Forschung

Ziel der Hybris-Forschungsgruppe ist die Integration von qualitativen und quantitativen Formen des Schließens zu hybriden Schlussformalismen.

Im Hybris-Projekt C1 befassen wir uns mit den Herausforderungen hybriden Schließens, mit denen ein Roboter konfrontiert ist, der unter unvollständigem und unsicherem Wissen plant und handelt. Wir arbeiten an den Perzeptions-, Manipulations-, Planungs-, und Schlussfolgerungsaspekten eines aktiven Perzeptionsframeworks und deren Integration im Rahmen realer Robotikplattformen. Dies erlaubt es dem Roboter, über den Zustand seines Wissen zu schlussfolgern und entsprechend zu handeln, wenn dieses noch unzureichend oder zu unsicher ist.

Wir lösen neue Probleme des hybriden Schließens, die sich im Kontext von Servicerobotern ergeben, welche in häuslichen Umgebungen neben und mit Menschen agieren. Insbesondere betrachten wir Roboter, die während der Ausführung Aufgaben gemäß den Präferenzen ihrer Nutzer erledigen. Dies beinhaltet verschiedene Herausforderungen, wie etwa das Lernen von Menschen und ihren Umgebungen sowie effizientes Lösen komplexer hybrider Planungsaufgaben.

Das Forschungsgebiet Räumliches Schließen befasst sich mit dem Erwerb, der Organisation, der Nutzung und der Aktualisierung von Wissen über räumliche Umgebungen, sei es real oder abstrakt, menschlich oder automatisiert. Das Gebiet umfasst einen weiten Bereich von der Untersuchung der räumlich-kognitiven Fähigkeiten von Menschen hin zu Themen wie der Wegplanung für mobile Roboter.

Der Sonderforschungsbereich/Transregio Spatial Cognition untersucht die kognitiven Grundlagen für Systeme zur Unterstützung von Menschen bei Aufgaben des räumlichen Schließens. Er ist in die Dreie Bereiche Schließen, Agieren und Interagieren gegliedert. Die Projekte im Bereich Schließen befassen sich mit internen und externen Repräsentationen des Raums und mit Inferenzmethoden auf Grundlage solcher Repräsentationen. Der Bereich Agieren umfasst Projekte, die sich mit dem Erwerb von Informationen über räumliche Umgebungen und Aktionen und Verhaltensweisen in solchen Umgebungen beschäftigen. Zum Bereich Interaktion gehören Projekte, die sich mit der Kommunikation räumlicher Informationen mittels Sprache und Karten beschäftigen.

In einer globalisierten und vernetzten Wirtschaftswelt sind Produktionsunterbrechungen inklusive der Unterbrechung von Lieferketten seit vielen Jahren das führende Geschäftsrisiko.

Die Fähigkeit eines Unternehmens, sich permanent an interne und externe Veränderungen und Störungen anzupassen, ist die "Suche nach Resilienz". Verstärkt durch einen erheblichen Komplexitätszuwachs in der Produktion durch Industrie 4.0, wird somit das Resilienz-Management zu einem unabdingbaren Erfolgsfaktor für Produktionsunternehmen.

Das Projekt SPAICER entwickelt ein datengetriebenes Ökosystem auf der Basis lebenslanger, kollaborativer und niederschwelliger Smarter Resilienz-Services durch Einsatz führender KI-Technologien und Industrie 4.0 Standards mit dem Ziel, Störungen vorherzusehen (Antizipation) und Produktionsplanungen jederzeit an aktive Störungen optimiert anzupassen (Reaktion).

Das KARIS-Projekt fokussiert einen Problempunkt heutiger Intralogistik- bzw. Materialflusssysteme: Viele Funktionalitäten sind heute in starre, festinstallierte "Hardware" gegossen: Flexibilität in Bezug auf eine dynamische, dem tatsächlichen Warenaufkommen sich anpassende Fördermittelkonfiguration ist damit nicht erreichbar. Eine Infrastruktur, die heute entworfen und erstellt wird, kann morgen nur mit Hilfe aufwändiger, kostenintensiver Änderungen an die sich stetig verändernden Anforderungen angepasst werden.

