Sensory-Motor Coordination for Object Recognition

Kategorisierung ist eine der essentiellen Fähigkeiten eines autonomen Agenten (wie z.B. eines Roboters). Der klassische Ansatz zur Kategorisierung entstammt dem Informationsverarbeitungsansatz und versucht einen sensorischen Input auf eine interne Repräsentation abzubilden. Dieser Ansatz fährt jedoch zu einer Reihe von Problemen, wie dem "object constancy problem" und dem "symbol grounding problem". In diesem Vortrag wird ein alternativer Ansatz vorgestellt, der dem Prinzip der sensomotorischen Koordination folgt: Der sensorische Input wird von dem Agenten gezielt gesteuert, indem er mit seiner Umgebung interagiert um somit bestimmte sensorische Eingabemuster zu erzeugen. Die Erzeugung dieser Muster hat das Ziel, das Lernen für den Agenten zu vereinfachen. Der Kern dieses Ansatzes ist es, die System-Umgebungs Interaktion ins Zentrum zu stellen und den Agenten nicht ausschließlich als passiven Beobachter seiner Umgebung zu sehen.