Autonomous Learning for Bayesian Cognitive Robotics

贝叶斯认知机器人的自主学习

• 批准号: 200306665
• 负责人: Professor Dr. Michael Beetz, Ph.D.
• 金额: --
• 依托单位: Institute for Artificial Intelligence (IAI)
• 依托单位国家: 德国
• 项目类别: Priority Programmes
• 财政年份: 2011
• 资助国家: 德国
• 起止时间: 2010-12-31 至 2015-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/200306665?language=en
• 关键词: Autonomous; Learning; Bayesian; Cognitive; Robotics

Bayessche kognitive Robotik ist ein neues Paradigma für die wissensbasierte Steuerung autonomer Roboter. Diesem Paradigma liegt die Idee zugrunde, dass eine der vielversprechendsten Möglichkeiten, Roboter mit umfassenden Schlussfolgerungsfähigkeiten auszustatten, im lebenslangen autonomen Lernen von Verbundwahrscheinlichkeitsverteilungen über Robotersteuerungsprogrammem, dem Verhalten, das diese erzeugen, und den situationsabhängigen Effekten, die diese bewirken, besteht. Hat ein Roboter solche Verteilung aus Erfahrung gelernt, so kann er sie gezielt zum Zwecke der Vorhersage, der Diagnose oder für andere wertvolle Inferenzaufgaben einsetzen, die seine Problemlösungsfähigkeiten verbessern. In diesem Antrag kommen führende Forschungsgruppen aus den Bereichen der kognitionsbasierten Robotersteuerung, des performanten probabilistischen Lernens und Schlussfolgerns sowie der Planung durch probabilistische Inferenz zusammen, um den Forschungsbereich der Bayesschen kognitiven Robotik voranzutreiben, indem (1) wir eine Plansprache so erweitern, dass sie die autonome Sammlung von semantisch interpretierbaren Daten während der Ausführung von Roboter- Steuerungsprogrammen unterstützt; (2) wir aus den gesammelten Daten autonom die Parameter und die Struktur von probabilistischen Modellen bestimmen sowie probabilistische Regeln für Planung ableiten; und (3) wir neue lifted Inferenztechniken entwickeln, die auch die Anwendung von komplexen Modellen in Echtzeit ermöglichen können. Die resultierenden Softwarekomponenten werden in einem Steuerungssystem für autonome Roboter umgesetzt und im Rahmen von Robotermanipulationsaufgaben, wie der Zubereitung einer einfachen Mahlzeit oder dem Aufräumen, in der realen Welt empirisch evaluiert.

Bayessche认知机器人技术在neues范式研究中的应用[j]。deem paradigm liight die Idee zugrunde, dass eine der verelversprechendsten Möglichkeiten, robot mit umfassenden Schlussfolgerungsfähigkeiten auszustatten, im lebenslangen autonomen leren von verbundwahrscheinlichkeitsverilungen . ber robotersteuerungsprogramm, dem Verhalten, das dieserzegen, und den situationsabhängigen Effekten, die diesbeirken, best。在机器人中，机器人解决了所有的问题，因此，机器人解决了所有的问题，机器人解决了所有的问题，机器人解决了所有的问题，机器人解决了所有的问题，机器人解决了所有的问题。In diesem Antrag kommen fhrende Forschungsgruppen as den Bereichen der konnition basierten Robotersteuerung, des performance probabilistischen lerens and Schlussfolgerns sowie der Planung duran probabilissche Inferenz zusammen, um den forschungsberich der Bayesschen konitiven Robotik voranzutreiben, indem (1) wirine Plansprache so erweitern, dass die die autonome Sammlung von semantisch interpretierbaren Daten während der ausf<s:1> hrung von Roboter- Steuerungsprogrammen terst<s:1> tzt；(2) wir aus den gesammelten数据自动模具参数和模具结构的概率模型估计；[3] [endnoteref: 1] [endnoteref: 1] [endnoteref: 1] [endnoteref: 1]。Die resultierenden software componenten werden in einem Steuerungssystem; r autonome robot umgesetzt and im Rahmen von Robotermanipulationsaufgaben, wie der Zubereitung einer einfachen Mahlzeit oderdem Aufräumen, in der realen Welt empirical evaluiert。