Projekt | Amenable

AMENABLE adressiert eine grundlegende Herausforderung im Bereich der KI-gestützten Umgebungsüberwachung: die Lücke zwischen den informellen, aufgabenspezifischen Konzepthierarchien, die in Robotik- und Sensorsystemen üblich sind, und den formalen, wiederverwendbaren Wissensstrukturen des Knowledge Engineering. Das Projekt verbindet drei Forschungsstränge: kollaboratives semantisches 3D-Szenenverständnis über heterogene Roboterteams hinweg; interaktives maschinelles Lernen mit Experten im Prozess, das sensorbasierte Repräsentationen in formalem ontologischem Wissen verankert; sowie erklärbare KI für ressourcenbeschränkte Edge-Geräte, die das Schlussfolgern intelligenter Sensoren sowohl für Entwickler als auch für Domänenexperten nachvollziehbar macht. Natürlichsprachliche Inferenz wird durchgängig eingesetzt, um die Konsistenz der Wissensstrukturen bei deren Weiterentwicklung zu gewährleisten. Die Methoden werden in zwei Anwendungsfeldern validiert: der autonomen Erkundung von Gebäudeinnenräumen durch Roboter und dem ökologischen Monitoring.