Künstliche Intelligenz fur ortsbasierte Dienste - Lehrstuhl für Mobile ...

Künstliche Intelligenz für ortsbasierte Dienste
Raphael Teßmer
Seminar: Trends in mobilen und verteilten Systemen
Sommersemester 2011
Lehrstuhl für Mobile und Verteilte Systeme
Institut für Informatik
Ludwig-Maximilians-Universität München
Abstract: In dieser Arbeit soll sich damit befasst werden welchen Nutzen Künstliche
Intelligenz für ortsbasierte Dienste hat. Hierbei soll zuerst eine Einführung in das Thema
Künstliche Intelligenz gegeben werden. Es wird das Konzept von intelligenten
Agenten beschrieben. Die Lernmethoden unsupervised Learning, supervised Learning
und semi-supervised Learning werden kurz beschrieben. Des Weiteren wird sich mit
Methoden und Arbeitstechniken beschäftigt die im Bereich der ortsbasierten Dienste
relevant sind. Hierbei wird auf k-Nearest Neighbor Search, Hidden Markov Modelle
und Joint Boosting eingegangen. Zum Schluss sollen konkrete Forschungsarbeiten
beschrieben werden, die sich im Bereich der ortsbasierten Dienste bewegen und sich
Lernmechanismen der Künstlichen Intelligenz zu Nutze machen. Dabei werden zwei
Arbeiten behandelt die unterschiedliche Ansätze verfolgen um menschliche Routinen
zu erkennen. Zum Schluss wird noch auf das Simultaneous Localization and Mapping
Problem eingegangen, bei dem sich ein Roboter auf einer Karte lokalisieren soll, die
er selbst in einer ihm unbekannten Umgebung erstellt.
1 Einführung
1.1 Was ist Wissen?
Ein wichtiger Teil dieser Arbeit soll der Künstlichen Intelligenz selbst gewidmet werden.
Dabei stellt sich als erstes die Frage, was Wissen überhaupt bedeutet.
Neben der Philosophie haben sich viele andere Wissenschaften wie die Mathematik, die
Psychologie, die Neurologie oder gar die Wirtschaftswissenschaften damit beschäftigt
Wissen zu definieren.
Eine allgemeingültige Definition von Wissen ist daraus nicht hervorgegangen und mag
vielleicht unmöglich zu fassen sein. Wichtige Fragen der Philosophie sind beispielsweise:
• Können mit formalen Regeln richtige Schlüsse gezogen werden?
• Wie kann der Verstand aus dem Gehirn entspringen?
• Woher kommt Wissen?

• Wie führt Wissen zur Tat?
In der Künstlichen Intelligenz gibt es verschiedene Ansätze mit diesem Begriff umzugehen.
Es wird dabei nicht versucht Wissen nachzuempfinden, sondern vielmehr intelligentes
Verhalten zu modellieren.
Russell und Norvig (2010) beschreiben vier Ansätze von Künstlicher Intelligenz [RN10]:
• Menschlich handeln.
• Menschlich denken.
• Rational denken.
• Rational handeln.
Der Ansatz des rationalen Handelns bildet dabei Künstliche Intelligenz auf Modelle ab.
Diese sollen Maschinen darstellen, die intelligent handeln. Die Modelle werden dabei als
Agenten bezeichnet. Hierbei geht es nicht darum nur zu denken, also zu philosophieren.
Vielmehr geht es darum autonom zu agieren, die Umgebung wahrzunehmen, sich neuen
Situationen anzupassen und sich auch in ungewissen Situationen bestmöglich zu verhalten
[RN10].
Diese Form der Künstlichen Intelligenz soll in dieser Arbeit behandelt werden.
2 Künstliche Intelligenz
2.1 Intelligente Agenten
Agent
Sensoren
?
Aktuatoren
Wahrnehmung
Aktionen
Abbildung 1: Aufbau eines simplen Agenten. Zwischen Sensoren und Aktuatoren befindet sich das
Agentenprogramm, welches die Agentenfunktion ausführt. Quelle: [RN10]
Um Künstliche Intelligenz zu beschreiben, kommt das Modell der intelligenten Agenten
zum tragen. Diese Agenten erkennen ihre Umgebung durch Sensoren und interagieren mit
Umgebung

