Neuronale biologisch inspirierte Steuerungsachitektur für einen mobilen Roboter

点击翻译按钮获取中文摘要

Es wird untersucht, inwiefern die neuesten Erkenntnisse der Neurobiologie und resultierende Modelle neuronaler Informationsverarbeitung genutzt werden können, um lernende Steuerungsarchitekturen für autonome mobile Roboter aufzubauen. Dieser Ansatz soll zukünftig erlauben, alltagstaugliche Steuerungen für Service-Roboter zu entwickeln, ohne jedes Detail der jeweiligen Einsatzumgebung explizit beim Entwurf zu modellieren. Denn die explizite Modellierung stößt mit steigendem Anspruch an solche Roboter an Grenzen der Machbarkeit bzw. an Kostengrenzen, während Lernverfahren durch steigende Rechnerleistung und neue Erkenntnisse in der kognitiven Neurobiologie und neuronalen Informationsverarbeitung zu Lösungsalternativen werden. Anwendungsbeispiel im Forschungsvorhaben ist ein einfacher mobiler Roboter, der sich in einer realen Umgebung mit Hilfe eines Kamerapaares orientieren und Navigationsaufgaben lösen soll. Die Steuerung erfolgt vollständig durch eine Hierarchie neuronal inspirierter Systeme ohne jedes symbolisch ausprogrammierte Regelwerk. Es wird ferner eine vollständige Simulationsumgebung implementiert, um die neuronalen Module sowohl einzeln als auch als Gesamtsystem trainieren und den Lernprozess analysieren zu können. Als Berechnungsmodell und Lernverfahren soll primär das Leabra-Verfahren von O'Reilly verwendet werden. Die zu lösenden Aufgaben umfassen die Verarbeitung visueller Sensordaten und die Realisierung der Verhaltensmuster Kollisionsvermeidung, Ansteuerung von Objekten und gedächtnisbasierte Navigation in der Einsatzumgebung. Für dieses System sollen einzelne neuronale Modelle und Verfahren verbessert und außerdem der durch eine Hardware-Implementierung erreichbare Leistungsgewinn abgeschätzt werden.