Die Entwicklung neuartiger, intelligenter und autonomer Funktionsmodule für den Objekttransport soll zu einer wesentlichen Änderung der Gestalt zukünftiger Materialflusssysteme führen: Nicht mehr starr installierte Materialflusselemente wie z.B. Rollenförderer übernehmen den Transport von Objekten, sondern intelligente, kostengünstige Transporteure sind immer dann zur Stelle, wenn ein Objekt seinen Standort wechseln muss.

Fehler in sicherheitskritischen Computersystemen von Flugzeugen, Zügen oder Autos können Leben gefährden. Daher ist ihre Kontrolle von äußerster Wichtigkeit. Bisher erlaubt die Technik nur die automatische Überprüfung und Analyse von begrenzten Aspekten solcher Systeme, wie zum Beispiel ihrer Stabilität oder Kontinuität.

Der Sonderforschungsbereich/Transregio AVACS ("Automatic Verification and Analysis of Complex Systems") hat das Ziel, die automatische Analyse komplexer Systeme auf eine neue Ebene zu heben, auf der eine umfassende und ganzheitliche Überprüfung komplexer Systeme sowie die Vorhersage ihrer Verlässlichkeit möglich ist.

Im Rahmen des Sonderforschungsbereich befassts sich unsere Arbeitsgruppe insbesondere mit der Frage, wie sich Techniken aus der Künstlichen Intelligenz wie zum Beispiel heuristische Suche und Spielbaumanalyse für die automatische Hard- und Softwareverifikation einsetzen lassen.

Fast-Forward (FF) ist ein klassisches Handlungsplanungssystem, das von Jörg Hoffmann in unserer Arbeitsgruppe entwickelt wurde. FF löst beliebige Planungsprobleme, die in der standardisierten Eingabesprache PDDL (Planning Domain Definition Language) formuliert sind und kommt dabei mit klassischen Problemen (STRIPS) ebenso zurecht wie mit komplexen Domänen mit Quantoren und bedingten Effekten (ADL). Der Metric-FF-Planer, eine Erweiterung zu FF, kann zusätzlich mit Zahlen (numerischen Zustandsvariablen) umgehen. Beide Systeme sind in C implementiert.

Beim zweiten internationalen Planungswettbewerb (IPC 2) im Rahmen der Fifth International Conference on Artificial Intelligence Planning and Scheduling (AIPS 2000) gewann FF den Preis für den besten vollautomatischen Planer sowie den Schindler-Preis für das beste Planungssystem in der (vollständigen) Miconic-10-Fahrstuhl-Domäne.

Fast Downward ist ein klassisches Handlungsplanungssystem, das an unserer Arbeitsgruppe entwickelt wurde. Fast Downward löst beliebige Planungsprobleme, die in der standardisierten Eingabesprache PDDL (Planning Domain Definition Language) formuliert sind und unterstützt dabei den vollen PDDL-Sprachumfang für propositionale Probleme (STRIPS, ADL, Axiome). Das System ist in Python und C++ implementiert.

Beim vierten internationalen Planungswettbewerb (IPC 2004) im Rahmen der 14th International Conference on Automated Planning and Scheduling (ICAPS 2004) gewann Fast Downward den Preis für das beste Planungssystem in der "klassischen" Kategorie (propositionale Probleme, keine Optimierung). Beim sechsten internationalen Planungswettbewerb (IPC 2008) im Rahmen der 18th International Conference on Automated Planning and Scheduling (ICAPS 2008) gewann der auf Fast Downward basierende Planer LAMA (Silvia Richter und Matthias Westphal) den Preis für das beste Planungssystem in der "klassischen" Kategorie.

