Q-Rock

Das Ziel: Roboter lernen aus ihrer Hardware heraus ihre Fähigkeiten und im Zusammenspiel mit dem Menschen deliberatives Verhalten. In Q-Rock wird entsprechend eine bidirektionale Abbildung von Hardware und Verhalten aufgebaut.  Mit Hilfe von Q-Rock kann der Nutzer eines Systems dieses über eine gewünschte Verhaltensspezifikation erzeugen.

Der Ansatz: Das Projekt Q-Rock implementiert Verfahren, die es dem Roboter erlauben ausgehend von seiner Hardwarekonfiguration die ihm zur Verfügung stehenden Fertigkeiten zu erforschen. Das Projekt Q-Rock setzt auf den Ergebnissen des D-Rock Projekts auf und benutzt die dort entstandene annotierte Hardware Datenbank. Die erlernten Fertigkeiten werden anschließend durch Verfahren des maschinellen Lernens oder durch die Anwendung von menschlichem Wissen in funktionelle Einheiten gruppiert. Zusammen mit einer semantischen Beschreibung werden daraus Cognitive Kerne, die als Bausteine für Verhalten angesehen werden können. Zur Realisierung dieser Schritte wird ein Lern-Framework konzipiert und implementiert welches evolutionäre Algorithmen, deep learning und analytische Ansätze nutzt, so dass ein Roboter seine Fertigkeiten rein auf der vorhandenen Sensorik, Aktuatorik und Software erforschen kann. Schließlich wird eine bidirektionale Abbildung zwischen Verhalten und Hardware geschaffen, indem Dialog-basierte Verfahren mit anderen Methoden zum strukturellen Schlussfolgern kombiniert werden.
Durch diese Schließung des Regelkreises von der Hardware zum Verhalten kann ein Nutzer einen Roboter rein über das beabsichtigte Verhalten spezifizieren, ohne dass er ein Experte für Sensorik, Aktorik oder Software sein muss.
Das Projekt wendet den Ansatz der kontinuierlichen Integration an: erst werden notwendige Schnittstellen spezifiziert, dann wird ein Gesamtsystem (mit Dummies) aufgesetzt, welches sich dann nach und nach mit den Projektergebnissen füllt.