Learning to Behave in the Sensorimotor Loop - An Animat Approach

• Applicant: Professor Dr. Frank Pasemann
• Subject Area: Image and Language Processing, Computer Graphics and Visualisation, Human Computer Interaction, Ubiquitous and Wearable Computing
• Term: from 2011 to 2015
• Project identifier: Deutsche Forschungsgemeinschaft (DFG) - Project number 200237219

Das geplante Vorhaben wird evolutionär erzeugte, künstliche neuronale Strukturen und deren Prozesse identifizieren, die autonomen Robotern (Animaten) ermöglichen, sich wie Tiere zu verhalten. Das Entstehen von verschiedenen Verhaltensmustern wird in Experimenten untersucht, die sich auf die Interaktion des Individuums mit seiner Umgebung konzentrieren. Lernen wird hier also als ein Prozess verstanden, der durch Signale in der sensomotorischen Schleife “getrieben” wird. Die untersuchten Lernmechanismen beruhen auf homöostatischen Eigenschaften einzelner Neurone bzw. neuronaler Subsysteme und werden durch Randbedingungen spezifiziert. Diese werden durch Signale von inneren Sensoren (Propriozeptoren) definiert, die Körperzustände repräsentieren. Es wird ferner davon ausgegangen, dass Struktureigenschaften der Neurokontroller für Lernprozesse ebenso entscheidend sind wie die synaptische Plastizität. Daher werden evolutionäre Techniken zur Strukturerzeugung eingesetzt und mit homöostatischen Prozessen zur synaptischen Plastizität kombiniert. Lernen wird im Kontext des Dynamischen Systeme Ansatzes zu “embodied cognition” mit Hilfe von Techniken aus den Bereichen Evolutionäre Robotik, Artificial Life, Dynamische und Komplexe Systeme untersucht.

• DFG Programme: Priority Programmes
• Subproject of: SPP 1527: Autonomous Learning