IPP ist ein domänenunabhängiges Planungssystem, das in unserer Arbeitsgruppe von Jana Köhler und anderen entwickelt wurde. Ursprünglich war IPP eine Erweiterung des Graphplan-Algorithmus (Blum und Furst) auf komplexere Planungsprobleme, wie sie in der Sprache ADL (Action Description Language) ausgedrückt werden können, inklusive bedingten Effekten und beliebigen Boole'schen Bedingungen, die in dem vom Graphplan verwendeten STRIPS-Formalismus nicht ausgedrückt werden können. Spätere Versionen von IPP führten wichtige neue Ideen ein, etwa die RIFO-Technik zum Entfernen überflüssiger Fakten und Operatoren und den Zielagenda-Manager (goal agenda manager, GAM) zum Zerlegen komplexer Planungsprobleme in kleinere Teile.

Zwischen dem Juli 1997 und dem Dezember 1998 wurde der Quellcode von IPP mehr als 200 Mal heruntergeladen, und das System wurde in verschiedenen anderen Projekten benutzt (für Referenzen vgl. zum Beispiel die Artikel der AIPS-2000-Konferenz). IPP wurde auch in zwei kommerziellen Umgebungen benutzt: in der Firma Schindler als Rapid-Prototyping-Tool zur Entwicklung von Fahrstuhl-Domänenmodellen (mit unserer Erlaubnis) und bei Celcorp als Grundlage für eigene Planungssoftware (ohne unsere Erlaubnis).

Beim ersten internationalen Planungswettbewerb (IPC 1) im Rahmen der Fourth International Conference on Artificial Intelligence Planning Systems (AIPS'98) gewann IPP den Preis für den besten ADL-Planer.

Das von der EU finanzierte Projekt CoSy ist eine multidisziplinäre Untersuchung der Voraussetzungen und Möglichkeiten für die Entwicklung von menschenähnlichen, autonomen, integrierten physischen (z.B. Roboter-) Systemen. Ziel des Projekts ist insbesondere die Integration von Resultaten aus verschiedenen Subfeldern der KI und der Kognitionswissenschaft in einem einzigen "verkörperten", d.h. physikalisch existierenden und agierende, Agenten. Zu diesem Zweck werden insbesondere Bedingungen an Architekturen, Repräsentationen, Wahrnehmungsmechanismen, für das Lernen, Planen, Schlussfolgern, Motivation, Handeln und Kommunikation untersucht. Die Resultate dieser Untersuchung werden die Basis einer Reihe zunehmend ambitionierter Systeme bilden, anhand derer die entwickelten Konzepte demonstriert werden können.

Die Arbeit in unserer Forschungsgruppe befasst sich mit den Fähigkeiten zum planvollen Handeln, die intelligente Roboter mitbringen müssen, um erfolgreich und vernünftig mit Menschen in einer gemeinsamen Umgebung zu (inter-)agieren. Dies beinhaltet Kommunikationsplanung, kontinuierliches Planen und Handeln, Planen mit unvollständigem Wissen und kooperative Multiagenten-Planung.

Das Ziel des von der EU finanzierten Projekt CogX ist es, Roboter zu entwickeln, die in komplexen Umgebungen arbeiten und dort mit Neuem, mit Unsicherheit und mit Veränderungen konfrontiert sind. In solchen Umgebungen sollte ein Roboter in der Lage sein, über die Grenzen seiner eigenen Fähigkeiten und seines Wissens zu reflektieren ("Selbst-Verständnis") und sie, ausgehend von seinen Erfahrungen und seinen Zielen, zu erweitern ("Selbst-Erweiterung"). Das Gesamtziel von CogX ist es, eine umfassende Theorie von Selbst-Verständnis und Selbst-Erweiterung zu entwickeln und eine überzeugende Implementierung der Theorie in einem Roboter zu demonstrieren.

