Lehre/Praktikum Organic Computing: Learning Robots: Unterschied zwischen den Versionen
Dpa (Diskussion | Beiträge) |
Lko (Diskussion | Beiträge) |
||
Zeile 9: | Zeile 9: | ||
|LinkVVZ=http://www.uni-karlsruhe.de/info/vvz.php | |LinkVVZ=http://www.uni-karlsruhe.de/info/vvz.php | ||
|LinkStudierendenportal=https://studium.kit.edu/sites/vab/74205/Start/homepage.aspx | |LinkStudierendenportal=https://studium.kit.edu/sites/vab/74205/Start/homepage.aspx | ||
− | |Inhalt=<Strong>Die Vorbesprechung findet statt am: Freitag, den 11.02.2011, um 13. | + | |Inhalt=<Strong>Die Vorbesprechung findet statt am: Freitag, den 11.02.2011, um 13.00 Uhr in Raum 2c-19 in Gebäude 05.20 (Allianzgebäude am Kronenplatz)</Strong> |
<BR> | <BR> | ||
<BR> | <BR> | ||
Als autonome mobile Roboter werden Roboter bezeichnet, die sich in ihrer Umgebung selbstständig bewegen und agieren können. Bei einem solchen Roboter hängen die über die Zeit von den Sensoren wahrgenommenen Daten nicht nur von der Umwelt ab, sondern auch in hohem Maße von seiner Eigenbewegung, bzw. von den Bewegungen anderer Roboter in seiner Wahrnehmungsreichweite. Aus diesem und anderen Gründen (z.B. verrauschte Sensordaten; unvollkommene Motorik; oft gestellte hohe Echtzeitanforderungen) gehört die Programmierung dieser Roboter zu den schwierigsten Programmieraufgaben, die es gibt. Betrachtet man einen ganzen Schwarm autonomer mobiler Roboter, ergeben sich zusätzliche komplexe Anforderungen, wenn man ein bestimmtes globales Verhalten modellieren will (z.B. gemeinsames Abtransportieren von Gegenständen; koordiniertes Durchfahren enger Passagen). Das aus vielen lokalen Interaktionen emergierende Verhalten ist kaum vorhersehbar und ein gewünschtes globales Verhalten nur schwer zu erreichen. | Als autonome mobile Roboter werden Roboter bezeichnet, die sich in ihrer Umgebung selbstständig bewegen und agieren können. Bei einem solchen Roboter hängen die über die Zeit von den Sensoren wahrgenommenen Daten nicht nur von der Umwelt ab, sondern auch in hohem Maße von seiner Eigenbewegung, bzw. von den Bewegungen anderer Roboter in seiner Wahrnehmungsreichweite. Aus diesem und anderen Gründen (z.B. verrauschte Sensordaten; unvollkommene Motorik; oft gestellte hohe Echtzeitanforderungen) gehört die Programmierung dieser Roboter zu den schwierigsten Programmieraufgaben, die es gibt. Betrachtet man einen ganzen Schwarm autonomer mobiler Roboter, ergeben sich zusätzliche komplexe Anforderungen, wenn man ein bestimmtes globales Verhalten modellieren will (z.B. gemeinsames Abtransportieren von Gegenständen; koordiniertes Durchfahren enger Passagen). Das aus vielen lokalen Interaktionen emergierende Verhalten ist kaum vorhersehbar und ein gewünschtes globales Verhalten nur schwer zu erreichen. | ||
− | Eine Möglichkeit, diese mehrdimensionale Komplexität in den Griff zu bekommen, ist, auf Lernverfahren zurückgreifen, die sich in der Natur als effektiv erwiesen haben. | + | Eine Möglichkeit, diese mehrdimensionale Komplexität in den Griff zu bekommen, ist, auf Lernverfahren zurückgreifen, die sich in der Natur als effektiv erwiesen haben. So können Programme zur Steuerung von Robotern erzeugt werden, ohne dass tatsächlich von Hand programmiert werden muss. Der Umgang mit der Komplexität wird somit dem Lernverfahren überlassen. |
− | + | Im Praktikum sollen die Einflüsse verschiedener Faktoren auf den Lernprozess untersucht werden. Die Themenschwerpunkte sind: | |
− | |||
− | Im Praktikum sollen die Einflüsse verschiedener Faktoren auf den | ||
* Herden und Schwärme, | * Herden und Schwärme, |
Version vom 5. Februar 2011, 08:16 Uhr
Praktikum Organic Computing: Learning Robots
Dozent(en) | Hartmut Schmeck |
Übungsleiter | Daniel Pathmaperuma, Sanaz Mostaghim, Lukas König |
Fach (Gebiet) | |
Leistungspunkte | ECTS |
Erfolgskontrolle | |
Semester | WS & SS |
Aktuelle und ergänzende Informationen, sowie Zeiten und Räume der Lehrveranstaltung finden Sie im Vorlesungsverzeichnis der Universität.
Link zum Vorlesungsverzeichnis
Link zum Studierendenportal
Die Vorbesprechung findet statt am: Freitag, den 11.02.2011, um 13.00 Uhr in Raum 2c-19 in Gebäude 05.20 (Allianzgebäude am Kronenplatz)
Als autonome mobile Roboter werden Roboter bezeichnet, die sich in ihrer Umgebung selbstständig bewegen und agieren können. Bei einem solchen Roboter hängen die über die Zeit von den Sensoren wahrgenommenen Daten nicht nur von der Umwelt ab, sondern auch in hohem Maße von seiner Eigenbewegung, bzw. von den Bewegungen anderer Roboter in seiner Wahrnehmungsreichweite. Aus diesem und anderen Gründen (z.B. verrauschte Sensordaten; unvollkommene Motorik; oft gestellte hohe Echtzeitanforderungen) gehört die Programmierung dieser Roboter zu den schwierigsten Programmieraufgaben, die es gibt. Betrachtet man einen ganzen Schwarm autonomer mobiler Roboter, ergeben sich zusätzliche komplexe Anforderungen, wenn man ein bestimmtes globales Verhalten modellieren will (z.B. gemeinsames Abtransportieren von Gegenständen; koordiniertes Durchfahren enger Passagen). Das aus vielen lokalen Interaktionen emergierende Verhalten ist kaum vorhersehbar und ein gewünschtes globales Verhalten nur schwer zu erreichen.
Eine Möglichkeit, diese mehrdimensionale Komplexität in den Griff zu bekommen, ist, auf Lernverfahren zurückgreifen, die sich in der Natur als effektiv erwiesen haben. So können Programme zur Steuerung von Robotern erzeugt werden, ohne dass tatsächlich von Hand programmiert werden muss. Der Umgang mit der Komplexität wird somit dem Lernverfahren überlassen.
Im Praktikum sollen die Einflüsse verschiedener Faktoren auf den Lernprozess untersucht werden. Die Themenschwerpunkte sind:
* Herden und Schwärme, * Räuber-Beute Szenarien, * Wettrüsten mehrerer Spezies (Co-Evolution), * Herausbildung von Sprache und Gedächtniss, * Einflüsse alternativer Controller-Repräsentationen: o Repräsentation als Künstliches Neuronales Netz (KNN), o Repräsentation als Learning Classifier System (LCS), o Repräsentation als Endliche Automaten (EA).
Experimente werden in der Simulation und in richtigen Roboterschwärmen (WANDA-Roboter des Instituts für Prozessrechentechnik, Automation und Robotik) stattfinden.