Projekt

Die Arbeiten in diesem Projekt beschäftigen sich mit dem Lernen von Verarbeitungsstrategien zur Nutzung von Wissen, das in Form eines semantischen Netzes repräsentiert wird. Die Strategien legen fest, in welcher Reihenfolge die Knoten eines Netzes berechnet werden. Als Lernverfahren werden Methoden aus dem Reinforcement Learning verwendet. Diese Verfahren lassen sich auf intuitive Art und Weise in den bereits bestehenden problemunabhängigen Kontrollalgorithmus zur Wissensverarbeitung eingliedern. Im Reinforcement Learning wählt ein Agent basierend auf einer erworbenen Entscheidungstaktik in jedem besuchten Zustand eine Aktion aus und erhält für diese Aktion eine Belohnung, die entweder gut oder schlecht ausfallen kann. Die Aktionen entsprechen hier Regeln zur Berechnung von Knoten im Netz, während die Knoten selbst als Zustände fungieren. Das Ziel des Agenten besteht in der Maximierung der Gesamtbelohnung, die der Agent nach Ablauf einer Exploration erhält. Aus der dabei erworbenen Entscheidungstaktik ergibt sich die optimale Verarbeitungsstrategie.
In dem Projekt wird weiterhin die Funktionsfähigkeit und Anwendbarkeit eines neuartigen 3-D-Laserkamerasystems untersucht.