Intelligente selbständige Roboter Science Fiction oder
Werbung
Intelligente selbständige Roboter Science Fiction oder Science Andreas Huemer 2006 Anforderungen • Lösung von komplexen, nicht monotonen Aufgaben • Einbettung in die reale Welt • Einfache, intuitive Kommunikation Einsatz (allgemein) • Gefährliche Umgebungen • Effizienzsteigerung • Aufgaben, die von Menschen nicht oder schwer durchführbar sind • Unterhaltung Einsatzgebiete • Katastropheneinsatz – – – – Suche nach Überlebenden Versorgung von Opfern Bergung Unterstützung der Einsatzkräfte Einsatzgebiete • • • • Expeditionen Arbeit und Haushalt Exekutive und Militär Unterhaltung Forschungsbereiche • • • • • Roboterkörper Sensorik Motorik Steuerung Energieversorgung Steuerung • Intelligentes Verhalten • Anpassungsfähigkeit • Entwicklung Intelligentes Verhalten durch künstliche neuronale Netze • • • • Biologisches Gehirn als Vorlage Verteiltes Wissen: Neuronen und Synapsen Spiking Struktur – Vom Sensor zum Motor – „Funktionen“ und „Unterfunktionen“ Ein einfaches neuronales Netz • Aufbau • Funktionsweise • Simulation Ein einfaches neuronales Netz • Aufbau • Funktionsweise • Simulation Anpassungsfähigkeit durch fehlende starre Programmierung • Vielseitige Reaktionsmöglichkeiten auf sensorische Eingaben • Neuronen und Verbindungen können sich laufend ändern Entwicklung durch Lernen und Selbstorganisation • Intelligenz kann mit der Zeit entstehen • Aufbau des künstlichen Gehirns durch Selbstorganisation • Aus Erfahrungen lernen Selbstorganisation der neuronalen Verbindungen • Häufig gemeinsam verwendete Verbindungen werden gestärkt • Hebbsches Lernen • Entstehung von neuronalen Karten Beispiel einer neuronalen Karte Lernen durch Belohnung und Bestrafung • positives oder negatives Feedback über spezielle Sensoren – Reinforcement Learning • Internes Feedback – Gesundheitszustand • Externes Feedback – Bewertung durch Lehrer – Supervised Learning Neue integrierte Lernmethode • „Feedback-Kerne“ („Reinforcement units“) Funktionsweise – Schritt 1 Funktionsweise – Schritt 2 Funktionsweise – Schritt 3 Funktionsweise – Schritt 4 Funktionsweise – Schritt 5 Funktionsweise – Schritt 6 Wichtige Vorteile gegenüber existierenden Lernmethoden • Lernen ist direkt in das neuronale Netz integriert • Lernen kann während der Laufzeit erfolgen • Feedback ist direkt mit der Aktion verbunden, die es verursacht hat • Nur Teile des neuronalen Netzes müssen angepasst werden • Zeitabhängige Vorhersagen sind möglich Zu beachten • Die komplexen Prozesse im neuronalen Netz sind schwer zu überwachen • Die vorgeschlagenen Methoden müssen erst getestet werden Wachstum des Gehirns • Selbstorganisation der Neuronen • Basisgehirn mit bestimmten Wachstumseigenschaften • Steuerungsmöglichkeiten durch – Festlegung bestimmter Prozeduren – Evolutionäre Methoden Hardwareprobleme • Viele eher einfache, parallel laufende Prozessoren werden statt einem hochkomplexen benötigt • Dynamische Änderungen der Hardware sind schwer möglich Zusammenfassung • Viele Einsatzgebiete • Neuronale Netze – flexible Steuerung • Ständige Anpassung und Verbesserung auch während Laufzeit möglich • Noch viel Entwicklungsarbeit notwendig • Aber: Science, nicht Science Fiction Herzlichen Dank! Andreas
