HaLeR

Erkennung von Handlungsabweichungen durch Lernen mit eingeschränkten Rechenressourcen

Wissenschaftliche/r Leiter/in:
 
Projektleiter/in:
 
Ansprechpartner/in:

Im Projekt HaLer sollen Lösungen für eine flexible und adaptive Mensch-Maschine Interaktion (MMI) entwickelt werden. Die entwickelten Methoden sollen es einem System erlauben, auch bei geringfügigen Situationsänderungen auf das Verhalten des Menschen flexibel zu reagieren und zu adaptieren. Dafür sollen Handlungsabweichungen des Menschen basierend auf Verhaltensdaten und EEG-Daten erkannt werden. Des Weiteren soll die kombinierte Nutzung von Verhaltensdaten und EEG-Daten es erlauben, bevorstehende Handlungsabfolgen vorherzusagen.

Laufzeit: 01.08.2020 bis 31.12.2022
Zuwendungsempfänger: Deutsches Forschungszentrum für Künstliche Intelligenz GmbH & Universität Bremen
Fördergeber: Bundesministerium für Wirtschaft und Klimaschutz
Deutsches Zentrum für Luft- und Raumfahrt e.V.
Förderkennzeichen: DFKI: 50RA2024 Uni: 50RA2023
Anwendungsfelder: Weltraumrobotik
Verwandte Projekte: BesMan
Behaviors for Mobile Manipulation (05.2012- 07.2016)
IMMI
Intelligentes Mensch-Maschine-Interface - Adaptives Brain-Reading für unterstützende Robotik (05.2010- 04.2015)
TransFIT
Flexible Interaktion für Infrastrukturaufbau mittels Teleoperation und direkte Kollaboration und Transfer in Industrie 4.0 (07.2017- 12.2021)
Q-Rock
Modellbasierte Bestimmung und Validierung von wiederverwendbaren und übertragbaren Roboterverhalten (08.2018- 07.2021)
KiMMI-SF
Adaptives Softwareframework für Kontextabhängige intuitive Mensch-Maschine-Interaktion (06.2020- 12.2023)
EXPECT
Exploring the Potential of Pervasive Embedded Brain Reading in Human Robot Collaborations (06.2020- 05.2024)
Verwandte Robotersysteme: COMPI
Compliant Robot Arm
Mobipick
COMPI
Roboterarm mit nachgiebiger Regelung
Mobipick
Verwandte Software: pySPACE
Signal Processing and Classification Environment written in Python
reSPACE
Reconfigurable Signal Processing and Classification Environment
BOLeRo
Behavior Optimization and Learning for Robots
pySPACE
Signalverarbeitungs- und Klassifikationsumgebung in Python
reSPACE
Reconfigurable Signal Processing and Classification Environment
BOLeRo
Behavior Optimization and Learning for Robots

Projektdetails

In dem Vorhaben HaLeR sollen Lösungen für eine flexible und adaptive MMI entwickelt werden. Die entwickelten Methoden sollen es einem System erlauben, sich bei Situationsänderungen auf das Verhalten des Menschen flexibel zu reagieren und zu adaptieren. Dafür soll von der Universität Bremen ein Ansatz entwickelt werden, welcher automatisch die Zusammenhänge zwischen einzelnen Verhaltensabschnitten erkennt und auf neue, ähnliche Situationen adaptiert, sodass bevorstehende Verhaltensabschnitte situationsangemessen vorhergesagt werden. So werden Abweichungen des menschlichen Verhaltens erkannt. Das DFKI Bremen entwickelt Szenarien, um zu testen, ob bei Situationsänderungen Abweichungen des menschlichen Verhaltens erkannt werden und das Verhalten des Systems innerhalb einer Mensch-Maschine-Kollaboration entsprechend angepasst wird. Dadurch kann die Flexibilität der MMI evaluiert werden, z.B. es wird evaluiert, ob und wie das System den Menschen trotz geänderter Bewegung (z.B. geänderte Abfolge der Verhaltensabschnitte) erfolgreich unterstützt.

Zum Erkennen der Handlungsabweichungen des Menschen werden sowohl dessen Bewegungen mittels Motion Tracking als auch intrinsische Motivationen und Bewertungen von aktuellen Situationen anhand von EEG-Daten analysiert. Die Daten werden mit Lernmethoden analysiert, welche von der AG Robotik der Universität Bremen, die über große Kompetenzen in der Entwicklung von adaptionsfähigen und robusten Lernarchitekturen und Lernverfahren verfügt, entwickelt werden. Dabei wird der Fokus auf Methoden gelegt, welche ohne große Rechenkapazitäten auskommen. Dadurch wird eine Anwendung der Methoden auch in Szenarien mit limitierten Ressourcen, wie zum Beispiel in Weltraummissionen, möglich. Der Fokus der Arbeiten des DFKI liegt auf der Entwicklung von Testumgebungen und der Evaluation der AG Robotik der Universität Bremen entwickelten Methoden.

Publikationen

2023

Classification of error-related potentials evoked during observation of human motion sequences
Su-Kyoung Kim, Julian Liersch, Elsa Andrea Kirchner
In 25th International Conference on Human-Computer Interaction, (HCII-2023), 23.7.-28.7.2023, Copenhagen, Springer, Jul/2023.

2022

The influence of labeling techniques in classifying human manipulation movement of different speed.
Sadique Adnan Siddiqui, Lisa Gutzeit, Frank Kirchner
In International Conference on Pattern Recognition Applications and Methods, (ICPRAM-2022), 03.2.-05.2.2022, n.n., pages 338-345, Feb/2022. ISBN: 978-989-758-549-4.

2021

A Comparison of Few-Shot Classification of Human Movement Trajectories
Lisa Gutzeit
In Proceedings of the 10th International Conference on Pattern Recognition Applications and Methods - Volume 1: ICPRAM, (ICPRAM-2021), 04.2.-06.2.2021, SciTePress, pages 243-250, Feb/2021. ISBN: 978-989-758-486-2.

Zurück zur Projektliste
© DFKI GmbH
zuletzt geändert am 04.01.2024
nach oben