Detailansicht
Goal-driven developmental learning on a mobile robot
Christian Papauschek
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Philosophie und Bildungswissenschaft
Betreuer*in
Michael Zillich
DOI
10.25365/thesis.20958
URN
urn:nbn:at:at-ubw:1-29999.08781.379870-3
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Seit den frühen 1980er Jahren wurden mobile Roboter entwickelt, die Objekten ausweichen und durch verschiedenste Umgebungen navigieren können. Hierfür wurde Vorwissen über das Zusammenspiel zwischen Sensoren und Motoren des Roboters verwendet. Als man komplexere Anforderungen an Robotik-Systeme stellte, scheiterten traditionelle Architekturen daran, diesen gerecht zu werden. Einen interessanten Ansatz für dieses Problem bietet der Forschungsbereich Developmental Robotics, der größtenteils von der kognitionswissenschaftlichen Community beeinflusst wurde und von den gemeinsamen Interessen der Entwicklungspsychologie und der Robotik profitiert. Der Forschungsbereich beschäftigt sich unter anderem damit, wie ein autonomer Roboter lernen kann komplexe Aufgaben zu bewältigen indem er seine Umgebung erforscht. Das Komplexitätsproblem der Robotik soll mit diesem erfahrungsbasierten Ansatz gelöst werden.
In dieser Arbeit wird eine Lernarchitektur auf einem mobilen Roboter implementiert, welche auf den Kernprinzipien der Developmental Robotics basiert. Die Architektur ermöglicht die autonome Konstruktion eines sensomotorischen Modells, ohne Vorwissen über die Sensorenanordnung. Der Roboter verwendet die Vorhersagen dieses Modells um bestimmte Sensorenwerte zu erreichen. Dies resultiert in zielgerichtetem Verhalten.
Die Ergebnisse zeigen, dass die Architektur es dem Roboter ermöglicht, die Sensorenwerte als Folgen seines Handelns vorherzusagen. Der Roboter war in der Lage, mit Hilfe seiner Ultraschall-Abstandssensoren bestimmte Entfernungen zu Objekten zu halten, ohne spezielle Vorprogrammierung. Wir schlussfolgern, dass erfahrungsbasiertes Lernen ein realisierbarer Ansatz in der Robotik ist, und es ist unsere Überzeugung, dass Forschung aus der Entwicklungspsychologie einen wichtigen Einfluss in diesem Gebiet darstellen wird.
Abstract
(Englisch)
Since the early 1980s, mobile robots have been programmed to avoid objects and navigate environments. Prior knowledge about the robot's sensors and actuators was used to solve this problem. But as robotics systems were expected to address more complex tasks, traditional robot architectures failed to scale up to them. One interesting approach to this problem can be seen in the field of developmental robotics, which was influenced in large parts by the cognitive science community and benefits from the mutual interests of developmental psychology and robotics. The main research question in this field is how an embodied agent can learn complex tasks by exploring its environment. This experience-based learning approach aims to solve the scaling problem of robotics.
In this thesis, a developmental learning architecture is implemented on a mobile robot. It allows the robot to autonomously construct a sensomotoric model, without prior knowledge about its sensor configuration. This model can then be used to predict the outcome of the robot's actions. In the proposed architecture, the agent uses these predictions to reach specific sensor states, resulting in goal-driven behavior.
The results show that the robot was able to keep specific distances to objects using its ultrasonic distance sensors, without being preprogrammed with an algorithm that describes the necessary actions. We conclude that experience-based learning is a feasible approach in robotics, and it is our belief that research from developmental psychology will become an important influence in this area.
Schlagwörter
Schlagwörter
(Englisch)
Mobile robot developmental robotics developmental psychology autonomous learning artificial intelligence machine learning
Schlagwörter
(Deutsch)
Mobiler Roboter Developmental Robotics Entwicklungspsychologie Autonomes Lernen Künstliche Intelligenz Machine Learning
Autor*innen
Christian Papauschek
Haupttitel (Englisch)
Goal-driven developmental learning on a mobile robot
Paralleltitel (Deutsch)
Zielorientiertes erfahrungsbasiertes Lernen auf einem mobilen Roboter
Publikationsjahr
2012
Umfangsangabe
66 S. : Ill., graph. Darst.
Sprache
Englisch
Beurteiler*in
Michael Zillich
AC Nummer
AC10710354
Utheses ID
18745
Studienkennzahl
UA | 066 | 013 | |