Wahrnehmungsfolge Aktion
(A, Sauber) Gehe zu B
(A, Dreckig) Sauge
(B, Sauber) Gehe zu A
(B, Dreckig) Sauge
(A, Sauber), (B, Sauber) Tue nichts
(A, Sauber), (A, Dreckig) Sauge
...
Abbildung 2: Eine mögliche Agentenfunktion für die Staubsaugerwelt.
ihr über Aktuatoren. Alles was der Agent über seine Sensoren aufnimmt, wird als Wahrnehmung
bezeichnet. Die Wahrnehmung des Agenten wird mit der Agentenfunktion in
Relation zu seiner Aktion gesetzt. Die Funktion beschreibt also was der Agent mit gegebenem
Input machen soll. Ferner ist die Wahrnehmungsfolge eine Folge von Signalen die
ein Agent über die Zeit wahrnimmt. Beispielsweise die Position und Blickrichtung des
Agenten oder die Folge von Positionen des Agenten nachdem er sich fortbewegt hat.
Ein Beispiel ist die Staubsaugerwelt. Die Staubsaugerwelt ist eine idealisierte Umgebung
mit einem intelligenten Agenten, dem Staubsauger. Diese Umgebung hat zwei benachbarte
Bereiche: A und B. Der Staubsaug-Agent nimmt lediglich zwei Dinge wahr: in welchem
Bereich er ist und ob dieser Bereich dreckig ist. Die einzigen Aktionen, die er ausführen
kann sind: nach links in den Bereich A gehen, nach rechts in B gehen, den Dreck weg
saugen oder nichts tun.
Mit diesen Vorraussetzungen ist der Agent soweit komplett. Um aber die Aufgabe zu
erfüllen die Staubsaugerwelt sauber zu halten, bedarf es einer Agentenfunktion [RN10].
Zwar ist das Saugen die Aufgabe des Agenten, die Agentenfunktion aber, ist der Teil der
die Künstliche Intelligenz im Agenten ausmacht. Die Funktion entscheidet für die Wahrnehmungsfolge,
welche Aktion der Agent ausführen soll. Abbildung 2 zeigt eine angedeutete
Beispielfunktion für die Staubsaugerwelt.
Um die Qualität von intelligenten Agenten zu ermitteln, bewertet man ihre Rationalität.
Ein Agent ist rational, wenn er das ” Richtige“ tut. Um zu wissen was das Richtige ist,
betrachtet man die Umgebung des Agenten. Der Agent verrichtet eine Folge von Aktionen
in Abhängigkeit von seiner Wahrnehmung und Agentenfunktion. Ist der Zustand der Umgebung
erwünscht, hat der Agent gut gearbeitet. Um die ” Erwünschtheit“ zu beschreiben,
wird jede Folge von Umgebungszuständen einer Leistungsbewertung unterzogen.
Die Leistungsbewertung kann nicht allgemein für eine Aufgabe, sondern muss vielmehr je
nach Umgebung individuell erfolgen. Der Staubsauger kann zum Beispiel danach bewertet
werden wie oft er eine Fläche an einem Tag geputzt hat. Doch vielleicht ist es für einen
Familienhaushalt sinnvoller, wenn der Staubsauger nur einmal am Tag saugt, um Nerven
zu schonen und Strom zu sparen. Auch kann der Grad ab dem der Staubsauger eine Fläche
als dreckig ansieht variieren. Soll der Staubsauger lieber kürzer und dafür ungenauer arbeiten,
oder länger und gründlicher?
Die Leistungsbewertung muss also nicht nur für die Umgebung, sondern auch für den
Zweck individuell gestaltet werden [RN10].

2.2 Rationale Agenten
Russell und Norvig (2010) definieren einen rationalen Agenten wie folgt [RN10]:
For each possible percept sequence, a rational agent should select an action
that is expected to maximize its performance measure, given the evidence
provided by the percept sequence and whatever built-in knowledge the agent
has.
Auch wenn ein rationaler Agent nie wissen kann was passieren wird, sollte er jedoch aufgrund
seiner Wahrnehmung genau das tun, was wahrscheinlich zu einem richtigen Ergebnis
führt. Angenommen ein Agent soll eine Straße überqueren. Man würde hierbei von
einem Rationalen Agenten verlangen, dass er sich vorher umschaut. Das heißt, es ist zwar
rational die Straße zu überqueren wenn kein Auto in Sicht ist, aber wenn sich der Agent
gar nicht erst umschaut, ist es ihm überhaupt nicht möglich rational zu handeln. Man sollte
also sichergehen, dass der Agent nicht nur richtig schlussfolgert - kommt ein Auto,
überquere ich nicht - sondern, dass er auch die dafür entscheidenden Dinge wahrnimmt.
Um mit seiner Umgebung interagieren zu können braucht ein Agent eine Vorstellung von
seiner Welt. Es ist möglich dem Agenten strikt seine Welt vorzugeben, was jedoch Probleme
mit sich bringen kann. Wenn sich seine Umgebung verändert, oder gar wenn er selbst
seine Umgebung verändert, kann er die fest definierte Vorstellung seiner Welt dahingehend
nicht anpassen. Dies führt dazu dass seine Leistung beeinträchtigt werden kann.
Wenn ein solcher Roboter beispielsweise ein Ei auf einem Löffel balancieren soll, das Ei
aber auf halben Wege verliert, wird er dies nicht merken und seinen Weg unbeirrt weiter
gehen als sei nichts passiert.
Der Agent kann aber auch ein gewisses Vorwissen von seiner Welt haben, das sich durch
seine Wahrnehmung verändern und erweitern kann. Er lernt wie sich seine Umgebung
verändert [RN10].
2.3 Lernen
Lernen ist eine der wichtigsten Eigenschaften von intelligenten Agenten. Ein Agent lernt,
indem er durch Beobachten seiner Umgebung seine Leistung steigert.
Dies wird notwendig wenn sich ein Agent neuen Situationen und Umgebungen anpassen
soll. Zum Beispiel wenn ein Roboter der eine Rennstrecke abfährt, später auch dazu in der
Lage sein soll neue ihm unbekannte Strecken zu bestehen. Oder wenn ein Agent Zustände
analysieren soll die sich über die Zeit verändern, wie Börsenkurse oder das Verhalten des
Wetters.
Es kann aber auch sein, dass es für einen Menschen unmöglich ist, dem Agenten die
gewünschte Funktion selber vorzugeben. Beispielsweise können Menschen selbst zwar
bekannte Gesichter erkennen, aber es gibt keine Möglichkeit dies einem Agenten beizubringen
ohne Lern-Algorithmen zu verwenden [RN10].
Russell und Norvig (2010) teilen Lernmethoden nach den zugrunde liegenden Daten ein
[RN10]. Hierbei ist es wichtig gelabelte Daten und nicht gelabelte Daten voneinander zu

