Projekt

VeryHuman

Komplexes Verhalten Humanoider Roboter Lernen und Verifizieren

Komplexes Verhalten Humanoider Roboter Lernen und Verifizieren

  • Laufzeit:
  • Anwendungsfelder
    Sonstige

Die Validierung von Systemen in sicherheitsrelevanten Situationen ist ein inhärent schwieriges Problem, wenn deren Verhalten über Lernalgorithmen trainiert wurde. Der subsymbolische Operationsmodus erlaubt keine ausreichende Abstraktion oder Repräsentation um Korrektheitsbeweise zu führen. Die Zielsetzung des Projektes VeryHuman ist es, die nötigen Abstraktionsebenen durch Beobachtung und Analyse des zweibeinigen Laufens eines humanoiden Roboters zu synthetisieren. Die zu entwickelnde Theorie dient sowohl als Grundlage, um Belohnungsfunktionen abzuleiten, die für die optimale Kontrolle des Roboters über erweiterte Lernansätze verwendet werden, als auch um verifizierbare Abstraktionen kinematischer Robotermodelle zu generieren, die erleichterte Verhaltensvalidierung erlauben.

Partner

Cyber Physical Systems (CPS), DFKI Robotics Innovation Center (RIC), DFKI

Fördergeber

Bundesministerium für Bildung und Forschung

01IW20004

Bundesministerium für Bildung und Forschung

Publikationen zum Projekt

Moritz Schilling, Shivesh Kumar, Heiner Peters, Adriano del Rio Fernandez, Christoph Stoeffler

In: Bruno Siciliano, Oussama Khatib (Hrsg.). ARK 2022: Advances in Robot Kinematics 2022. International Symposium on Advances in Robot Kinematics (ARK-2022) June 27-30 Bilbao Spain Seiten 348-355 Springer Proceedings in Advanced Robotics (SPAR) 24 ISBN 978-3-031-08140-8 Springer Cham 6/2022.

Zur Publikation

Deutsches Forschungszentrum für Künstliche Intelligenz
German Research Center for Artificial Intelligence