Projekt

CogX

Cognitive Systems that self-understand and self-extend

Cognitive Systems that self-understand and self-extend

  • Laufzeit:

Das wissenschaftliche Projekt "CogX" fokussiert auf Fragen in den Bereichen Kognition, Interaktion, und Robotik (EU FP7 "Second Challenge").

Der Ausgangspunkt

Die Herausforderung ist, kognitive Systeme zu entwicklen (z.B. Roboter), die in realen Umgebungen operieren können. Wesentlich für die Realisierbarkeit sind Fortschritte in zwei Bereichen:

Erstens haben sich die Leistungen und möglichen Anwendungen verfügbarer Lernmethoden signifikant verbessert, zum Beispiel für die Bilderkennung und die interaktive Akquisition von räumlichen Modellen. Zweitens sind große Fortschritte zu verzeichnen in ingenieurswissenschaftlichen Fragen rund um Roboter-Systeme, die mehrere Wahrnehmungs- und Aktions-Modalitäten integrieren. Beispiele solcher Systeme sind Roboter, die räumliche Modellierung, Manipulation, Bilderkennung, Dialog, Planung und Lernen integrieren.

Was aber noch immer fehlt, ist ein wissenschaftlicher Ansatz, der erklärt, wie solche Roboter ihre eigenen Fähigkeiten und Kenntnisse verstehen ("self-understanding"), um darauf basierend zu entscheiden, welche neue Fähigkeiten oder Kenntnisse zu lernen sind ("self-extension").

Unsere Ziele

Das übergreifende Ziel des Projektes ist die Entwicklung einer wissenschaftlichen Theorie von Self-Understanding und Self-Extension zusammen mit einer überzeugenden Implementierung dieser Theorie auf einem Roboter.

Dabei ist es wichtig zu verstehen, dass das Projekt weder eine vollständige Theoriebildung anstrebt noch einfach eine Sammlung von Lernalgorithmen entwicklen will.

Stattdessen geht es uns darum, eine Brücke zu bauen zwischen der Theorie und ihrer Implementierung in einem Roboter, damit die Möglichkeit ensteht, mit der Theorie in der Praxis zu experimentieren.

Dies erfordert weitere Fortschritte in räumlicher Modellierung, Sprachverarbeitung und Manipulation. Diese Fortschritten werden nicht einzeln betrachtet, sondern sie sollen in das Gesamtkonzept der zu entwickelnden Theorie integriert werden.

Technische Zusammenfassung

Unsere grundlegende Annahme ist, dass für jede Klasse von Repräsentationsformalismen (z.B. Logik, Warscheinlichkeitstheorie, dynamische Systeme), die ein kognitives System benutzen könnte, die Unsicherheit oder Unvollständigkeit im Wissen des Agenten dargestellt und damit explizit gemacht werden kann.

Dazu gibt es mehrere Ansätze, zum Beispiel in epistemischen Logiken oder Lernen und Inferenzmechanismen auf der Grundlage der Warscheinlichkeitstheorie.

Wir werden Ansätze entwickeln, die es einem Roboter ermöglichen, solche Darstellungen für verschiedene Modalitäten zu generieren und darüber Schlussfolgerungen zu ziehen, und die es möglich machen, unsichere Kenntnisse aus mehreren Modalitäten zu kombinieren, damit der Roboter entscheiden kann was als nächstes zu tun ist.

Zum Beispiel könnte der Roboter sich entscheiden, ob er als Nächstes lernen möchte, wie er eine neu erkannte Tasse greifen kann, oder ob er eine Person zu den Eigenschaften von Objekten befragen soll, die er gerade sieht.

Nur wenn der Roboter Schlussfolgerungen über die Konsequenzen seiner Kenntnisse ziehen kann, wird er fähig sein, neue Kenntnisse zu lernen.

Wir werden diese beide wissenschaftlichen Richtungen, nämlich Wissensrepräsentation und Unsicherheit, in Bezug auf spezielle Domänen zusammen betrachten und in beiden Bereichen neue Erkenntnisse gewinnen.

Nutzen der Forschungsergebnisse

Es gibt verschiedene Anwendungen für flexible und robuste Roboter und kognitive Systeme, zum Beispiel in der Raumfahrt, der Ozeanerkundung, der Arbeit in gefährlichen Bereichen oder in der Assistenz zu Hause oder im Büro.

Der vorrangige Nutzen dieses Projektes wird in weiteren Schritten in Richtung zu kognitiven Systemen bestehen, die zusammen mit uns leben und arbeiten können.

Dieser Forschritt wird langsam aber kontinuierlich erfolgen, doch mehrere dieser Technologien werden heute schon genutzt. Mit jedem Schritt werden Erweiterungen der Anwendungen möglich.

Obwohl der Fokus dieses Projektes hauptsächlich wissenschaftlich ist, werden wir unsere Resultaten öffentlich verfügbar machen, um eine kommerzielle Nutzung zu fördern.

Partner

University of Birgmingham, United Kingdom (Co-ordinator), DFKI GmbH, Germany, Kunliga Tekniska Högskolan, Sweden, Univerza v Ljubljani, Slovenia, Albert-Ludwigs-Universität Freiburg, Germany, Teschnische Universität Wien, Austria

Fördergeber

EU - Europäische Union

EU - Europäische Union

Projekt teilen auf:

Publikationen zum Projekt

Marc Hanheide, Nick Hawes, Jeremy L. Wyatt, Kai Zhou, Michael Zillich, Matej Kristan, Danijel Skoč aj, Alen Vreč ko, Marko Mahnič

In: Journal of Experimental and Theoretical Artificial Intelligence (JETAI) 28 5 Seiten 823-848 Taylor & Francis 2016.

Zur Publikation
Marc Hanheide, Moritz Göbelbecker, Graham S. Horn, Andrzej Pronobis, Kristoffer Sjöö, Alper Aydemir, Patric Jensfelt, Charles Gretton, Richard Dearden, Nick Hawes, Jeremy L. Wyatt,

In: Artificial Intelligence (AIJ) Elsevier 2015.

Zur Publikation
Marc Hanheide, Manja Lohse,

In: Marc Hanheide, Manja Lohse, (Hrsg.). International Journal of Social Robotics 4 2 Seiten 107-108 Springer Berlin - Heidelberg 4/2012.

Zur Publikation
Alle Publikationen

Deutsches Forschungszentrum für Künstliche Intelligenz
German Research Center for Artificial Intelligence