unterscheiden. Ein Label ist als Anweisung eines Lehrers zu verstehen. Es soll für den
gelabelten Datenpunkt die erwünschte Ausgabe des Algorithmus angeben. Einem Datenpunkt
oder einem Datenset kann das erwünsche Ergebnis (Label) z.B. in einer Messung
mitgegeben werden [ZG09].
Beim Unsupervised Learning bekommt der Agent eine nicht gelabelte Datenmenge, aus
der er Muster erkennen soll. Er hat aber keine weiteren Informationen über die Datensätze.
Ein Beispiel für diese Lernmethode ist Clustering. Beim Clustering sollen Daten aufgrund
ähnlicher Eigenschaften gruppiert werden. Ein Beispiel ist der k-means-Algorithmus. Dieser
funktioniert wie folgt:
Abbildung 3: Prinzip Clustering mit Schwerpunkten für k = 3.
Aus n Punkten sollen k Gruppen (Cluster) gebildet werden die ähnliche Objekte enthalten.
Für sie sollen Schwerpunkte definiert werden. Die Schwerpunkte sollen so gewählt
sein, dass sie in der Mitte des Clusters liegen (siehe Abbildung 3). Jeder Punkt der hinzu
kommt, wird dem Cluster zugeordnet, dessen Schwerpunkt ihm am nächsten ist. Die
Schwerpunkte werden aufgrund der neuen Punkte neu berechnet und am Ende werden die
Punkte erneut den Clustern zugewiesen. Dies wird schleifenweise solange wiederholt bis
sich die Schwerpunkte stabilisiert haben [Mac67].
Beim Supervised Learning braucht der Agent genug gelabelte Daten mit denen er übt,
um richtige Schlüsse über alle folgenden Daten schließen zu können. Dabei soll der Agent
mit Input-Output Paaren trainiert werden. Er soll dabei eine Funktion lernen die den Input
auf den Output abbildet:

Für eine Trainingseinheit (x1, y1), (x2, y2), . . ., (xN, yN)
wobei jedes yi von einer unbekannten Funktion y = f(x) erzeugt wurde,
finde eine Funktion h die die echte Funktion f annähert.
Die Funktion h ist eine Hypothese.
Nach Russell und Norvig (2010): “Learning is a search through the space of possible
hypotheses for one that will perform well, even on new examples beyond the training set”
[RN10]
Beim Semi-Supervised Learning gibt es sehr wenige gelabelte Datensätze von denen auf
eine sehr große Menge von Daten geschlossen werden soll. Dies ist nützlich, da es sehr
aufwendig und unter Umständen teuer sein kann an gelabelte Daten zu kommen.
Zhu und Goldberg (2009) definieren neben dem Label die Instanz [ZG09]. Eine Instanz x
bezeichnet ein Objekt, welches von einer Menge Eigenschaften beschrieben wird. Dabei
sollen die Eigenschaften nur die Merkmale beinhalten, die für die Aufgabe sinnvoll sind,
und nicht alle die beim Objekt beobachtet werden können.
Zum Beispiel:
Seien die Eigenschaften Gewicht und Körpergröße Eigenschaften der Menschen. Eine
Mögliche Aufgabe wäre es nun, von diesen Daten darauf zu schließen ob es sich um Kinder
oder Erwachsene handelt. Eine Instanz könnte also sein:
x1 = (180cm, 70Kg)
Sei diese Person erwachsen, würde ein gelabeltes Datenset nun so aussehen:
Die Klasse des Alters beschreibe {erwachsen, kind}.
Es gelte: erwachsen = −1 und kind = 1.
z1 = (x1, −1)
Ein weiteres Beispiel sind Spamfilter. Die Instanz hier ist die Email und das Label ist die
Beurteilung des Nutzers. Um den Nutzer nicht zu sehr aufzuhalten, soll dieser nur wenige
Daten labeln müssen und das System daraus lernen, was Spam ist und was nicht [ZG09].
3 Methoden
3.1 Lokalisierungsproblem
Beim Sammeln von ortsbezogegen Informationen ist die Nutzung von GPS weit verbreitet.
Jedoch kann sich ein Agent ohne Satellitenverbindung, beispielsweise in Häusern oder
Straßenschluchten, nicht mehr selbst lokalisieren und ist auf andere Methoden angewiesen.
Die Arbeit von Kawauchi et al. (2009) befasst sich mit der Lokalisierung über die Signalstärke
beziehungsweise den Signaleigenschaften [KKR09]. Hierbei wird versucht die
Entfernung zum W-Lan Access Point festzustellen, dessen Position bekannt sein soll.
Während der Received Signal Strength Indicator (RSSI) nur die Signalstärke beschreibt
die mit dem Signal übermittelt wird, gibt es folgende Verfahren zur Indoor-Positionierung:

