Für die Zusammenarbeit von Roboter und Mensch wurde am DFKI eine auf der Basis von bestärkendem Lernen aufgebaute Roboter-Mensch-Schnittstelle entwickelt. Diese ermöglicht eine gestenbasierte Steuerung des Roboters und nutzt Fehlerkorrelierte Potentiale, welche bei der Fehlererkennung im Gehirn hervorgerufen werden, als Feedback für den Roboter.
Ein Problem dieser Schnittstelle bilden Fehler innerhalb der Untersysteme, welche dazu führen, dass fehlerhafte Dateneingaben den Lernprozess des Roboters stören.
Dieses Problem wird bisher mit einem Vortraining des Roboters gelöst, was keinen zufriedenstellenden Lösungsansatz darstellt.
Das Ziel dieser Bachelorarbeit ist, eine deskriptive Datenanalyse anhand vorher aufgenommener Testdaten durchzuführen. Anhand dieser Analyse werden Lösungsansätze konstruiert, welche anschließend überprüft werden.
In diesem Vortrag wird das System, die Problemstellung, die theoretischen Grundlagen und die Vorgehensweise vorgestellt.