Die Arbeit in unserer Forschungsgruppe befasst sich vornehmlich mit Repräsentationen und Methoden, die es einem Roboter ermöglichen, sowohl seine physischen Aktionen wie auch Interaktionen mit Menschen und interne Prozessabläufe zu planen. Außerdem wollen wir dem Roboter ermöglichen, selbst zu entscheiden, welche spezielle Planungstechnik für eine gegebene Aufgabe geeignet ist, welche Informationen für die Lösung eines Planungsproblems nötig sind und was er aus einer vergangenen Planungsepisode lernen kann.

Forschungen im Gebiet Computersehen haben viele erfolgreiche Systeme hervorgebracht, die in einer Vielzahl von Anwendungsgebieten im täglichen praktischen Einsatz sind. In diesen Systemen sind jedoch jegliches Wissen und jegliche Schlussfolgerungstechniken, die bei der Analyse von Bildern verwendet werden, "fest verdrahtet" bzw. "einprogrammiert", also Teil des Programmcodes oder fester Bestandteil spezialisierter Datenstrukturen. Solche Lösungen haben den Nachteil, dass die zugrunde liegenden Bildverarbeitungskomponenten nur schwer an andere Anwendungen angepasst oder verallgemeinert werden können, die anderes Wissen erfordern.

Ziel des CogViSys-Projektes ist es, einen höheren Grad an Allgemeinheit zu erreichen, indem ein System entwickelt wirden, das sich auf der Ebene der Wahrnehmung selbst anpassen kann und auf der Ebene der Schlussfolgerung explizite Repräsentationen von Wissen verwendet, so dass die Wissensbasis ausgetauscht werden kann, ohne die zugrunde liegenden Algorithmen modifizieren zu müssen. Um diese Ideen zu verwirklichen, werden im Rahmen von CogViSys virtuelle Kommentatoren entwickelt, die in der Lage sind, zu visuellen Informationen textuelle Beschreibungen zu erzeugen. Dieses einheitliche Projektziel wird an drei Anwendungsszenarien erprobt:

1. Überwachung des Straßenverkehrs,

2. Interpretation von Zeichensprache und

3. automatische Videoannotation.

Innerhalb der CogViSys-Projekts beschäftigt sich unsere Forschungsgruppe vornehmlich mit dem ersten Szenario, der Überwachung des Straßenverkehrs.

Kontiplan ist ein Verbundvorhaben mit der Astrium GmbH, das vom Deutschen Zentrum für Luft- und Raumfahrt gefördert wird. Das wesentliche Ziel des Projektes ist es, Handlungsplanungs-Techniken in Weltraumszenarien (wie z.B. Landungsvorgängen bei interplanetaren Missionen, Servicing Missionen oder Erdbeobachtungs-Szenarien) gewinnbringend einzusetzen. Insbesondere in zeitkritischen Phasen von Deep-Space Missionen, in welchen permanente Kommunikation mit Bodenstationen oft nicht möglich ist, sollen diese Techniken die Robustheit des Raumfahrzeuges gegenüber Unsicherheiten und unerwarteten Ereignissen erhöhen. Durch eine Portierung der eingesetzten Algorithmen auf ein echtzeitfähiges Betriebssystem sollen komplexere Entscheidungsprozesse im Raumfahrzeug selbst ermöglicht und somit der Autonomiegrad des Systems erhöht werden.

In der Analyse fokussiert Kontiplan zwei Szenarien. In einem Lander Szenario sollen sichere Landeplätze autonom angesteuert werden. Der Planer berücksichtigt dabei die Dynamik, Ressourcen und Aktionsmöglichkeiten des Landers. Planungsalgorithmen sollen auch in der Missionsplanung zum Einsatz kommen. Hierzu wird ein Erdbeobachtungsszenario analysiert. Die Beobachtung unterschiedlicher Zielgebiete unter Beachtung von Wetterprognosen und Satellitendynamik ist ein herausforderndes Planungsproblem, in welchem probabilistische Planungsalgorithmen eingesetzt werden.