Bei Time-of-Arrival (TOA) wird die Ankunftszeit von Signalen in einem mobilen Gerät
gemessen um die Entfernung zum Access Point zu bestimmen. Um dieses Verfahren zu
verbessern basiert TOA auf dem Vergleich der Ankunftszeiten von mehr als drei Access
Points. Diese Methode ist präziser als RSSI, jedoch müssen die Uhren der Access Points
hier sehr präzise aufeinander abgestimmt sein.
Die Angle-of-Arrival (AOA) Methode bezieht den Winkel, mit dem das Signal beim
Gerät ankommt, in die Standortbestimmung mit ein. Ein Gerät muss hierzu einen Sensor
haben, der bei Ankunft eines Signals dessen Richtung feststellen kann. Es ist möglich
die Position eines Gerätes zu bestimmen, wenn man die Signal-Ausrichtung von zwei
Access Points misst. Diese Methode ist zwar robuster als die Analyse der Signalstärke,
braucht aber spezielle Sensorik und ist damit nicht ohne weiteres von bereits existierenden
Geräten nutzbar.
Ähnlich wie AOA bezieht Angle-of-Emission (AOE) den Winkel des Signals mit ein. Jedoch
geht es hier um den Winkel aus dem heraus das Signal gesendet wird. Der Vorteil gegenüber
AOA ist, dass das Endgerät selbst keine Richtungsmessung vornehmen muss. Jedoch
muss die sendende Basisstation hierbei auch über eine gerichtete Antenne verfügen.
Kawauchi und Rekimoto (2009) stellen in ihrer Arbeit ein auf AOE basierendes System
vor, mit dem sie gerichtete W-Lan Signale mit einer sich rotierenden Antenne senden. Die
Antenne sendet mit jedem Signal ihren aktuellen Winkel mit. Somit braucht das Endgerät
keine besonderen Messungen machen, und bekommt den Winkel mit dem eingetroffenen
Signal übermittelt. Zudem fließt in ihr System, welches sie direct beaconing nennen auch
die Signalstärke mittels RSSI ein, die das System zusätzlich stabilisieren soll [KKR09].
In der Arbeit von Bolliger et al. (2009) wird versucht den Standort eines Gerätes mittels
eines Fingerabdruckes der umliegenden W-Lan-Signale zu ermitteln [PBL09]. Ein Punkt
im Raum hat zu seinen umliegenden Access Points ein eindeutiges Empfangsmuster. Dieses
Muster spiegelt sich in den Access Points und deren Signalstärke zu dem Punkt wieder
und wird als Fingerabdruck bezeichnet wie in Abbildung 4 zu sehen. Der Fingerabdruck
ist also eine Kombination aus der Menge der Access Points und deren Empfangsstärken,
die an diesem Punkt eindeutig sind. Ändert sich die Position des Gerätes, ändern sich auch
die Entfernungen zu den Access Points und somit auch die zu messenden Signalstärken.
Der Nachteil dieses Verfahrens ist, dass Fingerabdrücke erst für jeden Ort erzeugt werden
müssen, damit diese Muster später wieder den Orten zugewiesen werden können.
Da die Signalstärke von Objekten im Raum beeinflusst wird, muss bei jeder räumlichen
Veränderung neu gemessen werden. Der zweite Schritt ist, den Daten Bedeutung zu geben.
Hier soll ein Fingerabdruck mit der Position, an dem er gemessen wurde gelabelt werden.
In ihrer Arbeit führen Bolliger et al. (2009) das adaPtive Indoor Localization System
(PILS) ein [PBL09]. Es soll das Labeln eines Fingerabdrucks über Endnutzer ermöglichen.
Angenommen ein Benutzer bewegt sich in einer Umgebung die vermessen werden soll.
Anstatt bewusst an einen Punkt zu gehen und diesen zu messen, beschreiben die Forscher
das asynchrone Intervall-Labeln. Dieses funktioniert wie folgt:
Ein Nutzer, der sich in einem zu vermessenden Gebiet befindet, wird erst später die Bereiche
labeln an denen er sich aufgehalten hat (asynchron). Das System misst dazu einen
Fingerabdruck immer nur dann, wenn sich der Nutzer für einen gewissen Zeitraum an
einem Punkt aufgehalten hat (Intervall). Somit ist die Fehlerquote beim Labeln geringer,
da sich ein Nutzer nicht an einen genauen Zeitpunkt sondern an einen längeren Zeitraum

Abbildung 4: Drei Fingerabdrücke aus drei verschiedenen Räumen. Die Räume 2212 und 2214 liegen
nebeneinander. Raum 2152 ist weiter entfernt. Die Farben der Signale stellen die verschiedenen
Access Points dar. Quelle: [PBL09]
erinnern soll. Zudem ist das System Nutzerfreundlicher, da die Nutzer nicht direkt ihren
aktuellen Standort benennen sollen, sondern dies später erledigen können [PBL09].
Nachdem die Daten von dem System aufgenommen wurden, kommt der Schritt der Verarbeitung
dieser Daten. Hierbei finden Werkzeuge der Klassifizierung Verwendung, auf die
im Folgenden eingegangen werden soll.
3.2 k-Nearest Neighbor Search (kNN)
Schon im Jahr 2000 beschrieben Bahl und Padmanabhan RADAR, ein System, um mobile
Geräte in Gebäuden mittels W-Lan zu lokalisieren [BP00]. Sie verteilten dazu auf einem
Stockwerk drei Basisstaionen mit bekanntem Ort. Die mobilen Geräte, die sich in dem Gebiet
bewegten, sendeten dabei ständig Pakete an die Basisstationen. Dabei unterteilte sich
das Experiment in zwei Teile: Im off-line-Teil sollten Fingerabdrücke auf dem Stockwerk
erstellt werden, während im real-time-Teil die Position der Nutzer bestimmt werden sollte.
Eine Basisstation maß bei jedem eingehenden Signal die Signalstärke und hielt den Zeitpunkt
fest. Im off-line-Teil wurde zudem von den Nutzern verlangt ihre Position auf einer
Karte des Areals zu markieren. Hiermit wurden die Fingerabdrücke der Funksignale mit
Positionsinformationen verbunden.
Im real-time-Testlauf vergleichen die Forscher die Signalstärken der Nutzer am aktuellen
Punkt mit den gemessenen Fingerabdrücken. Ein Fingerabdruck, bei dem ähnliche
Signalstärken gemessen wurden, ist vermutlich auch nahe an dem Punkt, an dem sich
der Nutzer aktuell befindet (nearest neighbor). Um dieses Verfahren noch zu verbessern
erweiterten sie die Methode und verwendeten den k-Nearest Neighbor Search (kNN) Algorithmus.
Hierbei wird nicht nur ein Nachbar, sondern werden k Nachbarn gesucht. Somit
wird es möglich, einen vermuteten Punkt zu finden der näher am tatsächlichen Punk ist,
als es einer der Nachbarn wäre. Abbildung 5 verdeutlicht dies [BP00].

