Detailansicht
Cognitive functions of an intelligent agent in the context of problem solving
on the example of an autonomous forklift truck
Ron Louis Goerz
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Philosophie und Bildungswissenschaft
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Joint-Degree Middle European interdisc. master prog. in Cognitive Science
Betreuer*in
Paolo Petta
DOI
10.25365/thesis.76486
URN
urn:nbn:at:at-ubw:1-27932.21148.762869-7
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Der Einsatz und die Entwicklung autonomer Nutzfahrzeuge in Außenbereichen, wie beispielsweise auf Baustellen, erfordert intelligente Planungs- und Steuerungssysteme, um aufkommende Probleme zu lösen. Ein höherer Grad an Autonomie eines Fahrzeugs setzt eine Vielzahl kognitiver Funktionen voraus, um ein reaktives Verhalten in einer sich dynamisch verändernden Umgebung zu gewährleisten. Diese KI-Systeme werden oft für spezifische Umgebungen entwickelt, was dazu führt, dass die Lösung neuer Probleme in unbekannten Umgebungen nicht garantiert werden kann. Problemstellungen, die für den Menschen trivial erscheinen, stellen KI-gesteuerte Nutzfahrzeuge vor teilweise unlösbare Herausforderungen. Gleichzeitig muss die Sicherheit dieser Maschinen für einen potentiellen autonomen Betrieb gewährleistet sein, um einen verantwortungsvollen Einsatz der Technologie sicherzustellen. Daraus ergibt sich die Fragestellung, wie autonome Nutzfahrzeuge zunehmend Probleme selbstständig lösen können, während gleichzeitiger Gewährleistung von Sicherheitsaspekten. Anhand des repräsentativen Beispiels eines automatisierten Gabelstaplers wurde zunächst ein genetischer Lernalgorithmus für Behavior Trees implementiert, der zuvor am Benchmark-Szenario Pac-Man erprobt wurde. Die Nutzung von Behavior Trees als Planungs- und Steuerungssystem bietet den Vorteil, dass die Entscheidungsstruktur des autonomen Gabelstaplers für den Menschen lesbar und nachvollziehbar ist, wodurch die Gewährleistung von Sicherheitsaspekten ermöglicht wird. Durch den genetischen Lernalgorithmus kann der Gabelstapler selbstständig neue Behavior Trees erlernen, die potenziell unbekannte Probleme lösen. Dieser technische Ansatz liefert gute Ergebnisse. Er erfordert jedoch das Zutun der entwickelnden Person, um Lösungen für neue Probleme zu erlernen, wodurch die Autonomie des Gabelstaplers eingeschränkt wird. In einem zweiten Schritt wurde der Gabelstapler hinsichtlich der kognitiven Funktionen, die zur Problemlösung erforderlich sind, analysiert. Durch diesen interdisziplinären Ansatz konnte gezeigt werden, dass der Gabelstapler nicht über die kognitiven Funktionen der Abstraktion und des Verständnisses verfügt Diese kognitiven Funktionen wurden im Zuge der Implementierung von der entwickelnden Person übernommen, wodurch sich der Autonomiegrad des Nutzfahrzeugs signifikant verringert. Auf Basis dieser Analyse wurden entsprechende technische Lösungsansätze vorgeschlagen, um die beiden identifizierten kognitiven Funktionen zu automatisieren und somit den Autonomiegrad des Gabelstaplers potenziell zu erhöhen. Durch die Einbettung dieser Lösungsvorschläge in die Struktur der Behavior Trees ist es möglich Sicherheitsgarantien zu gewährleistet. Zusammenfassend trägt diese Arbeit dazu bei, das Verständnis von KI zu vertiefen, indem sie die kognitiven Funktionen im Zusammenhang mit Problemlösung im gegebenen Beispiel explizit macht, und bietet gleichzeitig ein Analysetool für die Weiterentwicklung autonomer Systeme.
Abstract
(Englisch)
The development and deployment of autonomous vehicles in outdoor environments, such as construction sites, require intelligent planning and control systems to tackle emergent obstacles. Achieving a high degree of vehicle autonomy while ensuring appropriate reactive behaviour in dynamically changing environments requires a multitude of cognitive functions. These AI systems are often developed for specific domains, which means that problem-solving in unfamiliar environments cannot be guaranteed. Issues that appear trivial to humans can pose insurmountable challenges to AI-controlled vehicles. To ensure the safe and responsible use of these technologies, safety in autonomous operation must be guaranteed. This raises the question of how autonomous vehicles can increasingly solve problems independently while simultaneously ensuring safety. Using the representative example of an automated forklift truck, we implemented a Genetic Learning Algorithm for Behaviour Trees, which we previously tested on our benchmark scenario Pac-Man. The use of Behaviour Trees as a planning and control system offers the advantage of making the decision structure of the autonomous forklift truck readable and comprehensible to humans, thereby easing the assessment of safety aspects. Through the Genetic Learning Algorithm, the forklift truck can learn new Behaviour Trees to solve related but unfamiliar problems. This technical approach delivers positive results in our task scenario as long as we pre-specify the problem. However, the forklift truck needed significant inputs to find solutions to new problems, thereby limiting its autonomy. In order to improve our understanding of the limitations of the forklift truck, we conducted an interdisciplinary analysis of the Cognitive Functions involved in Problem-Solving. This led us to conclude that the forklift truck lacked the Cognitive Functions of abstraction and comprehension. These Cognitive Functions were taken care of by the designer during specific implementations, which significantly reduced the degree of autonomy of the commercial vehicle in any appreciably different task environment. Based on this analysis, we suggest corresponding technical solutions to automate the two identified Cognitive Functions, thereby potentially increasing the autonomy of the forklift truck. By embedding these proposed solutions in the structure of the behaviour trees, safety guarantees can be ensured. In summary, this work contributes to a deeper understanding of AI in the given example by making the Cognitive Functions related to problem-solving explicit, while simultaneously providing an analytical tool for the further development of autonomous systems.
Schlagwörter
Schlagwörter
(Deutsch)
Künstliche Intelligenz Behaviour Tree Genetische Algorithmen Lernen Wissen Intelligenter Agent Kognitive Funktionen Autonome Fahrzeuge Problemlösung
Schlagwörter
(Englisch)
Artificial Intelligence Behaviour Tree Genetic Algorithm Learning Knowledge Intelligent Agent Cognitive Function Autonomous Vehicle Problem Solving
Autor*innen
Ron Louis Goerz
Haupttitel (Englisch)
Cognitive functions of an intelligent agent in the context of problem solving
Hauptuntertitel (Englisch)
on the example of an autonomous forklift truck
Paralleltitel (Deutsch)
Kognitive Funktionen eines intelligenten Agenten im Kontext von Problemlösung
Paralleluntertitel (Deutsch)
am Beispiel eines autonomen Gabelstaplers
Publikationsjahr
2024
Umfangsangabe
XIII, 155 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Paolo Petta
Klassifikationen
50 Technik allgemein > 50.25 Robotertechnik ,
54 Informatik > 54 Informatik
AC Nummer
AC17283591
Utheses ID
72458
Studienkennzahl
UA | 066 | 013 | |