Effektives Lernen von sozialen Affordanzen für die HRI
Effective Learning of Social Affordances for HRI
Bilaterale Ausschreibung: Frankreich
Wissenschaftsdisziplinen
Elektrotechnik, Elektronik, Informationstechnik (80%); Psychologie (20%)
Keywords
-
Human-Robot Collaboration,
Machine Learning,
Planning,
Social Cognition,
Theory of Mind
Affordanzen sind Handlungsmöglichkeiten, die einem Akteur von seiner Umgebung unmittelbar erkennbar angeboten werden. Dieses Konzept stößt in der Robotik auf zunehmendes Interesse, wo es Objekte und Umgebung umfassend hinsichtlich ihrer Interaktionsmöglichkeiten beschreibt, weit über ihre physikalischen Eigenschaften hinaus. In diesem Projekt erweitern wir diesen Begriff auf soziale Affordanzen. Das Ziel ist, dass autonome Roboter nicht nur über den physikalischen Effekt ihrer Interaktionen mit Menschen lernen, sondern auch die Reaktionen der Menschen (Emotion, Sprache, Bewegung). Wenn er beispielsweise Finger und Blick auf dasselbe Ziel richtet, wird sich der Mensch ebenfalls diesem zuwenden. Richtet er allerdings seinen Blick auf den zeigenden Finger, wird der Mensch ebenfalls den Finger anschauen. Wenn sich der Roboter das Kinn kratzt, wird das andererseits manche Menschen zum Schmunzeln bringen, aber andere nicht. Das Projekt geht der Frage nach, wie das Lernen allgemein gültiger und personenspezifischer sozialer Affordanzen das Handlungsrepertoire von Robotern erweitern kann, insbesondere in der Präsenz von und im direkten Umgang mit Menschen.
- Universität Innsbruck - 100%
Research Output
- 1 Zitationen
- 1 Publikationen
-
2022
Titel Editorial: Computational models of affordance for robotics DOI 10.3389/fnbot.2022.1045355 Typ Journal Article Autor Renaudo E Journal Frontiers in Neurorobotics Seiten 1045355 Link Publikation