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.

Mensch-Roboter-Interaktion

Unser Labor stellt sich Roboter vor, die mit Menschen bei alltäglichen Aufgaben interagieren. Um jedoch eine effektive Mensch-Roboter-Interaktion zu ermöglichen, müssen die Roboter sowohl die Umgebung als auch die Menschen darin verstehen. Unser Labor konzentriert sich darauf, die Menschen in der Umgebung des Roboters aus verschiedenen Blickwinkeln und auf verschiedenen Granularitätsebenen zu verstehen: von menschlichen Bewegungen bis hin zu Aktionen und Absichten. Eines der Hauptziele ist es, die Absichten des Menschen einschätzen zu können, was für Roboter entscheidend ist, um dem Menschen rechtzeitig und proaktiv die notwendige Unterstützung zukommen zu lassen. Wir glauben, dass ein Roboter kontextuelles Bewusstsein (Wahrnehmung und Interpretation der Umgebung) benötigt, um seine Absichten besser einschätzen zu können, wie wir in unseren Arbeiten wie "Human-Object Interaction Anticipation for Assistive roBOTs, öffnet eine externe URL in einem neuen Fenster" (CoRL2023) zeigen.