Motivation
Je nachdem, was sich hinter dieser Ecke befindet, ist diese Frage für uns einfach zu beantworten. An einem Hafen sehen wir wahrscheinlich Schiffe und hinter einer Straßenecke eine Straßenlaterne. Diese Erwartungen haben wir ganz intuitiv aufgrund unseres Wissens und Erfahrungen. Viel mehr noch können unsere Erwartungen uns dabei helfen, Gegenstände in unserer Umgebung wahrzunehmen. In einer Küche ist ein Kasten mit einer Tür mit größerer Wahrscheinlichkeit ein Kühlschrank als eine Telefonzelle. Auch autonome Roboter können bereits in eingeschränkter Form Wissen über ihre Umgebung nutzen. Algorithmen zur Planung oder Entscheidungsfindung etwa können bereits zur Effizienzsteigerung auf solches Wissen zurückgreifen. Schwieriger ist es jedoch, die „Wahrnehmung“ eines Roboters damit zu beeinflussen.
Ziele und Vorgehen
Während der letzten Jahre hat es gewaltige Fortschritte in der Wahrnehmung von Robotern gegeben, insbesondere in der Objekterkennung. Neuronale Netze werten Sensordaten, wie etwa Bilder, aus und können eine Vielzahl von verschiedenen Gegenständen mit großem Erfolg identifizieren. Aktuell ist dies für verschiedene Formen von Sensordaten möglich, symbolisches Wissen einzubringen, stellt jedoch noch ein Problem dar. Im Projekt ExPrIS werden hierzu Ansätze erforscht, die Erwartungen über die Umgebung in die Objekterkennung autonomer Roboter integrieren. Die Herausforderung besteht dabei zum einen darin, kontextabhängige Erwartungen zu generieren: „Es ist wahrscheinlicher, die Telefonzelle auf der Straße zu sehen als in der Küche“. Zum anderen sollen diese Erwartungen auch unmittelbar in den Lern- und Erkennungsprozess von Neuronalen Netzen integriert werden.
Innovationen und Perspektiven
Dadurch wird ein Roboter in die Lage versetzt, vorhandene Informationen und Erfahrungen aktiv für seine Wahrnehmung zu nutzen, und damit die Objekterkennung positiv zu beeinflussen. In Kombination mit bereits vorhandenen Methoden zur Entscheidungsfindung soll dadurch ermöglicht werden, dass sich autonome Roboter stabiler und zuverlässiger verhalten.