TRR 62:  Eine Companion-Technologie für kognitive technische Systeme

• Fachliche Zuordnung: Informatik, System- und Elektrotechnik ; Bauwesen und Architektur ; Medizin
• Förderung: Förderung von 2009 bis 2017
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 54371073

• Erstellungsjahr: 2018

Zusammenfassung der Projektergebnisse

Der Sonderforschungsbereich/Transregio 62 war getragen von der Vision, technische Systeme jedweder Art als Companion-Systeme zu realisieren – als kognitive technische Systeme, die ihre Funktionalität vollkommen individuell auf den jeweiligen Nutzer ausrichten. Dabei orientieren sie sich an seinen Fähigkeiten, Vorlieben, Anforderungen und aktuellen Bedürfnissen, stellen sich auf seine Situation, Disposition und emotionale Befindlichkeit ein, sind stets verfügbar, kooperativ und vertrauenswürdig und treten ihm als kompetente und partnerschaftliche Dienstleister gegenüber. Leitidee war die Companion-Fähigkeit technischer Systeme. Sie manifestiert sich in den Eigenschaften Kompetenz, Individualität, Adaptivität, Verfügbarkeit, Kooperativität und Vertrauenswürdigkeit. Diese Companion-Eigenschaften wurden in interdisziplinärer Zusammenarbeit umfassend erforscht mit dem Ziel, eine Technologie bereitzustellen, die es erlaubt technische Systeme jeder Art als Companion-Systeme zu realisieren. Dazu wurden zwei komplementäre Sichtweisen eingenommen. Die Systemsicht war der Realisierung umfassender kognitiver Fähigkeiten in technischen Systemen gewidmet. Das wohl-orchestrierte, effektive Zusammenwirken von Prozessen der Wahrnehmung, der Interaktion, der Planung und des Schlussfolgerns erzeugen die Companion-Eigenschaften und machen technische Systeme zu Companion-Systemen. Die Nutzersicht untersuchte Mensch-System-Interaktion und Companion-Eigenschaften aus psychologischer und neurobiologischer Perspektive. Psychologische Verhaltensmodelle, neue Experimentalparadigmen und die Analyse von Hirnaktivität gaben Aufschluss über die Wirkung von Systemverhalten und ermöglichten damit eine effektive Realisierung und Evaluierung der Companion-Eigenschaften. Die wichtigsten Ergebnisse des SFB/TRR 62 sind • eine interdisziplinär verankerte Theorie der Companion-Fähigkeit kognitiver technischer Systeme; • ein operationales Konzept der Companion-Technologie; • Methoden, Modelle, Werkzeuge und Komponenten zur Realisierung von Companion-Eigenschaften in technischen Systemen; • Referenzarchitekturen für Companion-Systeme; • prototypische Companion-Systeme in den Anwendungsfeldern Assistenz bei der Installation einer komplexen Heimkino-Anlage, Werkerunterstützung im Automobilbau sowie Assistenz bei der Durchführung von Heimwerkerprojekten. Die synergetisch erzielten Ergebnisse interdisziplinärer Grundlagenforschung im SFB/TRR 62 bedienen ein zentrales gesellschaftliches Anliegen. Mit der so genannten Digitalisierung, dem stetig zunehmenden Einsatz komplexer, hochfunktionaler Hardware- und Software-Systeme in allen Lebensbereichen, steigen die Anforderungen, die dabei an den einzelnen Nutzer gestellt werden. Gleichzeitig eröffnet die technologische Entwicklung immer wieder neue Möglichkeiten der technischen Unterstützung und digitalen Assistenz. In diesem Spannungsfeld stellt die Companion-Technologie einen zukunftsweisenden Fortschritt dar: Sie ermöglicht die Entwicklung flexibler, sich individuell anpassender, wirklich nutzergerechter und kompetent (inter-)agierender technischer Systeme. Die Publikationsleistung des SFB/TRR 62 umfasst mehr als 800 referierte Arbeiten, die überwiegend in hochrangigen wissenschaftlichen Publikationsorganen veröffentlicht worden sind. Seine umfangreichen, interdisziplinären Forschungsergebnisse sind darüber hinaus in einem Band zusammenfassend publiziert. Das Buch mit dem Titel Companion Technology – A Paradigm Shift in Human-Technology Interaction (Hrsg. S. Biundo und A. Wendemuth) umfasst 25 Beiträge auf 500 Seiten. Es ist 2017 im Springer-Verlag in der Reihe Cognitive Technologies erschienen.

