Autonome Systeme

Autonome Systeme beschäftigen sich im Kern mit der Fragestellung wie sich ein System aus einer Menge an beobachteten Umgebungsparametern verhalten soll. Ziel ist es somit, im Gegensatz zu klassischen Remote-Systemen, vollständig auf eine Steuerung durch ein weiteres System (z.B. den Menschen) zu verzichten. Oft ist das in komplexen Situationen hinderlich, da eine vollständige Erfassung notwendiger Ereignisse durch den Menschen häufig zu lange Reaktionszeiten in Anspruch nehmen. Die Lösung in Zeiten der Automatisierung sind solch unabhängige Systeme.

Verarbeitungsschritte zum autonomen Handeln

Vor allem technische "Assistenten" werden im Alltag immer wichtiger und deren Funktionen und Aufgaben immer komplexer. Grundsätzlich müssen die Sensordaten zur Erfassung der Umwelt verarbeitet und ausgewertet werden. So soll beispielsweise in naher Zukunft die Informationsflut vom Smartphone individuell gefiltert werden, statt diese selbst noch mit Hinweisen und Mitteilungen zu erhöhen. Doch die Erleichterung für den Nutzer ist erst gegeben, wenn diese Selektion autonom erfolgt. Im nächsten Schritt wird dieses Machine Learning in den Alltag Einzug nehmen und uns allen in den unterschiedlichsten Formen begegnen. Im Kern jedoch ist die Funktionsweise die gleiche: Systeme lernen individuelle Informationen zur Verfügung zu stellen und ermitteln auch nur die dafür erforderlichen Daten. Das Fraunhofer IIS konzentriert sich vor allem auf lokale Echtzeitsysteme ohne Zugriff auf große Datenmengen oder Rechnerkapazitäten.

Hierfür verfügt das Fraunhofer IIS über die notwendigen Kompetenzen im Bereich Sensorfusion, maschinelles Lernen, Lokalisierung und SLAM. Welche Daten dazu gesammelt und interpretiert werden, ist Teil des autonomen Handelns und ist abhängig von den individuellen Anforderungen, die an das System gestellt werden. Dafür soll der "Assistent" eine Situation bewerten und Handlungsoptionen generieren, wobei die Handlungen in Langfristige (long-term/high-level) und Kurzfristige (short-term/low-level) eingeteilt sind.

Reinforcement Learning

In den letzten Jahren hat vor allem das verstärkende Lernen, das Reinforcement Learning, an Bedeutung gewonnen. Durch Interaktion mit seiner Umwelt erlernt ein Agent dabei selbständig eine Strategie, um ein gegebenes Problem zu lösen. Der Agent "exploriert" dafür selbstständig den notwendigen Datensatz und erzeugt daraus Regeln, wie Aktionen bzw. Handlungsentscheidungen getroffen werden. Das explizit überwachte Lernen (supervised learning) aus aufgenommenen Daten wird somit abgelöst.

Das Reinforcement Learning kommt beispielsweise bei Steuerung von Maschinen oder Fahrzeugen zum Einsatz, weil hier im Vorhinein keine Daten zur Verfügung stehen. In der klassischen Regelungstechnik werden dafür (physikalische) Modelle genutzt, um eine entsprechende Regelung auszulegen. Doch auch hier gilt: jedes Modell wird die Wirklichkeit nur approximieren. Ziel des Reinforcement Learning ist es deshalb, entweder das Modell zu approximieren und es in einer klassischen Regelung zu integrieren oder die Regelung direkt als Ende-zu-Ende-Lernen zu ersetzen.

Kompetenzen

Das Fraunhofer IIS bündelt Kompetenzen, die für autonome Systeme essentiell sind: von Sensorfusion, über maschinelles Lernen bis hin zu Lokalisierung. Autonome Systeme stecken jedoch noch in den Kinderschuhen und bieten viel Potenzial für Forschung und Entwicklung - gerne mit Ihnen zusammen, auf Ihre Anforderungen angepasst.

Kooperation zur Forschung

Zusammen mit der Universität Erlangen-Nürnberg baut das Fraunhofer IIS außerdem Lehrveranstaltungen aus, beispielsweise für Deep und Reinforcement Learning oder Machine Learning. Als Austauschplattform wird es Ende 2018 zusätzlich ein Machine Learning Forum geben, wo sich Studierende, Industrie und Lehreinrichtungen austauschen können. So soll der Fortschritt im Bereich Autonomous Systems vorangetrieben werden - angetrieben vom Bundesministerium für Bildung und Forschung, das dieses Projekt ausgeschrieben hat.