Hauptnavigation

Doktorarbeit von Volker Klingspor

Reaktives Planen mit gelernten Begriffen

Thema dieser Arbeit ist die Integration dreier grundlegender Anforderungen an situierte Agenten: das maschinelle Lernen von handlungs- und wahrnehmungsbezogenen Begriffen, die reaktive Planung mit diesen Begriffen und die Verankerung der Kommunikation zwischen situiertem Agenten und menschlichem Anwender in Handlungen und Wahrnehmungen. Das Zusammenführen dieser Aspekte erfordert die Repräsentation von Wahrnehmung und Handlung eines Agenten, die Weiterentwicklung reaktiver Planungs- und Planausführungverfahren sowie die Spezialisierung maschineller Lernverfahren.

Um diese Anforderungen erfüllen zu können, haben wir zunächst die Notwendigkeit, Handlung und Wahrnehmung zu integrieren, bezüglich sowohl der kognitiven als auch der pragmatischen Aspekte analysiert. Begriffe, die einem Agenten das Handeln ermöglichen, basieren darauf, daß der Erfolg der Handlung mittels der Wahrnehmung verifiziert werden kann, wobei die verwendeten Begriffe Wahrnehmungs-Handlungs-Beziehungen darstellen. Am Beispiel des Karlsruher Roboter PRIAMOS haben wir eine hierarchische Repräsentation der Wahrnehmungen und Handlungen entwickelt. Die Repräsentation verankert die zur Kommunikation verwendeten Begriffe, die sich auf den abstrakten Stufen der Hierarchie befinden, über mehrere Stufen in den konkreten Sensormessungen und Elementaroperationen des Roboter.

Zur automatischen Charakterisierung der verwendeten Merkmale wurde das induktive Lernverfahren GRDT entwickelt. GRDT vereint Aspekte existierender Lernverfahren, indem es deklaratives Wissen über die Struktur des Hypothesenraums zur Reduktion des Suchraums verwendet. Dieses Modellwissen wird mit Hilfe einer Grammatik definiert. Auf Grund des so reduzierten Suchraums kann GRDT den Hypothesenraum vollständig durchsuchen, dies ist insbesondere bei verrauschten Daten hilfreich, da keine potentielle Hypothese verpaßt werden kann.

Ziel der Arbeit ist jedoch nicht nur die Charakterisierung von operationalen Begriffen, sondern auch deren reaktive Ausführung. Neu an diesem Ansatz ist dabei, daß symbolisches Wissen verwendet wird, um reaktiv die Wahrnehmungen des Agenten die Handlungen determinieren zu lassen. Dazu wurde das mehrstufiges Verfahren SHARC entwickelt, das basierend auf operationalen Begriffen plant und diese abstrakten Pläne auf eine operationale Basis herunterbricht und reaktiv ausführt. Dabei ist das SHARC robust gegenüber fehlerhaften Messungen und sicher gegenüber Gefährdung anderer.

Die Anwendbarkeit dieser Ergebnisse wurde an Hand der Domäne der mobilen Roboter nachgewiesen. Jedoch stellt diese Arbeit auch weitere Anwendungen vor, die den Einsatz der entwickelten Verfahren rechtfertigen.