Wir untersuchen die Wahrnehmung von Menschen und Robotern mit dem Ziel, ein konstruktives Verständnis für die robuste Verarbeitung von Wahrnehmungsinformationen zu entwickeln. Zu diesem Zweck verfolgen wir einen transdisziplinären Ansatz, der Psychologie und Robotik miteinander verknüpft. Wir modellieren einige Mechanismen des menschlichen Sehens, die wir als visuelles Phänomen beobachten, und machen erste Vorhersagen. Auf dieser Grundlage sammeln wir psychophysikalische Daten, die sich auf die Vorhersagen beziehen, und passen das Modell bei Abweichungen mit neuen Beobachtungen an. Wir gehen dabei schrittweise vor (die analytisch-synthetische Schleife), um unser Verständnis der Wahrnehmungsmechanismen, die dem menschlichen Sehen zugrunde liegen, langsam zu erweitern.
Auf der Grundlage der Erkenntnisse, die sich aus der Untersuchung verschiedener Phänomene/Mechanismen ergeben, werden wir ein algorithmisches Modell der menschlichen Wahrnehmung erstellen, das größere Teile des menschlichen Sehens nachbilden kann. Außerdem werden wir Algorithmen für die Roboterwahrnehmung entwickeln, die Erkenntnisse über das menschliche Wahrnehmungssystem nutzen, um den Stand der Technik in den synthetischen Disziplinen zu verbessern.
Unsere Hauptmotivation, diese Forschungsrichtung zu verfolgen, ist die verblüffende Übereinstimmung zwischen den Merkmalen des menschlichen Sehens und des Sehens von Robotern. Es hat sich herausgestellt, dass es auf verschiedenen Abstraktionsstufen große Ähnlichkeiten zwischen der Informationsverarbeitungsarchitektur des visuellen Kortex und den interaktiven Wahrnehmungsmodellen gibt, die hier bei RBO entwickelt wurden [frühere Veröffentlichung, ein anderes aktuelles Projekt konzentrierte sich auf die Nutzung der gleichen Informationsverarbeitungsmodelle]. Angesichts der übereinstimmenden Eigenschaften sollten die Erkenntnisse, die wir aus Modellen ableiten, die unter Verwendung von Informationsverarbeitungsmustern aus der Robotik entwickelt wurden, ein hohes Maß an Relevanz für das menschliche Sehen haben.
For variations of (van Liers, 2009) go here.
For variations of (Suchow, 2011) go here.
Dieses Projekt wird von der Deutschen Forschungsgemeinschaft (DFG) im Rahmen der Exzellenzstrategie - EXC 2002/1 "Science of Intelligence" - Projektnummer 390523135 gefördert.