

Cubek, Richard Dipl.Ing.(FH) (Mitarbeit)

(Mitarbeit)

Stähle, Benjamin (Mitarbeit)

Ertel, Wolfgang, Professor Dr. rer. nat. (Leitung)

Förderdaten

Geldgeber/-in	Förderprogramm	Fkennziffer	Freitext	Fördersumme	Einheit	Laufzeit von	Laufzeit bis
Landesstiftung Baden-Württemberg gGmbH			für Teilprojekt Prof. Ertel im Berichtsjahr 2009	185.544,00	EUR	01.01.2008	31.12.2012

Übergeordnete Projekte

ZAFH Autonome mobile Serviceroboter

Strukturbaum

Das Projekt wurde 2 mal gefunden:

Hochschule Ravensburg-Weingarten

Institute

Institut für Angewandte Forschung (IAF) - - - 1

Schwerpunkt Intelligente Systeme und Informatik (IAF) - - - 2