N 2
W
N 1
V
Abbildung 5: Der vermutete Punkt V ist durch das Einbeziehen von drei Nachbarn(N1, N2, N3)
näher am tatsächlichen Punkt (W) als einer der Nachbarn für sich. Quelle: [BP00]
3.3 Hidden Markov Model (HMM)
Sonnig Regen
Bevölkt
Abbildung 6: Markov Model des Wetters. Quelle: [Rab89]
Das Hidden Markov Model (HMM) ist ein Werkzeug der Statistik, welches bei Lernproblemen
sehr häufig zum Einsatz kommt. Die erste große Anwendung fand das Modell bei
der Spracherkennung, wo es darum ging, einen Audio-Datenfluss zu analysieren und dabei
Sprache von Störgeräuschen zu unterscheiden. Ein System sollte also lernen was Sprache
ist und was nicht.
Das HMM basiert auf dem Markov Modell, welches ein Zustandsmodell beschreibt bei
dem zu jedem Zeitpunkt eine gewisse Wahrscheinlichkeit besteht, dass ein Zustand in
einen anderen übergeht. Ein Beispiel hier ist das Wetter. Zu den Zuständen Regen, Wolken
und Sonne würde das Model beschreiben wie die Wahrscheinlichkeiten sind, dass auf
Regen Sonne folgt, auf Wolken Sonne, und so weiter, wie in Abbildung 6 zu sehen.
N3
N 4
N 5

Das HMM geht etwas weiter. Damit soll es möglich sein, Aussagen über das Wetter zu
treffen, ohne die tatsächlichen Zustände überhaupt beobachten zu können. Das heißt, die
eigentlichen Zustände sind nicht sichtbar (hidden). Stattdessen hat man andere Zustände
mit Wahrscheinlichkeitswerten von denen man auf die versteckten Zustände schließen soll.
Im Wetterbeispiel würde man z.B. die Zustände beobachten: sehr trocken, trocken, feucht
und nass. Das Hidden Markov Model darauf angewendet würde nun die
Übergangswahrscheinlichkeiten der Wetter-Zustände darstellen wie in Abbildung 7 [Rab89].
sehr
trocken
trocken feucht nass sichtbar
Sonnig Regen
Bevölkt
Abbildung 7: Hidden Markov Modell welches das Wetter beschreiben soll. Quelle: [Rab89]
verborgen
In ihrer Arbeit nutzen Blanke und Schiele (2009) beispielsweise Hidden Markov Modelle
um Tagesroutinen zu erkennen [BS09]. Sie beobachten dabei aber nur simpelste Aktionen
wie sitzen, essen, laufen, Hände waschen, etc. In diesem Falle sind also die eigentlich
festzustellenden Zustände nicht sichtbar, weil sie selbst gar nicht beobachtet werden. Um
die Erfassung komplexer Aktivitäten zu erkennen, werden hier schichtweise Daten von
HMM zu HMM übergeben (Von Oliver et al. (2002) auch Layered HMM (LHMM) genannt
[NO02]).
Somit war es zum Beispiel möglich, die Aktivität Präsentation halten über Aktionen wie
Sprechen, Schreiben, nichts tun, etc. zu erkennen. Da die HMM normalerweise nur seperate
Ereignisse erkennen können aber nicht die Aktionen selbst einem ganzen Vorgang
zuordnen können, wurden Hirachien der HMM gebildet. Somit war es möglich Vorgänge
zu erkennen, wie sich im Supermarkt oder in der Videothek aufhalten.

3.4 Boosting
Boosting basiert auf der Idee, dass ein schwacher Algorithmus der nur geringfügig besser
ist als der Zufall, zu einem akkuraten und starken Lernalgorithmus verstärkt werden kann
[FS99].
Dabei werden zuerst viele schwache Hypothesen gebildet die eine Sache beschreiben sollen.
Diese werden dann alle gewichtet in eine eigene Hypothese geformt.
Das Grundprinzip ist, eine Menge von Daten zu klassifizieren indem man schwache Regeln
definiert. Diese Regeln alleine beschreiben die Klasse von Objekten, die man erfassen
will noch nicht. Will man beispielsweise die Klasse der Äpfel unter allen Früchten
beschreiben, würde man folgende Regeln treffen:
• Ein Apfel ist rund.
• Ein Apfel ist rot.
Nun schränkt dies die Früchte noch nicht hinreichend ein. Schließlich würden zu dieser
Klassifizierung auch Tomaten oder Kirschen zählen. Auch sind nicht alle Äpfel rot, sie
können auch grün oder gelb sein. Eine genauere und gewichtete Klassifizierung würde so
aussehen:
• Ein Apfel ist rund.
• Ein Apfel ist meistens rot.
• Ein Apfel ist manchmal grün.
• Ein Apfel ist selten gelb.
• Ein Apfel kann einen Stil haben.
Um einen Apfel von einer Tomate abzugrenzen kann man sagen, dass manche Äpfel (noch)
einen Stil haben. Jedoch ist ein Apfel der keinen Stil hat immer noch ein Apfel und keine
Tomate. Diese Regeln beschreiben also für sich nicht die Klasse der Äpfel. Doch mithilfe
des Boostings sollen diese für sich unzureichenden Annahmen zu einer Hypothese
verbunden werden, die in der Lage ist, die Klasse der Äpfel zu erkennen.

