Springe direkt zu Inhalt

Bernstein Fokus Lernen - Insekten inspirieren Roboter

Institution:

Freie Universität Berlin
Fachbereich Mathematik und Informatik
Institut für Informatik - AG Intelligente Systeme und Robotik

Projektleitung:
  • Prof. Dr. Dorothea Eisenhardt, Sprecherin des Gesamtprojekts
  • Prof. Dr. Martin Nawrot
Mitarbeiter/innen:
Förderung:
Gefördert vom BMBF unter Förderkennzeichen: 01GQ0941
Projektlaufzeit:
01.06.2012 — 31.12.2014
Ansprechpartner/in:
Sekretariat: S. Schöttker-Söhl
Fax:
+ 49 30 838 75059
BMBF-logo

Sponsored by the Federal Ministry of Education and Research

Über die Rolle von Gedächtnis bei der Entscheidungsfindung

In diesem Verbundprojekt wollen wir die Mechanismen des Lernens, des Gedächtnisses und der Entscheidungsfindung auf neuronaler und formaler Ebene untersuchen. Unser Ziel ist es, einen Roboter, mit einer Architektur auszustatten, die von biologischen Mechanismen abgeleitet wird. Diese Architektur erlaubt es dem Roboter, trotz seines geringen impliziten Wissens, neue Aufgaben selbständig zu lösen. Die neurobiologischen Mechanismen, werden wir an Insekten untersuchen.

Homepage des Projekts

Über die Rolle von Gedächtnis bei der Entscheidungsfindung

In diesem Verbundprojekt wollen wir die Mechanismen des Lernens, des Gedächtnisses und der Entscheidungsfindung auf neuronaler und formaler Ebene untersuchen. Unser Ziel ist es, einen Roboter, mit einer Architektur auszustatten, die von biologischen Mechanismen abgeleitet wird. Diese Architektur erlaubt es dem Roboter, trotz seines geringen impliziten Wissens, neue Aufgaben selbständig zu lösen. Die neurobiologischen Mechanismen, werden wir an Insekten untersuchen.

Dazu nutzen wir die Methodik der Verhaltensbiologie, der Neurophysiologie, der Neurogenetik und der Biochemie. Ergebnisse aus diesen Experimenten werden formalisiert und mit Hilfe der Modellierung von neuronalen Netzen, Methoden des reinforcement learning und des Maschinenlernens in eine Kontrollarchitektur für Roboter übersetzt.

----

Here we combine theoretical and experimental approaches to investigate neuronal and computational mechanisms of learning, memory and decision-making in biological and artificalagents. The ultimate goal is to equip an autonomous robot with minimal implicit knowledge butwith a biologically-inspired learning-and-memory architecture allowing it to solve novel tasks ofpractical relevance. In insects, behavioural, neurophysiological, neuro-genetical and biochemical experiments shall elucidate the underlying biological mechanisms. Neuronal network approaches, reinforcement learning and machine learning methods will translate the derived biological concepts into control architectures of autonoumous agents.