Learning to Behave in the Sensorimotor Loop - An Animat Approach

点击翻译按钮获取中文摘要

Das geplante Vorhaben wird evolutionär erzeugte, künstliche neuronale Strukturen und deren Prozesse identifizieren, die autonomen Robotern (Animaten) ermöglichen, sich wie Tiere zu verhalten. Das Entstehen von verschiedenen Verhaltensmustern wird in Experimenten untersucht, die sich auf die Interaktion des Individuums mit seiner Umgebung konzentrieren. Lernen wird hier also als ein Prozess verstanden, der durch Signale in der sensomotorischen Schleife “getrieben” wird. Die untersuchten Lernmechanismen beruhen auf homöostatischen Eigenschaften einzelner Neurone bzw. neuronaler Subsysteme und werden durch Randbedingungen spezifiziert. Diese werden durch Signale von inneren Sensoren (Propriozeptoren) definiert, die Körperzustände repräsentieren. Es wird ferner davon ausgegangen, dass Struktureigenschaften der Neurokontroller für Lernprozesse ebenso entscheidend sind wie die synaptische Plastizität. Daher werden evolutionäre Techniken zur Strukturerzeugung eingesetzt und mit homöostatischen Prozessen zur synaptischen Plastizität kombiniert. Lernen wird im Kontext des Dynamischen Systeme Ansatzes zu “embodied cognition” mit Hilfe von Techniken aus den Bereichen Evolutionäre Robotik, Artificial Life, Dynamische und Komplexe Systeme untersucht.