Labyrinth 2
Einrichtung als Testbed für Lernarchitekturen und EEG/ fMRI- Untersuchungen
Das BRIO Labyrinth Spiel wurde um zwei Servo-Motoren und Potentiometer erweitert. Dies ermöglicht eine Fernsteuerung des Spieles und die Messung der Lage der Spielfläche im Raum. Labyrinth 2 ist der Nachfolger von Labyrinth 1.
Laufzeit: | 07.01.2008 bis 31.01.2009 |
Zuwendungsempfänger: | Deutsches Forschungszentrum für Künstliche Intelligenz GmbH |
Anwendungsfelder: | Assistenz- und Rehabilitationssysteme |
Verwandte Projekte: |
Labyrinth 1
Entwicklung von Lernarchitekturen und Experimente im Bereich senso-motorisches Lernen
(06.2007-
12.2007)
|
Verwandte Robotersysteme: |
BRIO Labyrinth
Testbed für die Entwicklung von Lernarchitekturen
BRIO Labyrinth
Testbed for the development of learning architectures
|
Verwandte Software: |
MMLF
Maja Machine Learning Framework
MMLF
Maja Machine Learning Framework
|
Projektdetails
Das BRIO Labyrinth Spiel wurde um zwei Servo-Motoren und Potentiometer erweitert. Dies ermöglicht eine Fernsteuerung des Spieles und die Messung der Lage der Spielfläche im Raum.
Das Spiel ist in eine experimentellen Umgebung integriert, in der über dem Spiel eine Kamera angebracht ist. Die Kamera wird genutzt, um die Postion der Kugel auf der Spielfläche zu bestimmen. Für die Bestimmung der Kugelposition wurde ein Algorithmus entwickelt, der die Kugel im Bild detektiert und deren Position relativ zu den Koordinaten des Spielbrettes bestimmt.
Das Mapping wird zu Beginn eines jeden Versuches (Spieles) automatisch kalibriert. Diese Kalibrierung geschieht mit Hilfe von Landmarken. Des Weiteren wird ein Ballmagazin gebaut, welches an die Seite des Spieles montiert werden kann und bei Bedarf neue Kugeln spendiert. Dadurch wird es möglich, über mehrere Durchgänge zu spielen ohne dass manuell eine neue Kugel auf das Spielfeld gelegt werden muss.
Neben diesen Umbauten am Spiel haben wir auch eine physikalische Simulation des Spiels in ODE (Open Dynamics Engine) geschrieben. Das Ziel der durchzuführenden Studien im Bereich des "Maschinellen Lernens" ist die Untersuchung und Entwicklung geeigneter Algorithmen, wie z.B. Reinforcement Learning (RL) Algorithmen, für die Lösung von komplexen Realwelt-Problemen. Diese Realwelt-Probleme sind für klassische RL Algorithmen sehr schwierig zu erlernen, da sie nur partiell beobachtbar (messbar) sind, die Sensordaten verrauscht und Zustands– sowie Aktionsraum nicht-diskret sind.
Das BRIO Labyrinth Spiel wird auch als Testbett für neurobiologische Studien zum sensorimotorischen Lernen genutzt. In diesen Studien müssen Probanden verschiedene Aufgaben lösen, die in Bezug zu Anforderungen stehen, die das Spielen des Spieles BRIO Labyrinth mit sich bringt (Vorhersagen, motorische Kontrolle usw.). Zum Beispiel werden EEG und fMRI Studien durchgeführt, bei denen die Probanden lernen, das Spiel zu spielen. Diese Studien können neue Erkenntnisse über die Automatisierung von Verhalten liefern.
Videos
BRIO Labyrinth: Gedanken Lesen (Demonstration)
In einem Telemanipulationsszenario