Willkommen auf meiner Home-Page

Alfred Schurmann

Die eingebaute Intelligenz des motivierten autonomen Roboters

Über Roboter Intelligenz sind viele Artikel geschrieben worden. Einige Vorstellungen Roboter intelligent zu machen sind eher naiv. Ich betrachte Roboter Intelligenz in anderer Weise - wie weiter geschildert, baue ich einige Grundsteine der Intelligenz in den Roboter ein.

Die Basis für die Intelligenz des motivierten autonomen Roboters sind seine folgende Bestandteile:
*  Baum ähnliche strukturierte Wissensbasis über Objekte und Situationen in der Umgebung;
*  emotionelle Muster verbunden mit Objekt- und Situationsmodellen in der genannten Wissensbasis;
*  Aktivitätsschemas die dem Roboter ermöglichen komplexe Aktivitäten auszuführen;
*  die Motivation des Roboters eine Aktivität auszuführen;
*  das Wahrnehmungssubsystem das seine Aufmerksamkeit auf die gegenwärtig wichtigsten Objekte und Situationen fokusiert.

1. Abstrakte Objekt- und Situationsmodelle in der Wissensbasis und deren intelligente Aktualisierung

Die Wissensbasis ist so strukturiert daß jedes Objekt- oder Situationsmodell ein Knoten im Baum ähnlichem Graph ist. Die Nachfolgeknoten eines Objektmodell Knotens sind mehr konkrete (weniger abstrakte) Objektmodelle als das Objektmodell im Vorgänger Knoten; z. B. die Nachfolgeknoten des Objektmodells "Apfel" sind Modelle verschiedener Apfelsorten, wobei der "Apfel" Knoten (es ist das Modell der Klasse Äpfel) ist ein Nachfolgeknoten des Modells/Knotens "Früchte" (es ist das Modell für Früchte). Ein Objektmodell hat alle Eigenschaften des Vorgänger Knotens/Objektmodells. Dies ermöglicht sehr abstrakte Objektmodelle in der Wissensbasis zu haben. Abstrakte Objektmodelle sind einer der Grundsteine der Intellegenz, weil sie dem Roboter ermöglichen, bei Wahrnehmung, ein unbekanntes Objekt zu erkennen/klassifizieren als ein Objekt einer Klasse von Objekten, d.h. als Fall eines abstrakten Objektmodells. In dieser Weise erkennt/klassifiziert der Roboter intelligent vorher nicht bekannte Objekte.

Im Falle eines neuen Objektes dessen Modell nicht in der Wissensbasis ist, kann der Roboter das Modell für dieses Objekt bilden (er kann zusätzliche Aktivitäten ausführen um weitere Eigenschaften des Objektes zu erkennen) und dieses Modell in richtiger Stelle in die baumartige Wissensbasis eintragen. In dieser Weise erweitert der Roboter intelligent seine Wissensbasis über seine Umgebung.

In ähnlicher Weise können nicht bekannte Situationen klassifiziert (identifiziert als Fall eines abstrakten Situationsmodells) werden. Wenn also der Roboter eine unbekannte gefährliche Situation wahrnimmt, dann würde er wahrscheinlich diese Situation als Fall eines abstrakten Modells für gefährliche Situationen erkennen - und so, intelligent seine Umgebung erkennen.

Der Roboter kann auch verifizieren ob ein erkanntes konkretes Objekt alle/oder neue Eigenschaften hat, im Vergleich zu seinem Modell in der Wissensbasis, und dieses Objektmodell aktualisieren - er reagiert also intelligent auf Änderungen eines Objektes.

In gesagter Weise kann der Roboter seine Wissensbasis intelligent zu einer neuen Umgebung anpassen; z.B. wenn ein Haushaltsroboter seine Wohnung wechselt, oder wenn neue Möbel gekauft werden.

Die Wissensbasis wird auch zur assoziativen Wahrnehmung von Objekten und Situationen in folgender Weise angewandt:
Wenn der Roboter, mittels eines visuellen Identifizierungsprogramms, ein Objekt als Abbildung wahrnimmt, sucht er in der Wissensbasis das Objektmodel mit der identifizierten visuellen Abbildung; er sucht von oben entlang dem Zweig wo diese Abbildung am besten zu visuellen Mustern in den Objektmodellen, zugeordnet zu den Knoten, paßt. Nach dem er das am besten passendes Muster gefunden hat assoziiert er die Abbildung mit dem Objektmodell mit dem am besten passenden Muster, d.h. mit allen Eigenschaften dieses Objektmodells. Das ist eine einfache Lösung des vorher nicht gelösten Assoziierungsproblems bei Wahrnehmung eines Roboters.

2. Bewertung von Objekten und Situationen mittels emotionaler Reizmuster

Jedem Objekt- und Situationsmodell kann ein Reizmuster in Bezug auf ein Bedürfnis des Roboters zugeordnet werden. Dies  ermöglicht die gegenwärtige Reizstärke eines wahrgenommenen Objektes oder Situation zu berechnen. Diese Reizstärke mißt wie gut (wenn sie positiv ist) oder wie schlecht (wenn sie negativ ist) und wie wichtig (wie groß der Absolutbetrag der Reizstärke ist) gegenwärtig das/die wahrgenommene Objekt/Situation ist - er kann also intelligent Objekte und Situationen in seiner Umgebung bewerten was ihm ermöglicht gegenwärtig unwichtige Objekte und Situationen zu ignorieren und nur die wichtigsten beachten und behandeln.

