AMOS: Selbständige Generierung bedeutsamer Wahrnehmungsklassen durch ein autonomes System

Im Projekt AMOS (Autonome Mobile Systeme) werden grundsätzliche Fragestellungen zur durchgängigen Integration symbolischer und subsymbolischer Formen der Informationsverarbeitung am Beispiel eines mobilen Robotersystems untersucht.Dieses soll in die Lage versetzt werden, selbständig ein Modell der Umwelt aufzubauen und zu nutzen, um in relativ unstrukturierter Umgebung autonom agieren und für die Aufgabenausführung selbständig bedeutsame Begriffe bilden zu können [6] [11].Hierzu werden vom Roboter bedeutsame Abweichungen zwischen Erwartungshaltung und aktueller Umwelterfahrung Planzusammenbrüche) detektiert und lokalisiert (Region of Interest, ROI), um Hinweise auf Situationen zu generieren, die für seine Aufgabenausführung interessant scheinen [10].Diese Hinweise können als Grundlage für eine anschließende gerichtete Wahrnehmung genutzt werden. Sie führen dazu, daß im Bereich der Region of Interest — im Sinne der Aufgabendurchführung des Roboters — positive und negative Fallbeispiele durch geeignete Sensorik aufgenommen und gesammelt werden. Diese Beispiele dienen zum Training eines Klassifikators.Während der weiteren Aufgabenausführung des Roboters kann der Klassifikator für einen neuen Sensoreindruck feststellen, ob dieser einer bereits bekannten Situationsklasse zugeordnet werden kann, um in der aktuellen Situation auf bereits früher gemachte Erfahrungen verweisen zu können.In diesem Artikel werden Ergebnisse der automatischen Situationsselektion und Bildaufnahme sowie der Klassifikation vorgestellt. Detaillierte Darstellungen der Architektur und der Klassifikationsmechanismen finden sich in [10] und [5].