Im Autonomous Systems Lab forschen wir auf dem Gebiet des kognitiven Lernens und der Steuerung motorischer Fähigkeiten von Robotern auf der Grundlage des menschlichen Bewegungsverständnisses. Die Forschung konzentriert sich auf zwei Schwerpunkte: autonomes Lernen aus Beobachtungen im täglichen Leben und kognitive Robotersteuerung.

Autonomes Lernen durch Beobachtung

Während der Mensch die bemerkenswerte Fähigkeit besitzt, komplexe Aufgaben auszuführen und sie durch Beobachtung zu erlernen, stoßen Roboteragenten in diesem Bereich immer noch an Grenzen. Das Ziel unseres Labors ist es, Roboter in die Lage zu versetzen, nicht nur Bewegungsabläufe zu erlernen, sondern auch die Struktur von Aufgaben zu verstehen. Wir glauben, dass wir die Leistung von Robotern erheblich verbessern können, wenn wir ihnen helfen, das übergeordnete Ziel oder die Absicht einer Aufgabe zu verstehen. Dies ist ein wichtiger Schritt in Richtung intuitiverer Mensch-Roboter-Interaktion und alltäglicher Haushaltsroboter. Unsere Forschung konzentriert sich auf das Erlernen von Aufgabenstrukturen, die Voraussetzungen und Auswirkungen von Fähigkeiten, Bewegungsfähigkeiten und Motion Retargeting. Unsere innovative Arbeit zielt darauf ab, ein anspruchsvolles und fortschrittliches Robotersystem zu schaffen.

Kognitive Robotersteuerung

Eine der bemerkenswertesten Fähigkeiten, die der Mensch besitzt, ist die Fähigkeit, die Gedanken anderer vorauszusehen. Im Laufe unserer Entwicklung erwerben wir diese Fähigkeit unbewusst und sind in der Lage, sie im Alltag fast mühelos zu nutzen. Mit einem kurzen Blick sind wir in der Lage, die Blickrichtung, Handlungen, Absichten, Ziele und Emotionen einer Person zu erkennen. Wenn wir die Ziele anderer nicht vorhersagen können, kann dies zu Fehlern und Unbehagen führen, insbesondere bei der Zusammenarbeit zwischen Menschen. Das Ziel unseres Labors ist es, diese hochentwickelten kognitiven Prozesse in Roboteragenten zu übertragen. Wir glauben, dass solche Agenten angenehmer und natürlicher in der Zusammenarbeit sind und sich besser für Alltagssituationen eignen. Unsere Forschung konzentriert sich auf die Mensch-Roboter-Interaktion, die Umsetzung der Theory of Mind in der Robotik, die Vorhersage menschlicher Bewegungen und die Vorhersage menschlicher Handlungen.