Adaptive Umweltmodellierung für kognitive Systeme in offener Welt durch dynamische Konzepte und quantitative Modellbewertung

Die Verwendung von technisch kognitiven Systemen, welche den Menschen bei der Ausführung von alltäglichen Aufgaben unterstützen, nimmt über die letzten Jahre stetig zu. Häufig müssen solche Systeme in der Lage sein, eine für ihre Aufgaben relevante Umgebung sensorisch erfassen und verarbeiten zu können. Zu diesem Zweck können sog. Umweltmodelle eingesetzt werden, deren Aufgabe eine konsistente Integration, Verwaltung und Bereitstellung erfasster Umgebungsinformationen ist. Ein Beispiel eines solchen Umweltmodells ist das sog. objektorientierte Umweltmodell, welches nach probabilistischen Prinzipien operiert und schritthaltend den Zustand einer beobachteten Umgebung darstellt. Diese sensorbasierte Beschreibung wird dabei durch ein semantisches Domänenmodell ergänzt, in welchem als Hintergrundwissen relevante Typen von Entitäten der Umgebung modelliert werden. Derartige Domänenmodelle werden im Allgemeinen zur Entwurfszeit eines Systems von Wissensingenieuren manuell erstellt. Sie beschreiben somit immer nur einen abgeschlossenen Teil einer Anwendungsdomäne. In dieser Arbeit wird nun der Fall betrachtet, dass ein solch abgeschlossenes Domänenmodell für die Umweltmodellierung nicht mehr ausreichend ist und dynamisch erweitert werden muss. Dabei wird von einer offenen Welt ausgegangen, d. h. einer Umgebung, in welcher auch nicht im Domänenmodell beschriebene Entitäten beobachtet werden können. Zu diesem Zweck wird in dieser Arbeit der Ansatz einer adaptiven Umweltmodellierung definiert, welcher es einem Umweltmodell ermöglicht, dynamisch auf unvorhergesehene Entitäten reagieren zu können. In diesem Ansatz können Wissensmodelle adaptiv durch das Erlernen neuer Konzepte erweitert werden. Um eine adaptive Umweltmodellierung zu ermöglichen, werden in dieser Arbeit unterschiedliche Aspekte und Methoden der probabilistischen Informationsverarbeitung im objektorientierten Umweltmodell angepasst und erweitert. Als Grundlage zur Repräsentation von neu gelernten Konzepten werden zunächst ein formales Metamodell und eine Kern-Ontologie definiert, welche die strukturierte Erweiterung eines Domänenmodells durch das Erlernen neuer Konzepte ermöglichen. Dabei muss im Besonderen die probabilistische Informationsrepräsentation des Umweltmodells beachtet werden, die eine Erweiterung von logisch orientierten Repräsentationsansätzen notwendig macht. Weiterhin wird ein probabilistischer Klassifikationsansatz vorgeschlagen, welcher beobachteten Entitäten ihre im Domänenmodell modellierten Typen unter Verwendung einer Wahrscheinlichkeitsverteilung zuordnet. Dieser Ansatz kann ebenfalls bei der Erkennung von unvorhergesehenen Entitäten genutzt werden. Als Hauptbeitrag dieser Arbeit wird ein Ansatz zur adaptiven Verwaltung und Erweiterung von Domänenmodellen präsentiert. Eine solche Erweiterung soll dabei nach Prinzipien wie der Bedarfsgerechtigkeit und Relevanz von Modellanpassungen erfolgen. Um den Bedarf einer Modellanpassung in einem Umweltmodell feststellen zu können, werden in dieser Arbeit Bewertungsmaße definiert, welche zur Quantifizierung der Modellgüte in Bezug auf die beobachtete Umgebung dienen. Diesen Bewertungsmaßen liegt ein Ansatz auf Basis des Prinzips der minimalen Beschreibungslänge zu Grunde. Unter Verwendung dieser Bewertungsmaße wird anschließend ein algorithmisches Regelungsschema definiert, welches die bedarfsgetriebene Anpassung eines Domänenmodells an relevante unvorhergesehene Entitäten erlaubt. Dazu werden weitere Bewertungsmaße definiert, welche die Detektion, Relevanzbewertung und Gruppierung solcher Entitäten ermöglichen. Auf Basis einer relevanten Gruppe von Entitäten, die einen spezifischen, bisher nicht modellierten Typ repräsentiert, kann dann eine Modellanpassung erfolgen. Als ein weiterer Beitrag wird daher ein Ansatz zum Lernen und Generalisieren von probabilistischen Konzeptdefinitionen vorgeschlagen. Abschließend erfolgt eine Evaluation der vorgeschlagenen Ansätze und Bewertungsmaße als Nachweis ihrer grundsätzlichen Anwendbarkeit an einem abstrahierten Anwendungsszenario der humanoiden Robotik für eine Haushaltsumgebung. Insgesamt beschreibt diese Arbeit somit einen ersten, aber grundlegenden Schritt in Richtung einer adaptiven Umweltmodellierung