Projektbezogene Publikationen (Auswahl)

• “Differential neuromodulation of acquisition and retrieval of avoidance learning by the lateral habenula and ventral tegmental area”. In: The Journal of Neuroscience: the Official Journal of the Society for Neuroscience 30.17 (2010). S. 5876–5883
  J. Shumake, A. Ilango, H. Scheich, W. Wetzel und F. W. Ohl
  (Siehe online unter https://doi.org/10.1523/jneurosci.3604-09.2010)
• “Memory Capacities for Synaptic and Structural Plasticity”. In: Neural Computation 22.2 (2010). S. 289–341
  A. Knoblauch, G. Palm und F. T. Sommer
  (Siehe online unter https://doi.org/10.1162/neco.2009.08-07-588)
• “Semi-supervised learning for tree-structured ensembles of RBF networks with Co-Training”. In: Neural Networks 23.4 (2010). S. 497–509
  M. F. A. Hady, F. Schwenker und G. Palm
  (Siehe online unter https://doi.org/10.1016/j.neunet.2009.09.001)
• “Advanced User Assistance Based on AI Planning”. In: Cognitive Systems Research, Special Issue on Complex Cognition 12.3-4 (2011). S. 219–236
  S. Biundo, P. Bercher, T. Geier, F. Müller und B. Schattenberg
  (Siehe online unter https://doi.org/10.1016/j.cogsys.2010.12.005)
• “Stereo-Camera-based Urban Environment Perception using Occupancy Grid and Object Tracking”. In: IEEE Transactions on Intelligent Transportation Systems (2011). S. 154–165
  T. Nguyen, B. Michaelis, A. Al-Hamadi, M. Tornow und M.-M. Meinecke
  (Siehe online unter https://doi.org/10.1109/TITS.2011.2165705)
• “Altered Brain Activity During Emotional Empathy in Somatoform Disorder”. In: Human Brain Mapping 33 (2012). S. 2666–2685
  M. De Greck, L. Scheidt, A. Bölter, J. Frommer, C. Ulrich, E. Stockum, B. Enzi, C. Tempelmann, T. Hoffmann, S. Han und G. Northoff
  (Siehe online unter https://doi.org/10.1002/hbm.21392)
• “Personal Projectors for Pervasive Computing”. In: IEEE Pervasive Computing 11.2 (2012). S. 30–37
  E. Rukzio, P. Holleis und H. Gellersen
  (Siehe online unter https://doi.org/10.1109/MPRV.2011.17)
• “Feedback that confirms reward expectation triggers auditory cortex activity”. In: Journal of Neurophysiology 110.8 (2013). S. 1860–1868
  T. Weis, A. Brechmann, S. Puschmann und C. Thiel
  (Siehe online unter https://doi.org/10.1152/jn.00128.2013)
• “Real-Time Multi-Object Tracking using Random Finite Sets”. In: IEEE Transactions on Aerospace and Electronic Systems 49.4 (2013). S. 2666–2678
  S. Reuter, B. Wilking, J. Wiest, M. Munz und K. Dietmayer
  (Siehe online unter https://doi.org/10.1109/TAES.2013.6621844)
• “Transsituational Individual-Specific Biopsychological Classification of Emotions”. In: IEEE Transactions on Systems, Man, and Cybernetics: Systems 43.4 (2013). S. 988–995
  S. Walter, J. Kim, D. Hrabal, S. C. Crawcour, H. Kessler und H. C. Traue
  (Siehe online unter https://doi.org/10.1109/TSMCA.2012.2216869)
• “Using unlabeled data to improve classification of emotional states in human computer interaction”. In: Journal on Multimodal User Interfaces 8.1 (2013). S. 5–16
  M. Schels, M. Kächele, M. Glodek, D. Hrabal, S. Walter und F. Schwenker
  (Siehe online unter https://doi.org/10.1007/s12193-013-0133-0)
• “Analysis of significant dialog events in realistic human–computer interaction”. In: Journal on Multimodal User Interfaces 8.1 (2014). S. 75–86
  D. Prylipko, D. Rösner, I. Siegert, S. Günther, R. Friesen, M.-t. Haase, B. Vlasenko und A. Wendemuth
  (Siehe online unter https://doi.org/10.1007/s12193-013-0144-x)
• “Comparative Learning Applied to Intensity Rating of Facial Expressions of Pain”. In: International Journal of Pattern Recognition and Artificial Intelligence 28 (5 2014). S. 168–186
  P. Werner, A. Al-Hamadi und R. Niese