Der AdaBoost Algorithmus von Freund und Schapire (1999) beschreibt Boosting wie
folgt [FS99]:
Der Input sind die Trainingseinheiten der Form (x1, y1), . . ., (xm, ym)
Für t = 1, 2, ..., T gilt:
• Lerne eine schwache Regel ht von den Trainingsdaten.
• Bestimme die Gewichtung wt dieser Regel.
• Hebe die Trainingsdaten hervor die nicht mit ht übereinstimmen (also vermutlich
falsch sind).
Der Algorithmus ruft einen schwachen Lernalgorithmus in t Durchläufen mehrmals auf.
Die Gewichtungen der Trainingseinheiten sind anfangs alle gleich, wobei nach jeder Runde
die falsch klassifizierten Einheiten heruntergestuft werden, so dass sich eine stärkere
Hypothese bildet.
Daraus ergibt sich die Funktion:
H(x) =
T
wtht (x) mit einem normalisierten w. [FS99] (1)
t=1
Ein großer Nachteil des Algorithmus ist der, dass die Klassen alle für sich aufgespaltet und
isoliert werden. Jede Klasse hat ihre eigene Menge an Regeln und kann nicht gemeinsame
Regeln mit anderen Klassen teilen.
Zum Beispiel haben wir bei der Klassifizierung von Äpfeln kein Wissen darüber, dass
Äpfel ähnlich aussehen wie Tomaten (also ähnliche Regeln treffen).
Eine Verbesserung, die diese Probleme adressieren soll, ist das Joint Boosting [AZS09].
Hierbei ist es möglich für eine Klasse gewisse Attribute (Regeln) aus einem großen Pool
von Attributen auszuwählen die von vielen verschiedenen Klassen verwendet werden können.
Dies ist nicht nur effizienter, da Regeln wiederverwendet werden können, sondern es ist
auch möglich Beziehungen und Abhängigkeiten von Klassen festzustellen [AZS09].
4 Anwendungen
4.1 Aktionserkennung über Low-Level Aktionen
Im folgenden sollen einige konkrete Beispiele gegeben werden.
Aktionserkennung ist eine wichtige Komponente von kontextsensitiven Systemen. Aktionen
können dabei von simplen Gesten bis hin zu komplizierten Tagesroutinen reichen.
Simpelste Aktionen wie Essen, Sitzen, Stehen, Abwaschen, Trinken, etc. werden dabei als
Low-Level-Aktionen bezeichnet. Komplexere Aktivitäten wie Tagesroutinen, die mehrere
Aktionen beinhalten und sich über einen längeren Zeitraum erstrecken, werden High-
Level-Aktivitäten genannt.

Es gibt verschiedene Ansätze und Methoden um Aktionen zu erkennen. Die meisten jedoch,
wie beim Maschinenlernen üblich, nutzen die in Abschnitt 3 beschriebenen Methoden.
Bestimmte High-Level-Aktivitäten anhand der Beobachtung von Low-Level-Aktivitäten
zu erkennen, beschreibt die Arbeit von Blanke und Schiele (2009) [BS09]. Die Arbeit ist
dabei hauptsächlich auf das Auswerten von Daten fokussiert. Hierbei kommen Boosting-
Methoden zum Einsatz. Die Low-Level-Aktionen stellen in diesem Falle die schwachen
Regeln dar, mithilfe derer eine Hypothese gefunden werden soll, die die High-Level-
Aktivität beschreiben kann.
Die Sensordaten auf die sie in ihrer Arbeit zurückgreifen repräsentieren Low-Level-Aktivitäten
und deren Häufigkeit. Als ersten Schritt wenden sie auf die Sensordaten Unsupervised
Learning-Methoden an um die Daten zu clustern. Damit können sie die Aktivitäten ihrem
Aufkommen nach zusammenfassen. Diese werden dann zusätzlich in bestimmte Zeitfenster
zusammengefasst, die dann als Input für das Boosting dienen. Sie versuchen hiermit
die Aktivität anhand der in einem gewissen Zeitraum am häufigsten gemessenen Low-
Level Aktionen festzustellen. In ihrer Arbeit stellen die Forscher fest, dass Joint Boosting
in ihren Tests die Rechenleistung signifikant reduziert, da die schwachen Regeln klassenübergreifend
geteilt werden können.
Die Daten erfassen Blanke und Schiele (2009) über dreidimensionale Beschleunigungssensoren,
welche die Probanden sieben Tage am Handgelenk und in ihrer Hosentasche
trugen [BS09]. Dabei sollten die vier Routinen Abendessen, Pendeln, Mittagessen und
Büroarbeiten erkannt werden. Diese sollten anhand von 34 gelabelten Low-Level-Aktionen,
von denen 24 Teil der Routinen waren, erkannt werden. Zum Beispiel gehörten zur Routine
Abendessen die Aktionen: Essen vorbereiten, Essen essen und Abwaschen. Sie kamen
zu dem Schluss, dass diese Methode brauchbare Resultate liefert und, dass schon
überraschend geringe Datenmengen zur Unterscheidung von Routinen wie Abendessen
und Pendeln ausreichen.
4.2 Aktionserkennung über Körper-Modell
Im Gegensatz dazu legen Zinnen et al. (2009) ihren Fokus auf das Messen der Minimal-
Aktionen [AZS09]. Sie stellen fest, dass mit den bisherigen Signal-basierten Methoden,
wie der Messung mit Beschleunigungssensoren gerade kurze und seltene Bewegungen
nur schwer erkannt werden können. Ihre Aktionserkennung basiert auf einem Modell des
menschlichen Körpers und soll dadurch robuster sein, da die zu erkennenden Aktivitäten
schließlich von Körperbewegungen abgeleitet sind. Neben den Körperbewegungen wie
Hand heben, Körper drehen oder Arm drehen beziehen sie ebenfalls die Körperhaltung
sowie Standortinformationen mit ein. Schließlich wollen sie ihre Methode anhand von
Aktionen einer Autoinspektion wie Kofferraum öffnen oder Lack auf Kratzer untersuchen
überprüfen.
Sie plazieren dazu an mehreren Stellen des Körpers eines Probanden Sensoren. Während
Beschleunigungssensoren nur Veränderungen in der Bewegung messen, also ob sich ein
Sensor bewegt, können mit der Erfassung des ganzen Körpers absolute Bewegungen fest-

