Jahresbericht informatik 2009 - KIT – Fakultät für Informatik

Die Institute der Fakultät und ihre Forschungsvorhaben
tiven Genauigkeit zur Verfügung, um einen möglichst realistischen Eindruck zu erreichen.
Darüber hinaus wird gewährleistet, dass weitere
Lokalisierungsmodule sehr einfach in das bestehende
System integriert werden können, z. B. um
die Hände eines Benutzers verfolgen zu können,
damit dieser mit der entfernten Umgebung interagieren
kann. Bei der Ortung des Benutzers werden
breitbandige akustische Signale verwendet,
die als zeitabhängige, nichtlineare Messabbildung
interpretiert werden. Somit lassen sich zu jedem
Stereo-Head-Mounted-Display, das mit empfangenen Abtastwert rekursiv die
Mikrophonen und einem Gyroskopwürfel Verteilungsdichten über die Lageinformation des
ausgestattet wurde, und ein
Benutzers schätzen.
Handtracker, bestehend aus 4
Mikrophonen
Intentionserkennung in der Mensch-Roboter-Kooperation
(P. Krauthausen)
Die menschliche Kommunikation und Kooperation basiert wesentlich auf der Fähigkeit zur
impliziten wechselseitigen Einschätzung der Absichten des Gegenübers. Im Rahmen des
SFB 588 „Humanoide Roboter - Lernende und kooperierende multimodale Roboter“ wird
am ISAS erforscht, wie die Intentionserkennung als implizite Kommunikationsart für den
humanoiden Roboter ARMAR genutzt werden kann.
Für die Intentionserkennung wird am ISAS ein stochastischer Ansatz mit hybriden dynamischen
Bayesnetzen verfolgt. Als probabilistische, graphische Modelle erlauben
Bayesnetze die explizite Modellierung kausaler Zusammenhänge zwischen Situationen,
Intentionen, Aktionen und Beobachtungen. Im Mittelpunkt der systemtheoretischen
Betrachtungen steht die Behandlung nichtlinearer Abhängigkeiten zwischen Variablen
sowie Szenarien, in denen gemischtwertige Mengen von Zufallsvariablen auftreten.
In den nächsten Schritten werden die automatische Spezialisierung der kausalen Modelle
an die vorliegende Situation zur Laufzeit und die Bestimmung der Modellparameter aus
Lerndaten untersucht. Bei der situationsbedingten Inferenz steht die Aufwandsreduktion im
Vordergrund, um die mit dem Detailgrad der Modellierung steigende Modellgröße zu kompensieren.
Die Herausforderungen bei der Bestimmung der Modellparameter sind die geringen
Datenmengen und die einheitliche Betrachtung der gemischtwertigen Mengen von
Zufallsvariablen. Als Testumgebung wird ein virtueller Haushalt im weiträumigen
Telepräsenzsystems des ISAS verwendet.
248