Brain-like location awareness and navigation for psychoanalytically inspired autonomous agents

Abstract

The science of artificial intelligence has made considerable progress in recent decades. Considerable weaknesses, however, are still evident where complex processes need to be carried out. The project Simulation of Mental Apparatus and Applications (SiMA) at the Institute of Computer Technology (ICT) addresses precisely this issue. In a top-down approach, in the sense of system modeling of technology, a holistic model of the human brain is developed. Starting from a psychoanalytical concept, an agent is developed using a layered model that is supposed to function like a human being. In this way, the model of the brain is successfully simulated for the first time, even in higher functions. A simulation in a multi-agent framework is used for verification. Although many use cases are already working successfully there, functions that depend on localization have not yet been possible. An autonomous agent needs to know where it is at the moment, which objects are located in the immediate vicinity, and where it can find already known objects. In this thesis, it is shown how location awareness and navigation is possible in the SiMA project, using only methods based on the human model. It should be noted that this is not a new development of a GPS navigation system. It is clear from the outset that it is not about performance or quality of the solutions found, but about understanding, in the sense of basic research, how humans get from A to B.Navigation and self-localization are also possible without using classical numerical or trigonometric methods. The persistence and retrieval of location-relevant information are also possible in the form of existing neuropsychoanalytically inspired data structures.Landmarks, locations, and regions are used for this purpose. Actions take the agent from one location to another. Locations are hierarchically grouped into regions. The supra-local route planning is based on a hierarchical, situation-dependent evaluation model for route sections, following the human example. The algorithms used are initially not optimized for performance. So far, the focus has been on demonstrating feasibility. Also, the recognition of landmarks is not considered more closely. Within the project Simulation of Mental Apparatus and Applications (SiMA), objects are already, possibly with errors, but in any case clearly recognized before localization deals with them. Based on the data model shown, neuropsychoanalytically inspired self-localization and navigation is successfully implemented.

Die Wissenschaft der Künstlichen Intelligenz hat in den letzten Jahrzehnten beachtliche Fortschritte gemacht. Erheblich Schwächen jedoch zeigen sich noch dort, wo es darum geht komplexe Prozess auszuführen. Das Projekt Simulation of Mental Apparatus and Applications (SiMA) am Institute of Computer Technology (ICT) setzt genau dort an. In einem Top-Down-Ansatz, im Sinne der Systemmodellierung der Technik, wird hier ein ganzheitliches Modell des menschlichen Gehirns entwickelt. Ausgehend von einem psychoanalytischen Konzept wird unter Verwendung eines Schichtenmodells ein Agent entwickelt, der wie ein Mensch funktionieren soll. Auf diesem Wege wird erstmals erfolgreich das Modell des Gehirns auch in höheren Funktionen simuliert. Zur Verifikation wird eine Simulation in einem Multiagentenframework verwendet. Wenngleich dort viele Anwendungsfälle schon erfolgreich funktionieren, waren Funktionen, die auf Lokalisierung angewiesen sind, bisher noch nicht möglich. Ein autonomer Agent muss wissen, wo er sich gerade befindet, welche Objekte sich in der näheren Umgebung befinden und wo er bereits bekannte Objekte wiederfindet. In dieser Arbeit wird gezeigt, wie Location-Awareness und Navigation im Projekt SiMA möglich ist, lediglich unter Verwendung von Methoden, die auf das menschliche Vorbild zurückzuführen sind. Es sei angemerkt, dass es hierbei nicht um eine neue Entwicklung eines GPS-Navigationssytems geht. Von vornherein ist klar, dass es nicht um Performance oder Qualität der gefundenen Lösungen geht, sondern darum, im Sinn von Grundlagenforschung zu verstehen, wie der Mensch von A nach B kommt. Navigation und Selbstlokalisierung ist auch ohne Verwendung klassischer numerischer oder trigonometrischer Methoden möglich. Auch die Persistierung und Wiederauffindung von lokationsrelevanten Informationen ist in Form der existierenden neuropsychoanalytisch inspirierte Datenstrukturen möglich. Es werden dafür Landmarks, Locations und Regions verwendet. Aktionen bringen den Agenten von einer Location zu einer anderen. Locations sind hierarchisch in Regions gruppiert. Die überörtliche Routenplanung basiert nach menschlichem Vorbild auf einem hierarchischen, situationsabhängigen Bewertungsmodell für Streckenabschnitte. Die verwendeten Algorithmen sind vorerst nicht auf Performance optimiert. Es geht bis jetzt um die Darstellung der Machbarkeit. Auch wird die Erkennung von Landmarks nicht näher betrachtet. Innerhalb des Projekts Simulation of Mental Apparatus and Applications (SiMA) werden Objekte bereits, möglicherweise fehlerbehaftet, aber jedenfalls eindeutig erkannt, bevor sich die Lokalisierung damit beschäftigt. Auf Basis es gezeigten Datenmodells wird neuropsychoanalytisch inspirierte Selbstlokalisierung und Navigation erfolgreich umgesetzt.