Zusammenfassung
Im Projekt AMOS (Autonome Mobile Systeme) werden grundsätzliche Fragestellungen zur durchgängigen Integration symbolischer und subsymbolischer Formen der Informationsverarbeitung am Beispiel eines mobilen Robotersystems untersucht.
Dieses soll in die Lage versetzt werden, selbständig ein Modell der Umwelt aufzubauen und zu nutzen, um in relativ unstrukturierter Umgebung autonom agieren und für die Aufgabenausführung selbständig bedeutsame Begriffe bilden zu können [6] [11].
Hierzu werden vom Roboter bedeutsame Abweichungen zwischen Erwartungshaltung und aktueller Umwelterfahrung Planzusammenbrüche) detektiert und lokalisiert (Region of Interest, ROI), um Hinweise auf Situationen zu generieren, die für seine Aufgabenausführung interessant scheinen [10].
Diese Hinweise können als Grundlage für eine anschließende gerichtete Wahrnehmung genutzt werden. Sie führen dazu, daß im Bereich der Region of Interest — im Sinne der Aufgabendurchführung des Roboters — positive und negative Fallbeispiele durch geeignete Sensorik aufgenommen und gesammelt werden. Diese Beispiele dienen zum Training eines Klassifikators.
Während der weiteren Aufgabenausführung des Roboters kann der Klassifikator für einen neuen Sensoreindruck feststellen, ob dieser einer bereits bekannten Situationsklasse zugeordnet werden kann, um in der aktuellen Situation auf bereits früher gemachte Erfahrungen verweisen zu können.
In diesem Artikel werden Ergebnisse der automatischen Situationsselektion und Bildaufnahme sowie der Klassifikation vorgestellt. Detaillierte Darstellungen der Architektur und der Klassifikationsmechanismen finden sich in [10] und [5].
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
H. C. Andrews. Introduction to Mathematical Techniques in Pattern Recognition. Krieger, 1983.
P. Bock, R. Klinnert, R. Kober, R. Rovner, and H. Schmidt. Gray-scale alias. Special Issue of IEEE Transactions on Knowledge and Data Engineering, March 1992.
Allen Gersho and Robert M. Gray. Vector quantization and signal compression. KLUWER Academic Publishers, 1992.
Paul Heckbert. Color image quantization for frame buffer display. Computer Graphics, 16(3):297–397, July 1982.
Jörg Illmann. Klassifikation von Abstandsbildern. Diplomarbeit, Universität Karlsruhe, 1992.
M. Knick and F. J. Radermacher. Integration of subsymbolic and symbolic information processing in robot control. In Third annual Conference on AI, Simulation and Planning in High Autonomy Systems, pages 238–243. IEEE Computer Society Press, 1992.
Manfred Knick and Christian Schlegel. AMOS: Active perception of an autonomous system. In IROS, 1994.
Rudolf Kober. Fast density estimation using histograms with variable cell sizes. In Vorbereitung.
Christian Schlegel. Verteiltes Betriebssystem. Technical Report FAW-TR-92019, FAW Ulm, September 1992.
Christian Schlegel. Entwurf und Realisierung eines autonomen mobilen Systems. Diplomarbeit, Universität Ulm, 1993.
Christian Schlegel and Manfred Knick. Die Roboterarchitektur im Projekt AMOS. In Günther Schmidt, Editor, Autonome Mobile Systeme, Seiten 95–100, October 1993. 9. Fachgespräch an der Technischen Universität München.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1994 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Knick, M., Schlegel, C., Illmann, J. (1994). AMOS: Selbständige Generierung bedeutsamer Wahrnehmungsklassen durch ein autonomes System. In: Levi, P., Bräunl, T. (eds) Autonome Mobile Systeme 1994. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-79267-0_8
Download citation
DOI: https://doi.org/10.1007/978-3-642-79267-0_8
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-58438-4
Online ISBN: 978-3-642-79267-0
eBook Packages: Springer Book Archive