Roboter-Assistenten und Serviceroboter haben sich kommerziell noch nicht durchgesetzt. Das liegt v.a. daran, dass selbst "einfache" Alltagsprobleme hohe Anforderungen an die Fähigkeiten und Verlässlichkeit von Robotern stellen. In der vom BMBF geförderten Deutschen Servicerobotik Initiative (DESIRE) werden sowohl die methodischen Grundlagen für eine alltagstaugliche Servicerobotik erforscht sowie in Zusammenarbeit mit der Robotikindustrie eine Referenzplattform, d.h. ein modulares Robotiksystem für Alltagsanwendungen, entwickelt.

Unsere Forschungsgruppe untersucht in DESIRE, wie Wissenrepräsentation (Ontologien) und Handlungsplanung die Flexibilität, Verlässlichkeit und Benutzerfreundlichkeit von Servicerobotern steigern kann.

Das Ziel dieses DFG-Projektes ist es, eine direkte Kooperation zwischen Forschern in den Bereichen Aktionsformalismen, Beschreibungslogiken und Handlungsplanung zu etablieren, so dass sie von den Fortschritten in Theorie und Praxis auf jedem dieser Gebiete profitieren können. Als Gesamtziel sollen die unterschiedlichen Systeme all dieser Gebiete integriert werden.

Die Arbeit unserer Gruppe befasst sich mit dem Teilbereich der Planungstechniken und Aktionssprachen. Es sollen die neuesten Entwicklungen auf diesen Gebieten integriert werden, um ausdrucksstarke und effiziente Systeme zu erhalten. Um eine Vergleichbarkeit von Aktionssprachen wie GOLOG und FLUX auf der einen Seite und Plansprachen wie PDDL, die als Standard im Bereich des Planens angesehen wird, auf der anderen zu erreichen, soll zum einen eine gemeinsame semantische Basis im Situationskalkül geschaffen werden und zum anderen die Ausdrucksstärke mit Hilfe von Kompilationstechniken untersucht werden.

In diesem Projekt entwickeln wir Techniken zum effizienten Lösen schwieriger Planungsprobleme mit Hilfe von Algorithmen, die die Erfüllbarkeit aussagenlogischer Formeln testen. Bisherige und zukünftige Arbeiten befassen sich unter anderem mit folgenden Themen: Symmetriereduktion, Normalformen für partiell geordnete Pläne, verschiedene Konzepte für paralleles Planen, optimales Planen (in Bezug auf bestimmte Kostenmaße), nicht-optimales Planen und Kompromisse zwischen Planqualität und Laufzeit des Planers.

Bei der Handlungsplanung geht es darum, zu entscheiden, welche Aktionen durchgeführt werden müssen, um gegebene Ziele zu verwirklichen. Intelligente autonome Menschen, Tiere, Roboter und Softwareagenten müssen planen, um sich in einer komplexen, nicht vorhersagbaren Umwelt rational verhalten zu können. In diesem Forschungsprojekt geht es um das Problem der Handlungsplanung in komplexen Umgebungen mit nicht-deterministischem Verhalten und eingeschränkter Wahrnehmung, wo die Effekte von Aktionen nicht eindeutig voraussagbar sind und die sensorischen Informationen über den Zustand der Welt unvollständig sind.

Gegenstand dieses Projekts war die Weiterentwicklung der formalen Grundlagen qualitativer räumlicher Repräsentationsmethoden und die Entwicklung effizienter Inferenzmethoden für das qualitative räumliche Schließen. Zielsetzungen waren:

• Weiterentwicklung der formalen Semantik räumlicher Kalküle und Erhöhung ihrer Ausdruckskraft.

• Untersuchungen zur Korrektheit, Vollständigkeit und algorithmischen Komplexität räumlicher Kalküle.

• Entwicklung, Implementation und Evaluation effizienter Inferenzverfahren für räumliche Kalküle.

