Auflistung nach Autor:in "Steil, Jochen J."
1 - 2 von 2
Treffer pro Seite
Sortieroptionen
- KonferenzbeitragArchitekturen situierter Kommunikatoren: Von Perzeption über Kognition zum Lernen(INFORMATIK 2003 – Innovative Informatikanwendungen, Band 2, Beiträge der 33. Jahrestagung der Gesellschaft für Informatik e.V. (GI), 2003) Fink, Gernot A.; Fritsch, Jannik; Leßmann, Nadine; Ritter, Helge; Sagerer, Gerhard; Steil, Jochen J.; Wachsmuth, IpkeCharakteristisches Merkmal intelligenter Systeme ist das Ineinandergreifen zahlreicher Teilfunktionen. Während in der Vergangenheit in erster Linie die Realisierung eines geeigneten Umfangs von tragfähigen Teilfunktionalitäten angestrebt wurde, verschieben die Fortschritte auf diesem Feld die Herausforderung mehr und mehr zur Frage einer übergreifenden Architektur, die eine große Anzahl von Teilfunktionen integrieren und zu einem "intelligenten" Zusammenwirken bringen kann. Die Entwicklung integrierter Architekturkonzepte ist eines der wesentlichen Ziele des Bielefelder SFB 360. Dabei entstanden drei auf jeweils einen zentralen Aspekt fokussierte Teildemonstratoren, die wir in diesem Beitrag vorstellen werden. Diese Teilsysteme mit den Schwerpunkten Perzeption, Kognition bzw. Lernen sind wechselseitig koppelbar und arbeiten auf einer realitätsnahen Komplexitätsebene. Die entwickelten Konzepte können somit einen wesentlichen Beitrag zur Erforschung der Architektur künstlicher kognitiver Systeme leisten.
- ZeitschriftenartikelHow Rich Motor Skills Empower Robots at Last: Insights and Progress of the AMARSi Project(KI - Künstliche Intelligenz: Vol. 26, No. 4, 2012) Soltoggio, Andrea; Steil, Jochen J.Flexible, robust, precise, adaptive, compliant and safe: these are some of the qualities robots must have to interact safely and productively with humans. Yet robots are still nowadays perceived as too rigid, clumsy and not sufficiently adaptive to work efficiently in interaction with people. The AMARSi Project endeavors to design and implement rich motor skills, unique flexibility, compliance and state-of-the-art learning in robots. Inspired by human-recorded motion and learning behavior, similarly versatile and constantly adaptive movements and skills endow robots with singularly human-like motor dynamics and learning. The AMARSi challenge is to integrate novel biological notions, advanced learning algorithms and cutting-edge compliant mechanics in the design of fully-fledged humanoid and quadruped robots with an unprecedented aptitude for integrating in our environments.