Theoretical concepts for co-adaptive human machine interaction with application to BCI

点击翻译按钮获取中文摘要

Wir untersuchen die theoretischen und praktischen Herausforderungen des co-adaptiven Lernens, eines wichtigen aktuellen Themas des autonomen Lernens. In diesem neuen Lernparadigma müssen sich zwei lernende Systeme jeweils an einander anpassen (coadaptieren), um effizient zu interagieren. Als ein Standardbeispiel ist eine autonome Lernmaschine und ein menschlicher Nutzer zu nennen, welche sich autonom an einander adaptieren – von einander lernen – während sie ein gemeinsames Ziel verfolgen. Bislang hat sich die Forschung vor allem auf die Seite des maschinellen Lernens fokussiert und dabei in der Regel vernachlässigt, den menschlichen Benutzer in dieser Interaktion zu modellieren. Das vorliegende Projekt wird daher untersuchen: (a) was sind die besten algorithmischen Strategien, um die co-adaptierenden Lernsysteme zu synchronisieren, (b) was sind Zwangsbedingungen oder Priors, die eine einfachere Konvergenz co-adaptativer Lerner erlauben und (c) welche lerntheoretischen Resultate können in Bezug auf Optimalität, Konsistenz und effiziente approximative Strategien für die Konvergenz von zwei Lernern erreicht werden. Während der Hauptfokus des Projektes somit auf der theoretischen Analyse des Zwei-Lerner Problems liegt, soll das autonome coadaptive Lernen für das Probandentraining für Brain Computer Interfacing angewandt werden. Dies ist ein besonders schwieriges Testbett für die Interaktion zwischen Mensch und Maschine. Weitere praktische Szenarien der autonomen co-adaptiven Mensch Maschine Interaktion sollen im Verlauf des SPP exploriert werden.