Lernende Roboter behandelt Methoden und Lernstrategien der Künstlichen Intelligenz (KI) im Hinblick auf deren Anwendungen in der Robotik. Mehrere Lernschemata werden beschrieben. Lernen wird als das Hinzufügen neuen Wissens zu bestehendem Grundwissen und deren Wechselwirkung verstanden. Verschiedene Formen der Wissensaneignung werden besprochen. Die Lernziele entsprechen dem breiten Spektrum der Anforderungen; der behandelte Stoff reicht vom direkt implementierten Wissen bis hin zur Deutung von Wirkzusammenhängen zwischen durchgeführten Aktionen und sensorisch erfaßten Merkmalen. Ziel des Buches ist eine Diskussion des Einsatzes von Lernstrategien für zukünftige, intelligente und autonome Robotersysteme. Es bietet in konzentrierter Form einen Überblick über das Gebiet, aufbereitet für den Einsatz in der Robotik.

Inhalt
Inhaltsverzeidinis.- 1 Einleitung.- 2 Hypothetisches Modell der Lernstrukturen bei höheren Lebewesen.- 2.1 Verhaltensprägung und -änderung durch Lernen.- 2.2 Hierarchische Gliederung der Willkürmotorik.- 3 Grundstruktur von lernenden Systemen.- 3.1 Modellbildung von lernenden Systemen.- 3.1.1 Das Lernziel.- 3.1.2 Das Ausfuhrungselement.- 3.1.3 Inhalt und Struktur der Wissensbasis im lernenden System.- 4 Klassifikation von Lernverfahren.- 4.1 Unterlagerte Lernstrategien.- 4.2 Präsentation gelernten Wissens.- 5 Mechanisches Lernen ohne Transformationsprozesse.- 5.1 Grundstrukturen mechanischen Lernens.- 5.2 Lernfähige lokal verallgemeinernde assoziative Speichersysteme.- 5.2.1 Informationsspeicherung in neuronalen Netzwerken: Assoziative Stimulus-Response Abbildung als allgemeines Systemmodell.- 5.2.2 Anwendungen von CMAC in der Robotik.- 6 Lernen aus Beispielen (induktives Lernen).- 6.1 Grundstruktur der unterlagerten Lernstrategie.- 6.2 Der Beispielraum.- 6.3 Der Interpretationsprozeß.- 6.4 Der Regelraum.- 6.5 Steuerung der Suchoperationen im Regelraum.- 6.6 Induktionsverfahren zur Erzeugung von Handhabungssequenzen.- 6.7 Lernen unter Verwendung von Simulationstechniken.- 7 Lernen in Regelungssystemen.- 7.1 Adaptive Regelungssysteme mit Selbsorientierung.- 7.2 Modelle adaptiver Lernstrategien.- 8 Lernende Automatenmodelle.- 8.1 Ein stochastischer Automat als Modell lernender Robotersteuerungen.- 8.2 Der Fuzzy-Automat als Steuerungsmodell.- 8.2.1 Fuzzy-Mengen.- 8.2.2 Fuzzy-Logik.- 8.2.2.1 Fuzzy-Variable und Fuzzy-Restriktion.- 8.2.2.2 Transformationsregeln für Aussagen in der Fuzzy-Logik.- 8.2.3 Linguistische Variable.- 8.2.3.1 Linguistische Wahrheitswerte und Linguistische Approximation.- 8.2.4 Inferenzregeln in der Fuzzy-Logik und Approximistisches Schließen.-8.2.5 Der variable Struktur Fuzzy-Automat.- 8.2.5.1 Der Fuzzy-Automat als Steuerungskoordinator in hierarchischen Robotersteuerungsstrukturen.- 9 Lernen durch Analogien.- 9.1 Repräsentation des Problemraums.- 9.2 Der Erinnerungs- und Transformationsprozess.- 9.3 Grundklassen von Transformationsoperatoren.- 9.4 Differenzmaß zur Bewertung von Analogien.- 9.5 Lernen von verallgemeinerten Plänen.- 10 Lernen durch Erfahrung.- 10.1 Modell einer Lernstruktur durch Erfahrung.- 10.2 Beschreibung der Komponenten des Lernmodells.- 10.2.1 Der Problemgenerator.- 10.2.2 Der Problemloser.- 10.2.3 Der Kritiker.- 10.2.4 Der Generalisierer.- 10.3 Lernen durch Erfahrung zur Berichtigung falscher Theorien.- 11 Konzept eines hierarchischen Robotersystems mit Lernfähigkeit.- 11.1 Grundkomponenten hierarchisch gegliederter Robotersysteme.- 11.2 Lernziele des mobilen Robotersystems.- 11.3 Wechselwirkungen zwischen Planung, Exekutive und Überwachung.- 11.4 Der HLI als Bewerter und Kritiker von Plänen.- 11.5 ROSI 2 als Experimentator zur Unterstützung induktiven Lernens von Planungs- und Strategiewissen.- 12 Schlußbemerkung.- 13 Literaturverzeichnis.