Competition: AI Olympics with RealAIGym
Die von den Forschungsbereichen Robotics Innovation Center und Systems AI for Robot Learning organisierte Competition "AI Olympics with RealAIGym" beschäftigt sich mit der athletischen Intelligenz von Robotern, die es ihnen ermöglicht, hochgradig dynamische Aufgaben zu erfüllen. Ziel des Wettbewerbs, der auf der DFKI-Initiative "RealAIGym: Education and Research Platform for Studying Athletic Intelligence" basiert, ist es, die Forschung auf diesem Gebiet voranzutreiben sowie die Weiterentwicklung von Lern- und Steuerungsalgorithmen zu fördern. Für die teilnehmenden Teams bestand die erste Aufgabe darin, mit einem unteraktuierten Doppelpendel-Robotersystem das Aufschwingen aus einer hängenden Position und anschließende Stabilisieren in einer Simulationsumgebung zu meistern. Die Teams, die diese Herausforderung am besten gemeistert haben, erhalten nun die Gelegenheit, ihre entwickelten Algorithmen im Underactuated Lab am DFKI Robotics Innovation Center in Bremen auf realer Hardware zu testen. Die Ergebnisse des Wettbewerbs werden von den DFKI-Forschern Dr. Shivesh Kumar und Dr. Boris Belousov auf der IJCAI 2023 vorgestellt. Ergänzt wird der Konferenzbeitrag durch Keynotes, u.a. von Prof. Frank Kirchner (DFKI, Bremen) und Prof. Jan Peters (DFKI, Darmstadt), einen Vortrag über das RealAIGym-Projekt, Präsentationen der besten Teams sowie einer Podiumsdiskussion.
Competition: Intrinsic Error Evaluation during Human-Robot-Interaction
Gemeinsam mit der Universität Duisburg-Essen (UDE) richtet das DFKI Robotics Innovation Center zudem die Competition „Intrinsic Error Evaluation during Human-Robot-Interaction” aus. Hintergrund ist die Nutzung des menschlichen Elektroenzephalogramms (EEG) zur Verbesserung der Mensch-Roboter-Interaktion. Für die erste Phase des Wettbewerbs stellten die Forschenden den teilnehmenden Teams einen teilweise gelabelten EEG-Datensatz zur Verfügung, der während des Versuchs mit einer robotischen Ellenbogen-Orthese aufgezeichnet wurde. Dabei verhält sich das System mehrfach fehlerhaft, was im Gehirn der Testperson ein sogenanntes Error-Potenzial induziert. Die Aufgabe der teilnehmenden Teams war es, auf Basis dieses Datensatzes einen Machine-Learning-Algorithmus zu entwickeln und zu trainieren, der in der Lage ist, das Error-Potenzial und damit das fehlerhafte Verhalten des Systems zu erkennen. Im zweiten Teil der Challenge geht es für die Teams darum, die Leistungsfähigkeit ihres KI-Modells auf ungelabelten Daten in Echtzeit zu beweisen. Dafür werden die EEG-Daten einer Testperson gemessen und live online gestreamt, damit alle Teams darauf zugreifen können. Die Ergebnisse des Wettbewerbs werden im Rahmen der IJCAI von Forschenden des DFKI präsentiert. Keynote Speaker sind neben weiteren Expertinnen und Experten Prof. Dr. Elsa Kirchner (UDE und DFKI) und Prof. Dr. Frank Kirchner (DFKI, Bremen).
Demo Paper: A Human-in-the-Loop Tool for Annotating Passive Acoustic Monitoring Datasets
Der DFKI-Forschungsbereich Interactive Machine Learning ist mit zwei wissenschaftlichen Beiträgen auf der IJCAI 2023 vertreten. Im Demonstrations Track des Konferenzprogramms stellen die DFKI-Wissenschaftler Hannes Kath, Prof. Dr. Thiago S. Gouvêa und Prof. Dr. Daniel Sonntag ihr Paper "A Human-in-the-Loop Tool for Annotating Passive Acoustic Monitoring Datasets" vor. Darin beschreiben sie die Demonstration eines Software-Tools, das zur Annotation akustischer Daten genutzt werden kann. Zu diesem Zweck transferieren die Forschenden hochdimensionale Audiodaten in einen 2D-Raum, der auf einem Computerinterface dargestellt werden kann. Ein Modell wird so trainiert, dass ähnliche Datenpunkte (die jeweils eine Sekunde Audio repräsentieren) dicht beieinander liegen. Auf diese Weise können mehrere Datenpunkte gleichzeitig annotiert werden, was die Annotation insgesamt vereinfacht.
Project Proposal: Interactive Machine Learning Solutions for Acoustic Monitoring of Animal Wildlife in Biosphere Reserves
Der zweite wissenschaftliche Beitrag aus dem DFKI-Forschungsbereich Oldenburg, der auf der Konferenz innerhalb des Special Tracks on AI and Social Good präsentiert wird, stellt ein Projekt vor, das mit Hilfe von Methoden des maschinellen Lernens ein adaptives Management der Tierbiodiversität in Wildtierschutzgebieten ermöglichen soll. Zu den Autoren des Papers "Interactive Machine Learning Solutions for Acoustic Monitoring of Animal Wildlife in Biosphere Reserves" gehören die DFKI-Forschenden Prof. Dr. Thiago S. Gouvêa, Hannes Kath, Ilira Troshani, Bengt Lüers und Prof. Dr. Daniel Sonntag sowie mehrere internationale Ökologen, die mit dem Management von marinen und terrestrischen Ökosystemen in Biosphärenreservaten auf drei Kontinenten betraut sind.
Weitere Informationen
Webseite zur IJCAI 2023
Webseite zu den DFKI-Competitions
Wissenschaftliche Ansprechpersonen am DFKI
Competition: AI Olympics with RealAIGym
Dr. Shivesh Kumar (Robotics Innovation Center), Dr. Boris Belousov (Systems AI for Robot Learning)
Competition: Intrinsic Error Evaluation during Human-Robot-Interaction
Prof. Dr. Elsa Kirchner (Robotics Innovation Center), Marc Tabie (Robotics Innovation Center)
Demo Paper: A Human-in-the-Loop Tool for Annotating Passive Acoustic Monitoring Datasets
Hannes Kath (Interactive Machine Learning)
Project Proposal: Interactive Machine Learning Solutions for Acoustic Monitoring of Animal Wildlife in Biosphere Reserves
Prof. Dr. Thiago S. Gouvêa (Interactive Machine Learning)