Projekt

VeryHuman

Komplexes Verhalten Humanoider Roboter Lernen und Verifizieren

Komplexes Verhalten Humanoider Roboter Lernen und Verifizieren

  • Laufzeit:

Die Validierung von Systemen in sicherheitsrelevanten Situationen ist ein inhärent schwieriges Problem, wenn deren Verhalten über Lernalgorithmen trainiert wurde. Der subsymbolische Operationsmodus erlaubt keine ausreichende Abstraktion oder Repräsentation um Korrektheitsbeweise zu führen. Die Zielsetzung des Projektes VeryHuman ist es, die nötigen Abstraktionsebenen durch Beobachtung und Analyse des zweibeinigen Laufens eines humanoiden Roboters zu synthetisieren. Die zu entwickelnde Theorie dient sowohl als Grundlage, um Belohnungsfunktionen abzuleiten, die für die optimale Kontrolle des Roboters über erweiterte Lernansätze verwendet werden, als auch um verifizierbare Abstraktionen kinematischer Robotermodelle zu generieren, die erleichterte Verhaltensvalidierung erlauben.

Partner

Cyber Physical Systems (CPS), DFKI Robotics Innovation Center (RIC), DFKI

Fördergeber

BMBF - Bundesministerium für Bildung und Forschung

01IW20004

BMBF - Bundesministerium für Bildung und Forschung

Publikationen zum Projekt

Mahdi Javadi; Daniel Harnack; Paula Stocco; Shivesh Kumar; Shubham Vyas; Daniel Pizzutilo; Frank Kirchner

In: IEEE Robotics and Automation Letters (RA-L), Vol. 8, Pages 1-8, IEEE, 6/2023.

Zur Publikation

Andreas Müller; Shivesh Kumar; Thomas Kordik

In: IEEE Robotics and Automation Letters (RA-L), Vol. 8, Pages 1-8, IEEE, 4/2023.

Zur Publikation

Mihaela Popescu; Dennis Mronga; Ivan Bergonzani; Shivesh Kumar; Frank Kirchner

In: Sensors - Open Access Journal (Sensors), Vol. 22, No. 24, Pages 1-12, Multidisciplinary Digital Publishing Institute (MDPI), 12/2022.

Zur Publikation

Deutsches Forschungszentrum für Künstliche Intelligenz
German Research Center for Artificial Intelligence