Informationsfusion zur Umgebungsexploration

Die Wahrnehmung und aufgabengerechte Interpretation einer dynamischen Umwelt stellen Schlüsselkomponenten künftiger intelligenter Systeme dar. Die Beherrschung dieser Fähigkeiten erfordert Methoden, die in der Lage sind, aus Messsignalen relevante Informationen zu extrahieren und diese adäquat miteinander zu verknüpfen, um daraus ein semantisch angereichertes Modell der interessierenden Szene zu konstruieren. Der Beitrag widmet sich zwei wichtigen Teilaspekten dieser Aufgabenstellung. Einerseits wird eine Methodik vorgestellt, um aus den verfügbaren Eingangsdaten eine optimale Auswahl zu treffen. Andererseits wird ein objektorientiertes Umweltmodell vorgeschlagen, welches eine laufende Fusion vorhandenen Wissens mit neuen Sensorinformationen gestattet und dies mit einem Gedächtnismodell verknüpft. Sämtliche Verfahren basieren auf der Bayes'schen Statistik in einer objektiven "Degree of Belief"-Interpretation. Die Einsatzgebiete der Ans atze werden am Beispiel humanoider Roboter und autonomer Fahrzeuge demonstriert.