• Austausch zwischen den theoretischen Erkentnisse dieses Projekts und empirischen Befunden aus kognitionspsychologischen Untersuchungen in Kooperation mit dem DFG-Projekt MEMOSPACE.

Anwendungen für die in diesem Projekt gewonnenen Erkenntnisse bestehen zum Beispiel bei der Verarbeitung natürlicher Sprache, bei der Dokumentenanalyse, in geographischen Informationssystemen und bei der Roboternavigation.

RoboCup-Fußball ist eine internationale Initiative zur Förderung der Forschung in den Bereichen Künstliche Intelligenz und Autonome Mobile Roboter. Roboterfußball wird als Benchmark-Problem benutzt, an dem sich Ergebnisse aus den verschiedenen Forschungsdisziplinen direkt vergleichen lassen. RoboCup bietet damit den Forschern die Möglichkeit, das Erreichte im direkten internationalen Vergleich mit ihren Kollegen zu testen und so gemeinsam Fortschritte in den jeweiligen Fachdisziplinen zu erzielen.

Damit ein Roboterteam gut Fußball spielen kann, müssen zahlreiche Techniken beherrscht werden. Dazu gehören Sensorik, Orientierung, Bewegung in dynamischen Umgebungen, Architektur autonomer Agenten, Kooperation in Multi-Agenten-Systemen, Echtzeitverarbeitung, Handlungsplanung und Maschinelles Lernen. Dabei gewonnene Erkenntnisse können zur Realisierung anderer Aufgaben, wie sie z.B. im Bereich Haushaltsroboter, Hilfesysteme für Behinderte, Verkehrsnavigationssysteme und Planetenerkundungsroboter verwendet werden.

Unsere Mannschaft CS Freiburg wurde in den Jahren 1998, 2000 und 2001 Weltmeister im Roboterfußball in der mid-size league.

KiRo ist ein vollständig autonom spielender Tischfußball-Roboter: Durch eine Kamera erfasst KiRo das Spielfeld und entscheidet in Abhängigkeit von der aktuellen Spielsituation, wie sich die von ihm kontrollierten Stangen bewegen sollen.

KiRo wurde ursprünglich von Thilo Weigel in unserer Arbeitsgruppe entwickelt und dient der Grundlagenforschung in den Bereichen Robotik und Künstliche Intelligenz. Mittlerweile wurde das System patentiert und wird unter dem Namen StarKick von der Gauselmann-Gruppe kommerziell vermarktet.

Inzwischen wird KiRo von Dapeng Zhang weiterentwickelt, wobei der Schwerpunkt auf der Anwendung von Lerntechniken liegt.

RobocupRescue Simulation ist ein neueres Projekt der internationalen Robocup Association. Dort werden Strategien für Rettungseinsätze bei Naturkatastrophen mittels sogenannter Multiagentensysteme erforscht, d.h. Teams von eigenständig wahrnehmenden, entscheidenden und handelnden Programmen versuchen durch Kommunikation und strategisches Handeln möglichst viele Menschenleben zu retten, Feuer zu löschen und Straßen zu räumen. Für die Forschung liefert das Szenario generalisierbare Erkenntnisse z.B. über Teamarbeit, Kommunikations- und Koordinationstechniken, Handlungsplanung und Bewegung in dynamischen Umgebungen in Echtzeit und die Simulation von komplexen Systemen.

Unsere Mannschaft ResQ Freiburg wurde 2004 erstmals Weltmeister in dieser Liga.

Ziel dieses Projekts ist die Entwicklung echter Roboter, die bei einer Katastrophe zur Suche von verletzten Menschen eingesetzt werden können. Dazu werden verschiedenartige Sensoren,wie z.B. CO2-Sensoren oder IR-Kameras verwendet.

Unsere Mannschaft Rescue Robots Freiburg wurde in dieser Liga Zweiter bei der GermanOpen 2005 in Paderborn.