  (Siehe online unter https://doi.org/10.1142/S0218001414510082)
• “Computing with a canonical neural circuits model with pool normalization and modulating feedback”. In: Neural Computation 26.12 (2014). S. 2735–2789
  T. Brosch und H. Neumann
  (Siehe online unter https://doi.org/10.1162/neco_a_00675)
• “Crowd behaviour analysis and anomaly detection by statistical modelling of flow patterns”. In: International Journal of Data Mining, Modelling and Management 6 (2 2014). S. 168–186
  S. Pathan, A. Al-Hamadi und B. Michaelis
  (Siehe online unter https://doi.org/10.1504/IJDMMM.2014.063196)
• “Graph Clusterings with Overlaps: Adapted Quality Indices and a Generation Model”. In: Neurocomputing 123 (2014). S. 13–22
  T. Gossen, M. Kotzyba und A. Nürnberger
  (Siehe online unter https://doi.org/10.1016/j.neucom.2012.09.046)
• “Hierarchical Constraints – Providing Structural Bias for Hierarchical Clustering”. In: Machine Learning 94.3 (2014). S. 371–399
  K. Bade und A. Nürnberger
  (Siehe online unter https://doi.org/10.1007/s10994-013-5397-9)
• “Learning Long-term Dependencies in Segmented- Memory Recurrent Neural Networks with Backpropagation of Error”. In: Neurocomputing 141 (2014). S. 54–64
  S. Glüge, R. Böck, G. Palm und A. Wendemuth
  (Siehe online unter https://doi.org/10.1016/j.neucom.2013.11.043)
• “Managing adaptive spoken dialogue for Intelligent Environments”. In: Journal of Ambient Intelligence and Smart Environments 6.5 (2014). S. 523–539
  S. Ultes und W. Minker
  (Siehe online unter https://doi.org/10.3233/AIS-140275)
• “Plan, Repair, Execute, Explain - How Planning Helps to Assemble your Home Theater”. In: Proceedings of the 24th International Conference on Automated Planning and Scheduling (ICAPS 2014). AAAI Press, 2014, S. 386–394
  P. Bercher, S. Biundo, T. Geier, T. Hoernle, F. Nothdurft, F. Richter und B. Schattenberg
  (Siehe online unter https://doi.org/10.1609/icaps.v24i1.13664)
• “Reasoning with Nominal Schemas through Absorption”. In: Journal of Automated Reasoning 53.4 (2014). S. 351–405
  A. Steigmiller, B. Glimm und T. Liebig
  (Siehe online unter https://doi.org/10.1007/s10817-014-9310-4)
• “The Labeled Multi-Bernoulli Filter”. In: IEEE Transactions on Signal Processing 62.12 (2014). S. 3246–3260
  S. Reuter, B.-T. Vo, B.-N. Vo und K. Dietmayer
  (Siehe online unter https://doi.org/10.1109/TSP.2014.2323064)
• “Auditory intensity processing: Categorization versus comparison”. In: NeuroImage 119 (2015), S. 362–370
  N. Angenstein und A. Brechmann
  (Siehe online unter https://doi.org/10.1016/j.neuroimage.2015.06.074)
• “Coherence Across Components in Cognitive Systems – One Ontology to Rule Them All”. In: Proceedings of the 24th International Joint Conference on Artificial Intelligence (IJCAI 2015). AAAI Press, 2015, S. 1442–1449
  G. Behnke, D. Ponomaryov, M. Schiller, P. Bercher, F. Nothdurft, B. Glimm und S. Biundo
  (Siehe online unter https://dl.acm.org/doi/10.5555/2832415.2832450)
• “Fusion paradigms in cognitive technical systems for human-computer interaction”. In: Neurocomputing 161 (2015). S. 17–37
  M. Glodek, F. Honold, T. Geier, G. Krell, F. Nothdurft, S. Reuter, F. Schüssel, T. Hörnle, K. Dietmayer, W. Minker, S. Biundo, M. Weber, G. Palm und F. Schwenker
  (Siehe online unter https://doi.org/10.1016/j.neucom.2015.01.076)
• “On event-based optical flow detection”. In: Frontiers in Neuroscience 9.137 (2015). S. 1–15
  T. Brosch, S. Tschechne und H. Neumann
  (Siehe online unter https://doi.org/10.3389/fnins.2015.00137)
• “OPEN_EmoRec_II – A Multimodal Corpus of Human-Computer Interaction”. In: International Journal of Computer, Electrical, Automation, Control and Information Engineering 9.5 (2015), S. 1181–1187