gestellt werden wie in Abbildung 8 oben zu sehen. So kann die Aktion Hände heben erkannt
werden, egal in welcher Position sich die Hände vorher befanden. Die Testpersonen
Abbildung 8: Oben: Zu sehen ist eine Person von hinten, die gerade den Kofferraum des Autos öffnet.
Unten: Die Bewegungsänderungen des rechten und linken Arms. Bei jedem lokalen Minimum wird
ein SFP oder TP vermutet (rote Kreise). Quelle: [AZS09]
tragen Sensoren an Ober- und Unterarmen sowie am Torso. Eine der größten Schwierigkeiten
ist es, die Bewegungen die für die Aktivitäten wichtig sind, von anderen zu trennen.
Um Aktionen voneinander zu trennen, behelfen sie sich zweier Bewegungsmuster. Mit
SFP für short but fixed positions bezeichnen sie eine kurzzeitige fixe Position der Hände
die häufig am Anfang und Ende einer Aktivität zu beobachten sei. Mit TP für turning
points wollen sie Wendepunkte in Handbewegungen nutzen um Aktionen voneinander zu
unterscheiden. Da zwischen zwei Aktionen die Hände langsamer bewegt werden, sei die
Änderung der Armposition bei SFP und TP gering und somit gut zu erkennen.
Fasst man die Bewegungen der Arme in einem Diagramm zusammen wie in Abbildung
8 unten, welches die Abtastrate gegen die Positionsänderung der Arme abträgt, müssten
sich immer an den lokalen Minima (also dort wo die Änderung der Armposition gering ist)

SFP oder TP ereignen. Die Forscher verifizieren diese Annahme experimentell. Insgesamt
maßen sie 280 Minuten. Die durchschnittliche Länge der Aktivität war 1,4 Sekunden mit
einer Abweichung von 0,95 Sekunden. Ein SFP oder TP dauerte weniger als 0,15 Sekunden.
Um die Bewegung weiter zu abstrahieren definieren die Forscher Bewegungsprimitive.
Beispielsweise sollen Höhenprimitive die Differenz der Personengröße (Hände hoch versus
Ducken) oder Push-Pull-Primitive das Stoßen und Ziehen der Arme abbilden.
Neben der Körperhaltung wird noch die Position der Person mittels Ubisense ermittelt.
Dies erlaubt einen Kontext herzustellen und zu klassifizieren welche Aktion denn an der
aktuellen Position überhaupt möglich ist.
Die Forscher studierten 20 Routinen einer Auto-Inspektion. Sie klassifizierten ihre Daten
mittels Joint Boosting. Zinnen et al. (2009) machen klar, dass das System nur Nutzer-
Abhängig gut funktionieren könne, da sich die exakte Ausführung einer Aktion von Person
zu Person stark unterscheiden kann [AZS09]. Sie kamen zu dem Schluss, dass das System
für die Aktionserkennung bei gleichen Testpersonen gute bis sehr gute Ergebnisse lieferte.
Aber auch bei Personen-Unabhängigen Experimenten erbrachte ihre Methode noch gute
Ergebnisse [AZS09].
4.3 Simultaneous Localization and Mapping (SLAM)
Bei Simultaneous Localization and Mapping (SLAM) geht es um ein Problem der Lokalisierung
eines Roboters. Das Problem beschäftigt sich mit der Frage ob es ein mobiler
Roboter, der an einem unbekannten Ort in einer unbekannten Umgebung ausgesetzt wird
schafft, sich sukzessive eine vollständige Karte seiner Umgebung zu bauen während er
simultan seine Position auf dieser Karte bestimmen muss. Eine Lösung dieses Problems
galt für die Robotik lange als Weg zu einem tatsächlich autonomen Roboter [DWB06].
Ein Roboter kann mittels seiner Sensoren eine unbekannte Umgebung erkunden und daraus
eine Karte generieren. Jedoch ist es schwierig für den Roboter seine eigene Position
in der teilweise erkundeten Karte festzustellen, sowie zu merken, dass er neues Territorium
erreicht hat. Eine Möglichkeit seine Umgebung zu erkennen, wären Merkmale in der
Landschaft mit bekannter Position. Jedoch ist die Vorgabe, dass dem Roboter seine Umgebung
gänzlich unbekannt ist [CN01].
Ein Roboter soll sich also durch eine Umgebung bewegen und dabei subjektive Beobachtungen
von unbekannten Landschaftsmerkmalen mit seinem Sensor machen. Zu einem
Zeitpunkt k seien die folgenden Größen definiert:
• xk: Zustandsvektor der die Position und Blickrichtung des Roboters beschreibt.
• uk: Kontrollvektor, gesetzt zum Zeitpunkt k − 1 um den Roboter zu einem Zustand
xk zum Zeitpunkt k zu bringen.
• mi: Ein Vektor der das i-te Lanschaftsmerkmal beschreibt, dessen Position als zeitunabhängig
angesehen werden soll.
• zik: Beobachtung des Roboters vom i-ten Landschaftsmerkmal zum Zeitpunkt k.

Zudem werden Mengen definiert die den Verlauf der Roboter-Positionen, den Verlauf von
Kontrolleingaben, alle Landschaftsmerkmale sowie alle beobachteten Landschaftsmerkmale
beinhalten [DWB06].
x k-1
uk
x k
m i
m j
x k-1
u k+2
x k+1
Geschätzt
Wahr
x k+2
Roboter
Abbildung 9: Beobachtung des Roboters und dessen tatsächliche Umgebung
Landschafts
merkmal
Hier ist zu sehen, dass der Roboter nie das wahre Bild der Umgebung kennt. Er kann nur
subjektiv bestimmen was um ihn herum ist, hat aber keine anderen Daten um dies zu verifizieren.
Doch auch wenn der Roboter ein um den Messfehler seines Sensors verfälschtes
Bild von seiner Umgebung hat, ist dieser Fehler systematisch und die Karte des Roboters
also nur verschoben. Lösungen dieses Problems sind deshalb wahrscheinlichkeitstheoretisch
begründet.
Auch wenn es noch Schwierigkeiten bei allgemeinen Einsätzen und komplizierten Karten
gibt, gilt das Problem sowohl theoretisch als auch praktisch als gelöst [DWB06].

