Architekturprinzipien und Lernen auf der Basis mentaler Modelle III

Agenten-orientierte Techniken und fallbasiertes Schließen stellen eine gemeinsame Basis für mentale Modelle von intelligenter Verhaltenssteuerung dar. Diese ermöglicht die Verfolgung langfristiger, kooperativer Ziele unter Echtzeit-Bedingungen in Umgebungen mit unvollständigen und unsicheren Informationen. Agenten-orientierte Techniken implementieren Modelle menschlicher Entscheidungsprozesse, fallbasiertes Schließen implementiert das Handeln auf der Basis von Erfahrungen und Vorbildern. Aktuelle Erfahrungen werden als Fälle gespeichert, erweitern damit den Erahrungsschatz und sind sofort wiederverwertbar. Im Projekt dienen Fälle als deliberative Verhaltensmuster für langfristige, kooperative Handlungen. Sie bieten die Möglichkeit der fortlaufenden Anpassung an die aktuelle Situation nach dem Prinzip der Fallvervollständigung. Kooperation wird vereinfacht dargestellt durch den Bezug auf gemeinsame Verhaltensmuster. Fälle bestehen aus hierarchisch gegliederten Absichten, reaktive Verhaltensweisen werden auf den unteren Hierarchiestufen eingebunden. Die Auswahl erfolgt in einem weniger zeitkritischen Planungsprozess (Deliberation) nach Nützlichkeitsabschätzungen bzw. Ähnlichkeitsbewertungen in einem Belief-Desire-Intention(BDI)-Modell. Die Absichten steuern echtzeitfähige, reaktive Abarbeitungsprozesse. Online-Lernen erfolgt durch Anpassung der Auswahlkriterien der Absichten (Fälle) und die Einbindung neuer Fälle. Die entsprechenden Verfahren werden auch eingesetzt für differenzierte Wahrnehmungsprozesse, die von zentraler Bedeutung für effiziente Robotersteuerungen sind. Anwendungsdomäne: RoboCup Simulation League und Sony Four Legged League.