Neural Control, Memory, and Learning for Complex Behaviors in Multi Sensori-Motor Robotic Systems

• Antragsteller: Professor Dr.-Ing. Poramate Manoonpong
• Fachliche Zuordnung: Automatisierungstechnik, Mechatronik, Regelungssysteme, Intelligente Technische Systeme, Robotik
• Förderung: Förderung von 2010 bis 2016
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 175092235

Die Eleganz von Bewegungen von Tieren und Menschen ist beeindruckend. Um dies zu erreichen, antizipieren Tiere künftige Situationen im Bewegungsablauf und sind lernfähig. Diese komplexen biologischen Fähigkelten können so jedoch noch nicht für künstliche Agenten eingesetzt werden, da die im Tierreich vorliegende vielschichtige senso-motorische Kopplung noch weitestgehend unverstanden ist. Dieser Antrag umfasst deshalb die theoretische Untersuchung unterschiedlicher neuronaler Mechanismen, sowie die Entwicklung von Lernmethoden und vorausschauenden Entscheidungsstrategien. Ziel ist es, solche Mechanismen in künstlichen Agenten zu implementieren, um komplexes, biologisch inspiriertes Verhalten zu anziehen. Dazu gehören natürliche Bewegungen, effiziente Fortbewegung auch in schwierigem Gelände und vielseitige, Gedächtnis gestützte, als auch zielgerichtete Verhaltensweisen in realen Laufroboternm, die mit komplexen Umgebungen interagieren. Das hier angezielte Konzept eines lernfähigen, modularen, neuronalen Netzwerkes ermöglicht dabei sowohl Zusammenarbeit als auch Kompetition der einzelnen Verhaltensmuster. Dieser Ansatz zeichnet sich insbesondere dadurch aus, dass er zum ersten Mal fünf grundlegende Aspekte autonomer Laufroboter vereint: 1) Muskel Modell, 2) adaptive Vorwärtsmodelle (Reafferenzprinzip) 3) Kurzzeltgedächtnis, 4) multi-synaptische Plastizität (Langzeltgedächtnis) und 5) vorhersage-gestützte Motormodelle (zur Handlungsplanung). Ziel diese Projektes ist es damit ein besseres Verständnis der Kontrollmechanismen, des motorischen Gedächtnisses, der synaptischen Plastizität und der Nutzung von Vorhersagen in Modellen bei körperbehafteten ("embodied") neuronalen Systemen mit sensorisch-motorischer Kopplung zu erreichen. Zu diesem Zwecke wird, zusätzlich zur Entwicklung der oben abgesprochenen Mechanismen, eine Open Source Plattform für Roboter mit senso-motorischer Kopplung geschaffen.

• DFG-Verfahren: Emmy Noether-Nachwuchsgruppen