A bionic model for human-like machine perception

Abstract

"Machine Perception" ist ein junges Forschungsgebiet, das mit vielen ungelösten Problemen konfrontiert ist. In Gegensatz zu Maschinen können Menschen ihre Umgebung im Allgemeinen mühelos wahrnehmen. Diese beiden Tatsachen waren ausschlaggebend, um im Rahmen der vorliegenden Arbeit ein bionisches Modell für menschenähnliche Wahrnehmung zu entwickeln. Dieses Modell beruht auf neurowissenschaftlichen und neuropsychologischen Forschungserkenntnissen über die strukturelle Organisation und Funktion des menschlichen Wahrnehmungssystems. Ein technisches System mit menschenähnlichem Wahrnehmungsvermögen würde es erlauben, eine Vielzahl von Prozessen zu automatisieren, für die bis jetzt immer noch menschliche Beobachter und deren kognitive Fähigkeiten notwendig sind. Potentielle Anwendungsbereiche sind die Sicherheitsüberwachung von öffentlichen und privaten Gebäuden und die Beobachtung des Gesundheitszustands von Personen in Krankenhäusern oder Altenwohnheimen. Abgesehen davon würden autonome Robotersysteme und interaktive Umgebungen von effektiveren Mechanismen zur Wahrnehmung ihres Umfeldes profitieren.<br />Das entwickelte Modell ist im Bereich der Gebäudeautomatisierung für autonome Überwachungssysteme vorgesehen, um Objekte, Ereignisse, Szenarien und Situationen in Gebäuden zu beobachten. Zu diesem Zweck müssen Gebäude mit einer Vielzahl verschiedener Sensoren ausgestattet werden. Die Herausforderung besteht darin, Information von diesen Quellen zu kombinieren und zu interpretieren. Dafür wird ein Informationsverarbeitungsprinzip genannt neuro-symbolische Informationsverarbeitung eingeführt. Dieses verwendet Neuro-Symbole als elementare Informationsverarbeitungseinheiten. Die Verwendung von Neuro-Symbolen ist von der Tatsache inspiriert, dass Menschen in Form von Symbolen denken, welche jedoch aus einer neuronalen Informationsverarbeitung resultieren. Um Sensordaten zu verarbeiten, werden Neuro-Symbole zu einem so genannten Neuro-Symbolischen Netzwerk verbunden, welches eine modulare und hierarchische Struktur aufweist, die vom Aufbau des menschlichen Wahrnehmungssystems abgeleitet ist.<br />Verbindungen und Zusammenhänge zwischen Neuro-Symbolen können aus Beispielen in einer Reihe von Lernphasen ermittelt werden. Neben der Sensordatenverarbeitung beeinflussen die Mechanismen Memory, Knowledge und Focus of Attention die Wahrnehmung, um zweideutige Sensorinformation behandeln und Rechnerkapazitäten auf relevante Merkmale konzentrieren zu können.<br />Das vorgestellte Modell wurde mit AnyLogic implementiert und erwies sich als erfolgreich bei der Erkennung aller spezifizierten Testfälle. Des Weiteren erlaubten die während der Entwicklung gewonnenen Erkenntnisse bestimmte Rückschlüsse über die Inkonsistenz oder Unvollständigkeit neurowissenschaftlicher und neuropsychologischer Modellvorstellungen.<br />Diese beziehen sich unter anderem auf das sogenannte Binding Problem, auf die Verarbeitung und Speicherung von Wahrnehmungsbildern im Allgemeinen und Ortsinformation im Speziellen, sowie auf Stabilitätsbetrachtungen.<br />

Machine perception is a research field that is still in its infancy and is confronted with many unsolved problems. In contrast, humans generally perceive their environment without problems. For the work at hand, these facts were the motivation to develop a bionic model for human-like machine perception, which is based on neuroscientific and neuropsychological research findings about the structural organization and function of the perceptual system of the human brain. Having systems available that are capable of a human-like perception of their environment would allow the automation of processes for which, today, human observers and their cognitive abilities are necessary. Potential applications are, among others, security and safety surveillance of public and private buildings and the automatic observation of the state of health of persons in retirement homes and hospitals. Furthermore, autonomous robots and interactive environments would take advantage of more effective mechanisms to perceive their surrounding.<br />The introduced model is designated for applications in the field of building automation for autonomous monitoring and surveillance systems to observe objects, events, scenarios, and situations in buildings.<br />Therefore, buildings have to be equipped with a huge number of diverse sensors. The challenge is to merge and interpret the information coming from these different sources.<br />For this purpose, an information processing principle called neuro-symbolic information processing is introduced using neuro-symbols as basic information processing units. The inspiration for the utilization of neuro-symbols comes from the fact that humans think in terms of symbols, which emerge from information processed by neurons.<br />Neuro-symbols are connected in a modular hierarchical fashion to a so-called neuro-symbolic network to process sensor data. The architecture of the neuro-symbolic network is derived from the structural organization of the perceptual system of the human brain.<br />Connections and correlations between neuro-symbols can be acquired from examples in different learning phases. Besides sensor data processing, memory, knowledge, and focus of attention influence perception to resolve ambiguous sensory information and to devote processing power to relevant features. The introduced model was implemented with AnyLogic. The model proved to be successful in perceiving all test cases specified in the simulation environment. Furthermore, the insights gained during development allowed it to draw certain conclusions about the inconsistency or incompleteness of neuroscientific and neuropsychological theories including issues like the binding problem, the processing and storage of perceptual information, the computation of location information, and stability considerations.<br />