5 Fazit
Künstliche Intelligenz ist heute ein wichtiges Forschungsfeld. Nicht nur wird versucht,
einen künstlich denkenden Roboter zu bauen. Vielmehr kommen Werkzeuge und Ideen aus
diesem Gebiet auch anderen Forschungsrichtungen zugute. Kontextbewusstsein ist dabei
wohl einer der größten Trümpfe der KI. Mobile Dienste sollen einen Nutzer mit Informationen
versorgen, die für seine Situation, für seinen Standort und für seine Vorlieben
sinnvoll sind.
Moderne Smartphones haben heute schon eine umfassende Sensorik verbaut. Beschleunigungssensoren,
Gyroskope und GPS-Empfänger können das Gerät nicht nur lokalisieren,
sondern auch dessen Ausrichtung im dreidimensionalen Raum bestimmen. Mit dieser
Hardware ließen sich schon dank der Methoden der Aktionserkennung aus Abschnitt 4.1
Schlüsse auf das Verhalten und die Tagesroutinen von Nutzern folgern.
Jedoch brauchen diese Verfahren zum Teil noch viel Rechenzeit. Die Anzahl der Boosting-
Runden die es braucht, um eine gute Hypothese zu finden, machen diese Erkennung
noch unpraktikabel für Live-Systeme. Aber mit fortschreitender Rechenleistung in mobilen
Geräten und Cloud-Computing wird dies in der Zukunft wohl keine größeren Probleme
mehr darstellen.
Auch das Sammeln von Daten kann problematisch werden. In Abschnitt 4.1 weisen die
Forscher zwar darauf hin, wie wenige Daten doch nötig sind um komplexe Routinen zu
erkennen. In der Arbeit die in Abschnitt 4.2 beschrieben wird, werden jedoch komplexe
dreidimensionale Modelle aufgezeichnet und ausgewertet.
Künstliche Intelligenz spielt aber nicht nur in der Forschung eine wichtige Rolle. Zum
Beispiel hat künstliche Intelligenz auch in der Medizin wichtige Aufgaben. Beispielsweise
können mobile Defibrillatoren die sich in U-Bahn-Stationen befinden dem Benutzer
nicht nur sagen was er tun muss, sondern zum Beispiel auch erst dann einen Stromimpuls
abgeben, wenn sie korrekt platziert sind. Sie handeln bereits rational.
Abschließend lässt sich sagen, dass zwar eine absolut autonom handelnde und denkende
Maschine noch nicht praktisch implementiert werden konnte. Doch, dass vorallem die Methoden
künstlicher Intelligenz bereits große Erfolge erzielt haben. HMM, Lernmethoden
und Klassifizierungsverfahren helfen Intelligenz in Systeme und Dienste zu bringen die
dem Nutzer ortsbasierter Dienste eine neue und verbesserte Erfahrung bieten können.
Literatur
[AZS09] C. Wojek A. Zinnen und B. Schiele. Multi Activity Recognition Based on Bodymodel-
Derived Primitives. Location and Context Awareness, 4:1–18, 2009.
[BP00] P. Bahl und V.N Padmanabhan. RADAR: an in-building RF-based user location and
tracking system. INFOCOM, 2:775–784, 2000.
[BS09] U. Blanke und B. Schiele. Daily Routine Recognition through Activity Spotting. Location
and Context Awareness, 4:192–206, 2009.

[CN01] H. Choset und K. Nagatani. Topological Simultaneous Localization and Mapping
(SLAM): Toward Exact Localization Without Explicit Localization. Robotics Automation
Magazine, 17:125–137, 2001.
[DWB06] H. Durrant-Whyte und T. Bailey. Simultaneous localization and mapping: part I. Robotics
Automation Magazine, Seiten 99–110, 2006.
[FS99] Y. Freund und R. Schapire. A short introduction to boosting. Journal of Japanese Society
for Artificial Intelligence, Seiten 771–780, 1999.
[KKR09] T. Miyaki K. Kawauchi und J. Rekimoto. Directional Beaconing: A Robust WiFi Positioning
Method Using Angle-of-Emission Information. Location and Context Awareness,
4:103–119, 2009.
[Mac67] J. MacQueen. Some methods for classification and analysis of multivariate observations.
Proceedings of the fifth Berkeley symposium, 5:281–297, 1967.
[NO02] A. Garg N. Oliver, E. Horvitz. Layered representations for human activity recognition.
Proceedings of the 4th IEEE International Conference on Multimodal Interfaces, 4, 2002.
[PBL09] M. Chu P. Bolliger, K. Partridge und M. Langheinrich. Improving Location Fingerprinting
through Motion Detection and Asynchronous Interval Labeling. Location and
Context Awareness, 4:37–51, 2009.
[Rab89] L.R Rabiner. A Tutorial on Hidden Markov Models and Selected Applications in Speech
Recognition. Proceedings of the IEEE, 77:257–286, 1989.
[RN10] S. Russell und P. Norvig. Artificial Intelligence: A Modern Approach. Pearson Education
Inc., 2010.
[ZG09] X. Zhu und A.B Goldberg. Introduction to Semi-Supervised Learning. Morgan Claypool
Publishers, 2009.