  S. Rukavina, S. Gruss, S. Walter, H. Hoffmann und H. C. Traue
  (Siehe online unter https://doi.org/10.5281/zenodo.1338277)
• “Pay-As-You-Go Description Logic Reasoning by Coupling Tableau and Saturation Procedures”. In: Journal of Artificial Intelligence Research 54 (2015). S. 535–592
  A. Steigmiller und B. Glimm
  (Siehe online unter https://doi.org/10.1613/jair.4897)
• “The complex duration perception of emotional faces: Effects of face direction”. In: Frontiers in Psychology: Emotion Science 6.262 (2015). S. 1–10
  K. M. Kliegl, K. Limbrecht-Ecklundt, L. Dürr, H. C. Traue und A. Huckauf
  (Siehe online unter https://doi.org/10.3389/fpsyg.2015.00262)
• “Assessing the Expressivity of Planning Formalisms through the Comparison to Formal Languages”. In: Proceedings of the 26th International Conference on Automated Planning and Scheduling (ICAPS 2016). AAAI Press, 2016, S. 158–165
  D. Höller, G. Behnke, P. Bercher und S. Biundo
  (Siehe online unter https://doi.org/10.1609/icaps.v26i1.13758)
• “Companion-Technology for Cognitive Technical Systems”. In: Künstliche Intelligenz, Special Issue on Companion Technologies 30.1 (2016). S. 71–75
  S. Biundo und A. Wendemuth
  (Siehe online unter https://doi.org/10.1007/s13218-015-0414-8)
• “Counting votes in coupled decisions”. In: Theory and Decision 80 (2016). S. 1–42
  A. Wendemuth und I. Simonelli
  (Siehe online unter https://doi.org/10.1007/s11238-015-9532-x)
• “Effects of Neutral and Fearful Mood on Duration Estimation of Neutral and Fearful Face Stimuli”. In: Timing & Time Perception 4.1 (2016). S. 30–47
  L. V. Eberhardt, A. Huckauf und K. M. Kliegl
  (Siehe online unter https://doi.org/10.1163/22134468-00002060)
• “Facial Expression Reactions to Feedback in a Human-Computer Interaction—Does Gender Matter?” In: Psychology 7.3 (2016). S. 356–367
  S. Rukavina, S. Gruss, H. Hoffmann und H. C. Traue
  (Siehe online unter https://doi.org/10.4236/psych.2016.73038)
• “Lend a Hand to Service Robots: Overcoming System Limitations by Asking Humans”. In: Dialogues with Social Robots: Enablements, Analyses, and Evaluation. Hrsg. von K. Jokinen. Bd. 427. Lecture Notes in Electrical Engineering. Springer Singapore, 2016, S. 321–329
  F. Schüssel, M. Walch, K. Rogers, F. Honold und M. Weber
  (Siehe online unter https://doi.org/10.1007/978-981-10-2585-3_26)
• “Methods for Person-Centered Continuous Pain Intensity Assessment from Bio-Physiological Channels”. In: IEEE Journal of Selected Topics in Signal Processing (2016). S. 854–864
  M. Kächele, P. Thiam, M. Amirian, F. Schwenker und G. Palm
  (Siehe online unter https://doi.org/10.1109/JSTSP.2016.2535962)
• “Neural Information Processing in Cognition: We Start to Understand the Orchestra, but Where is the Conductor?” In: Frontiers in Computational Neuroscience 10.3 (2016). S. 1–6
  G. Palm
  (Siehe online unter https://doi.org/10.3389/fncom.2016.00003)
• “Pupil Size Changes as an Active Information Channel for Biofeedback Applications”. In: Applied Psychophysiology and Biofeedback 41.3 (2016). S. 331–339
  J. Ehlers, C. Strauch, J. Georgi und A. Huckauf
  (Siehe online unter https://doi.org/10.1007/s10484-016-9335-z)
• Companion Technology: A Paradigm Shift in Human-Technology Interaction. 1. Aufl. Cognitive Technologies. Cham: Springer International Publishing, 2017
  S. Biundo und A. Wendemuth, Hrsg.
  (Siehe online unter https://doi.org/10.1007/978-3-319-43665-4)
• “Effect of sequential comparison on active processing of sound duration”. In: Human Brain Mapping 38.9 (2017). S. 4459–4469
  N. Angenstein und A. Brechmann
  (Siehe online unter https://doi.org/10.1002/hbm.23673)