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
Herunterladen
Random flashcards
Medizin

5 Karten Sophia Gunkel

Laser

2 Karten anel1973

Literaturepochen

2 Karten oauth2_google_55780ed8-d9a3-433e-81ef-5cfc413e35b4

Erstellen Lernkarten