Jahresbericht informatik 2009 - KIT – Fakultät für Informatik

Die Institute der Fakultät und ihre Forschungsvorhaben
Videokameras aufgezeichnet und die Erkennungsrate auf beiden Datensätzen miteinander
verglichen. Darüberhinaus wurde das Erkennungssystem in einer Weise umgesetzt, die
Live-Erkennung ermöglicht.
In einem weiteren Arbeitsbereich werden bewegungsbasierte Benutzerschnittstellen für
"Wearable Computing" Systeme entwickelt. Diese Systeme sollen Benutzer bei Alltagsund
Arbeitsaufgaben unterstützen und dabei möglichst wenig Aufmerksamkeit und physische
Beanspruchung auf sich ziehen. Zu diesem Zweck wurde ein Datenhandschuh mit
Bewegungssensoren entwickelt, der ein freies Schreiben in der Luft ermöglicht, vergleichbar
dem Schreiben auf einer imaginären Tafel. Dies erlaubt eine komplexe Interaktion
mit mobilen Computersystemen, ohne die Notwendigkeit, spezifische Geräte in der Hand
zu halten. Die Bewegungen werden mit Beschleunigungs- und Drehratensensoren erfasst.
Für die Schrifterkennung werden Hidden-Markov-Modelle (HMMs) eingesetzt. Es wurde
ein Datenkorpus mit Schriftdaten unterschiedlicher Schreiber erstellt. Auf diesen Daten
wurde eine schreiberunabhängige Erkennungsrate von 81,9% für die Erkennung von
Einzelbuchstaben und eine schreiberabhängige Erkennungsrate von 97,5% für die
Erkennung ganzer Worte erreicht. Auf Basis dieser Ergebnisse wurde ein Live-
Demonstrationssystem implementiert.
Empathisches Verhalten des Roboters in der Interaktion mit Menschen
(D. Heger, T. Schultz)
Ziel des Teilprojektes "Lernen von Handlungswissen, Episoden und Kontext" des SFB 588
("Humanoide Roboter") ist die Analyse und Beschreibung situativer
Benutzereigenschaften, die es dem Roboter ermöglichen, in der Interaktion mit Menschen
soziales Verhalten zu erlernen. Hierzu werden typische Formen der Mensch-Roboter-
Interaktion im Hinblick auf soziale Verhaltenskomponenten beobachtet und aufgezeichnet.
Gegenstand der Analyse sind insbesondere die Tätigkeit eines Benutzers sowie dessen
kognitive Belastung und dessen emotionaler Zusand. Am CSL wurde in diesem Rahmen
ein System entwickelt, das auf Basis von Elektroenzephalografie (EEG) eine quasi-kontinuierliche
Erkennung der kognitiven Belastung des Menschen ermöglicht. Entsprechend
dem erkannten kognitiven Belastungszustand der Menschen in seiner Umgebung, kann ein
Roboter so ein Verhalten auf angemessene und natürliche Weise adaptieren. In
Experimenten unter kontrollierten Bedingungen wurden mit einem benutzerspezifisch trainierten
System Erkennungsraten über 90 % erreicht. In Mensch-Roboter-
Interaktionsszenarien, in denen der Roboter seine Dialogstrategie auf Basis der erkannten
kognitiven Belastung seines Benutzers auswählte, konnten erste empathische
Verhaltensweisen demonstriert werden. Laufende Forschungsarbeiten beschäftigen sich mit
der Integration weiterer Biosignale des Menschen (z. B. Puls, Hautleitfähigkeit,
Atemaktivität) zur Verbesserung der Robustheit des Systems. Darüber hinaus befinden sich
derzeit Systeme in der Entwicklung, die affektive Zustände und Persönlichkeit eines
Menschen anhand multimodaler Biosignale erkennen können. Hierbei liegt ein besonderer
Fokus auf der multimodalen Merkmalsextraktion und Merkmalsfusion, um eine robutste
256