@mastersthesis { AR2017, author = { André Rossi }, title = { K{"u}nstliche Affordanzen in einem “Selection-for-Action”-Aufmerksamkeitssystem zur Handlungsauswahl }, month = { December }, year = { 2017 }, school = { Paderborn University }, abstract = { K{"u}nstliche visuelle Aufmerksamkeit wird in autonomen kognitiven Systemen verwendet, um eine Vorauswahl relevanter Bildelemente zu treffen. Darauffolgende Verarbeitungsstufen k{"o}nnen die ausgew{"a}hlten Bildelemente wegen ihrer reduzierten Gr{"o}{\ss}e dann effizienter analysieren. Untersuchungen der menschlichen visuellen Aufmerksamkeit legen nahe, dass die Selektion durch Aufmerksamkeit nicht nur durch einfache, visuelle Attribute wie Farbe oder Gr{"o}{\ss}e eines Objektes bestimmt wird, sondern auch durch Handlungsm{"o}glichkeiten, die durch einen Gegenstand angeboten werden. Diese Handlungsm{"o}glichkeiten 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 k{"u}nstlichen Aufmerksamkeitssystems entworfen werden. Dazu wird das Bild mit einem Growing Neural Gas Algorithmus in eine auf Tiefeninformationen basierende Szenenrepr{"a}sentation zerlegt. Diese Szenenrepr{"a}sentation wird dann auf Affordanzen untersucht. Durch die Auswahl des relevantesten Objektes wird als n{"a}chstes in einer simulierten Testumgebung eine Handlung initialisiert und durchgef{"u}hrt. } }