Räumliches Modellieren und Schlussfolgern

• Antragsteller: Dr.-Ing. Jan Eric Lenssen
• Fachliche Zuordnung: Künstliche Intelligenz und Maschinelle Lernverfahren ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 556415750

Der Mensch hat ausgeprägte Fähigkeiten aus wenigen Beobachtungen relevante Informationen über seine Umgebung zu erschließen. Wenig visuelle Information reicht beispielsweise aus, um sich und Objekte in der 3D Umgebung zu lokalisieren, Objekte zu identifizieren, Interaktionspotenzial zu erkennen und Hypothesen über nicht beobachtete Bereiche der Umgebung aufzustellen. Der Schlüssel zu dieser Fähigkeit ist das Zurückgreifen auf gelerntes Wissen, welches wir Menschen im Laufe des Lebens durch Beobachtung und Interaktion aufbauen. Dieser Projektantrag beschreibt das Forschungsvorhaben, grundlegende algorithmische Herausforderungen zu überwinden, um diese Fähigkeiten mittels maschinellem Lernen zu replizieren. Anwendungsfelder eines Systems für maschinelles Sehen mit derartigen Fähigkeiten sind vielfältig und beispielsweise in Bereichen wie der Robotik, dem autonomen Fahren sowie der generativen 3D Modellierung zu finden. Die zu lösenden Herausforderungen lassen sich beschreiben als stochastische inverse Probleme, der Aufgabe eine Menge von unsicheren Faktoren im Raum zu Schlussfolgern, welche die unvollständigen Beobachtungen erklären. Beispiele für derartige Faktoren sind 3D Struktur, semantische Informationen über Objekte, sowie physikalische Eigenschaften. Konkret soll das beschriebene Forschungsvorhaben anhand von zwei miteinander verbundenen Zielen bearbeitet werden: der Entwicklung effizienter räumlicher Representationen, die als Grundlage für maschinelles Lernen verwendet werden können sowie der Entwicklung von Modellen, die innerhalb dieser Representationen räumlich Schlussfolgern können. Für das zweite Vorhaben sollen generative Modelle im Vordergrund stehen, welche ein guter Kandidat für derartige Schlussfolgerungsmodelle sind.

• DFG-Verfahren: Emmy Noether-Nachwuchsgruppen