Stage-oe-small.jpg

Lehre/Praktikum Organic Computing: Learning Robots: Unterschied zwischen den Versionen

Aus Aifbportal
Wechseln zu:Navigation, Suche
 
(25 dazwischenliegende Versionen von 4 Benutzern werden nicht angezeigt)
Zeile 5: Zeile 5:
 
|Forschungsgruppe=Effiziente Algorithmen
 
|Forschungsgruppe=Effiziente Algorithmen
 
|Dozent=Hartmut Schmeck;
 
|Dozent=Hartmut Schmeck;
|Übungsleiter=Lukas König; Sanaz Mostaghim;
+
|Übungsleiter=Sanaz Mostaghim; Lukas König;Daniel Pathmaperuma;
|Semester=WS & SS
 
 
|LinkVVZ=http://www.uni-karlsruhe.de/info/vvz.php
 
|LinkVVZ=http://www.uni-karlsruhe.de/info/vvz.php
|LinkStudierendenportal=https://studium.kit.edu
+
|LinkStudierendenportal=https://studium.kit.edu/sites/vab/0x968EC04C60A5744DAB1A35A48CF2ED59/Start/homepage.aspx
|Inhalt=<Strong>Die Vorbesprechung findet statt am: Donnerstag, den 11.02.2010, um 13.15 Uhr in Raum 2C-19 im Allianzgebäude am Kronenplatz (Kaiserstraße 89)</Strong>
+
|Inhalt=<Strong>Die Einführungsveranstaltung findet statt am: Montag, den 16.04.2012, um 09.45 Uhr in Raum 2C-19 in Gebäude 05.20<BR><BR>Anmeldung per Email erforderlich. </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 oder Agenten 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. In diesem Praktikum wird die von Darwin eingeführte Theorie der Evolution von Lebewesen, basierend auf zufälligen Mutationen und natürlicher Auslese, auf eine Population von Robotern übertragen. Die Controller, welche die Roboter steuern, sind dabei einer langsamen zufälligen Veränderung unterworfen; eine Bewertungsfunktion definiert das Zielverhalten, dem sich die Population annähern soll, und steuert den Selektionsprozess. Im Laufe der Evolution lernen die Roboter auf diese Weise ein gewünschtes Verhalten, indem solche, die es nicht oder nur unzureichend beherrschen, ausselektiert werden, während andere, die es gut können, für die Produktion von Nachkommen herangezogen werden.
+
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.
  
So können Programme zur Steuerung von Robotern erzeugt werden, ohne dass tatsächlich von Hand programmiert werden muss: benötigt wird nur eine gute Definition der Bewertungsfunktion. Der Umgang mit der Komplexität wird somit dem Lernverfahren überlassen.
+
Im Praktikum sind die Themenschwerpunkte:
  
Im Praktikum sollen die Einflüsse verschiedener Faktoren auf den evolutionären Prozess untersucht werden. Die Themenschwerpunkte sind:
+
    * Herden und Schwärme,
 +
    * Räuber-Beute Szenarien,
 +
    * Wettrüsten mehrerer Spezies (Co-Evolution),
 +
    * Herausbildung von Sprache und Gedächtnis,
 +
    * Arbeit mit Simulationen und realen Robotern
 +
    * ...
  
    * Einflüsse von Szenario und Fitness-Berechnung,
+
Experimente werden in der Simulation und möglicherweise im realen Roboterschwarm (WANDA-Roboter des Instituts für Prozessrechentechnik, Automation und Robotik) stattfinden.
    * Einflüsse von Interaktion und Nachbarschaft,
 
    * Wahl des richtigen Teilverhaltens: Lernen bei mehreren Lernzielen,
 
    * Dynamische Umgebung: Bewältigung komplexer Umweltverhältnisse,
 
    * Konfliktauflösung durch Kommunikation: Evolution von Sprache,
 
    * Co-Evolution: Wettrüsten mehrerer Spezies,
 
    * Einflüsse alternativer Controller-Repräsentationen:
 
          o Repräsentation als Künstliches Neuronales Netz (KNN),
 
          o Repräsentation als Learning Classifier System (LCS),
 
          o Repräsentation als Petrinetz (PN).
 
 
 
Experimente werden in der Simulation und in richtigen Roboterschwärmen (WANDA-Roboter des Instituts für Prozessrechentechnik, Automation und Robotik) stattfinden.
 
 
}}
 
}}
 +
[[Im Angebot::Nein| ]]

Aktuelle Version vom 7. Juli 2015, 07:48 Uhr

Praktikum Organic Computing: Learning Robots

Details zur Lehrveranstaltung
Dozent(en) Hartmut Schmeck
Übungsleiter Sanaz MostaghimLukas KönigDaniel Pathmaperuma
Fach (Gebiet)
Leistungspunkte ECTS
Erfolgskontrolle
Semester


Aktuelle und ergänzende Informationen, sowie Zeiten und Räume der Lehrveranstaltung finden Sie im Vorlesungsverzeichnis der Universität.
Link zum Vorlesungsverzeichnis
Link zum Studierendenportal


Forschungsgruppe


Inhalt

Die Einführungsveranstaltung findet statt am: Montag, den 16.04.2012, um 09.45 Uhr in Raum 2C-19 in Gebäude 05.20

Anmeldung per Email erforderlich.


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 oder Agenten 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 sind die Themenschwerpunkte:

   * Herden und Schwärme,
   * Räuber-Beute Szenarien,
   * Wettrüsten mehrerer Spezies (Co-Evolution),
   * Herausbildung von Sprache und Gedächtnis,
   * Arbeit mit Simulationen und realen Robotern
   * ...

Experimente werden in der Simulation und möglicherweise im realen Roboterschwarm (WANDA-Roboter des Instituts für Prozessrechentechnik, Automation und Robotik) stattfinden.