Hauptnavigation

Lernen qualitativer Merkmale aus numerischen Robotersensordaten

Abstract
    Diese Arbeit ist eingebunden in ein Forschungsprojekt, bei dem Maschinelles Lernen eingesetzt wird zur Definition operationaler Begriffe für die Anwendung in der Roboternavigation. Auf der untersten Ebene ergibt sich dabei ein signal-to-symbol-Problem. Als Lösung wird hier ein Verfahren vorgestellt, das numerische Sensordaten eines mobilen Roboters inkrementell zu qualitativen Wahrnehmungsmerkmalen verarbeitet, die sowohl zum Lernen abstrakterer Wahrnehmungsmerkmale als auch für die Navigation des Roboters verwendet werden können. Die Granularität der Wahrnehmungsmerkmale wird dabei von einem Lernalgorithmus bestimmt. Eine Analyse der Tests mit dem Verfahren zeigt Probleme auf, die sich aus dem Ansatz des Forschungsprojektes ergeben. Bei der Entwicklung von Lösungsansätzen wird daher auch angeregt, den Ansatz zu verändern. Das vorgestellte Verfahren ist ausserdem anwendbar zur Analyse numerischer Daten - beispielsweise in Datenbanken - und zur Diskretisierung stetiger Attributwerte - etwa als Vorverarbeitung für ID3-ähnliche Verfahren.
Kontakt
  • S. Wessel