3. Situationen,  Aktivitätschema und die Motivation des Roboters es auszuführen

Es ist üblich das in Veröffentlichungen und Beiträgen ein Roboter seine Umgebung als eine Erscheinung von Objekten betrachtet. Das führt zum unintelligenten Verhalten des Roboters; Beispiele: "if Wasserkran offen then mache ihn zu", "if Buch auf dem Boden then hebe es und lege ins Regal (auch wenn z. B. Kinder es benutzen)".
Ein Roboter muß seine gegenwärtige Umgebung als Erscheinung von Situationen betrachten, andernfalls kann er nicht intelligent handeln. Der motivierte autonome Roboter reagiert (d.h. führt Aktivitäten aus) nur auf Situationen, wie weiter geschildert.

Ein Aktivitätschema des Roboters ist Beschreibung einer komplexen Aktivität des Roboters, z. B. das Aktivitätsschema für Zubereitung eines Mittagessens, das Aktivitätsschema für Reinigung eines Zimmers. Solch ein Aktivitätsschema kann Kontrollsubaktivitäten enthalten die dem Roboter ermöglichen andere Maschinen zu bedienen und kontrollieren - es ist eine intelligente Eigenschaft des Roboters.

Ein Aktivitätsschema hat Anfangs- und Zielsituationen. Der Roboter beginnt die Ausführung eines Aktivitätsschemas von einer Anfangssituation und ist motiviert eine Zielsituation des Aktivitätsschemas zu erreichen; wenn der Roboter keine Zielsituation erreicht dann ist die Ausführung mißlungen. Der Roboter führt also nur dann eine Aktivität aus wenn er in einer Anfangssituation dieser Aktivität ist.

Meistens ist jedoch der Roboter in mehreren Situationen die Anfangssituationen einiger Aktivitätsschemas sind. Um zu entscheiden welche Aktivität er gegenwärtig ausführen soll, wendet er eine Prozedur an die die gegenwärtige Motivation zur Ausführung einer Aktivität bestimmt. Diese Motivationsprozedur basiert auf in    2. Bewertung von...   gesagten Reizstärken einiger Situationen (besonders der Anfangs-, Ziel- und anderen Endsituationen) des Aktivitätsschemas. Mittels dieser Motivation, mit Berücksichtigung der Zeit in der eine Aktivität ausgeführt werden soll, bestimmt der Roboter diese Aktivität auszuführen die gegenwärtig am wichtigsten ist. Der Roboter bestimmt also in intelligenter Weise welche Aktivität er gegenwärtig ausführen wird. Solches Entscheidungsproblem haben nur voll-autonome Roboter; nicht voll-autonome Roboter sind nicht mit solchem Problem konfrontiert.

4. Fokussierung der Aufmerksamkeit auf wichtigste Objekte und Situationen

Wenn der Roboter Objekte und Situationen in seiner Umgebung wahrnimmt, fokussiert er seine Aufmerksamkeit und Wahrnehmung auf diese Objekte und Situationen die gegenwärtig am wichtigsten sind, d.h. die große positive oder negative Reizstärke haben (sehe: "2. Bewertung..."). Dies ist einer der Grundsteine für intelligentes Verhalten des Roboters, weil er die wichtigsten Situationen behandelt und die unwichtigen ignoriert.
Ein Roboter der alle Situationen in seiner Umgebung mit der selben Aufmerksamkeit behandelt, kann nicht effektiv wirklich wichtige Situationen beobachten, was dazu führt daß er unwichtige Situationen behandelt und ignoriert wichtige - das ist ein sehr unintelligentes Verhalten.
Das Wahrnehmungssystem des Roboters speichert/merkt sich alle Objekte und Situationen in der gegenwärtig wahrgenommenen Umgebung, so daß, er z.B. weiß welche Objekte im Wohnzimmer sind wenn er von dort in die Küche gekommen ist. Solches Wissen ist notwendig um sich intelligent zu verhalten.

5. Verstehen und Benutzen einer sehr primitiven Sprache

Die Objekt- und Situatinsmodellen in der Wissensbasis (s. "1. Abstrakte ...") kann man deren Namen in verschiedenen Sprachen zuordnen, z. B. dem Apfelmodell die Wörter "Apfel" und "apple". die Deutung dieser Wörter/Namen ist das zugeordnete Objekt oder Situationsmodell. Für einige einfache Sätze könnte man abstrakte Situationsmuster bilden. Diese Sätze würden dann vom Roboter verstanden und er könnte sie auch benutzen indem er nach diesen Satz/Situations-Mustern Sätze schreibt (d.h. auf dem Monitor anzeigt oder druckt). Der Roboter könnte also eine sehr primitive Sprache verstehen und benutzen.
Allerdings, sind die Möglichkeiten des Sprachverstehens des Roboters beschränkt, weil (a) die Wissensbasis enthält nur Modelle von Objekten und Situationen mit denen der Roboter direkt zu tun hat, und (b) man weiß nicht nach welchen Regeln und Sprachmustern ein Mensch Sätze bildet - solche Intelligenz hat nicht der Roboter.


A. Schurmann                                                 Geändert:   24 September 2006

Gehe zu Startseite
                                                                                                                                      web.de