Künstliche Affordanzen in einem “Selection-for-Action”-Aufmerksamkeitssystem zur Handlungsauswahl
A. Rossi
Künstliche visuelle Aufmerksamkeit wird in autonomen kognitiven Systemen verwendet, um eine Vorauswahl relevanter Bildelemente zu treffen. Darauffolgende Verarbeitungsstufen können die ausgewählten Bildelemente wegen ihrer reduzierten Größe dann effizienter analysieren. Untersuchungen der menschlichen visuellen Aufmerksamkeit legen nahe, dass die Selektion durch Aufmerksamkeit nicht nur durch einfache, visuelle Attribute wie Farbe oder Größe eines Objektes bestimmt wird, sondern auch durch Handlungsmöglichkeiten, die durch einen Gegenstand angeboten werden. Diese Handlungsmöglichkeiten werden als Affordanzen bezeichnet. Beispielsweise bietet die Affordanz eines Schalters, die Handlungsoption des Umlegens dieses Schalters an. Im Rahmen dieser Bachelorarbeit soll eine Steuerung einfacher Handlungen auf Basis eines künstlichen Aufmerksamkeitssystems entworfen werden. Dazu wird das Bild mit einem Growing Neural Gas Algorithmus in eine auf Tiefeninformationen basierende Szenenrepräsentation zerlegt. Diese Szenenrepräsentation wird dann auf Affordanzen untersucht. Durch die Auswahl des relevantesten Objektes wird als nächstes in einer simulierten Testumgebung eine Handlung initialisiert und durchgeführt.