Medizinische Assistenzsysteme
Flobi-Simulation
Der virtuelle Agent Flobi ist eine Abbildung des humanoiden Roboter-Kopfes Flobi. Diese Simulationsplattform ermöglicht es uns, verschiedene Szenarien der Mensch-Roboter-Interaktion durchzuführen. Die Simulation wurde mit der Unity3D-Game Engine [1] in Verbindung mit dem Unity-Robotics-Hub [2] entwickelt. Durch die Verwendung von ROS als Schnittstelle für die Robotersimulation können Funktionen entwickelt werden, die sowohl für simulierte als auch echte Roboter verwendet werden können, was die Wiederverwendbarkeit fördert. Unsere laufenden Bemühungen konzentrieren sich darauf, die Verarbeitung von sensorischen Eingaben und adaptive Reaktionen für Flobi zu verbessern, um einen nahtlosen und natürlichen Dialog zwischen Menschen und dem Agenten zu ermöglichen.
Projekte
- LSP "The Cognitive Service Robotics Apartment as Ambient Host" (CSRA)
© Universität Bielefeld Mit dem CSRA hat man eine komplexe unterstützende Umgebung entwickelt, indem eine intelligente Wohnung mit einem kognitiven sozialen Roboter kombiniert wurde, dessen fortschrittliche Manipulationsfähigkeiten es ihm ermöglichen, zwischen verschiedenen sozialen Situationen zu unterscheiden, die ein unterschiedliches soziales Verhalten erfordern. Dies ermöglicht einen hilfreichen und unaufdringlichen 24/7-Betrieb. Darüber hinaus wird dieser Ansatz eine neue Ebene interaktiver Fähigkeiten eröffnen, die neue Forschungsfragen zu den sozialen und technischen Aspekten langfristiger Mensch-Technik-Interaktionen aufwirft.
- TRR 318 - Erklärbarkeit konstruieren (SFB)
© Universität Bielefeld Der von der DFG zum 01. Juli 2021 an den Universitäten Bielefeld und Paderborn neu eingerichtete Sonderforschungsbereich/Transregio „Constructing Explainability“ (TRR 318) beschäftigt sich mit der Fragestellung, wie Transparenz von algorithmischen Entscheidungen, insbesondere durch Black-Box Verfahren der modernen Künstlichen Intelligenz, hergestellt werden kann. Die zentrale Hypothese des TRR 318 ist, dass Erklärungen am effektivsten sind, wenn sie von Erklärer*in und Erklärungsempfänger*in gemeinsam ko-konstruiert werden.
- The Attention-Hesitation Model (AHM)
© Universität Bielefeld Die Dissertation von Birte Richter "The Attention-Hesitation Model. A Non-Intrusive Intervention Strategy for Incremental Smart Home Dialogue Management" befasst sich mit sogenannten Smart Personal Assistants (SPAs), welche Einzug halten in den Haushalt und uns bei unseren täglichen Aktivitäten unterstützen. Derzeit reagieren diese Agenten nicht auf die Aufmerksamkeit des Smart-Home-Nutzers. Aus der Forschung zur Mensch-Mensch-Interaktion (HHI) wissen wir jedoch, dass Menschen ihre Sprache koordinieren und ihr Verhalten kontinuierlich an die Aktionen und Reaktionen ihres Interaktionspartners anpassen. Die zentrale Frage, die Birte Richter in ihrer Dissertation stellt, ist daher, wie die menschliche Aufmerksamkeit in das Dialogmanagement einbezogen werden kann, um die Mensch-Agent-Interaktion (HAI) in Smart Homes zu verbessern.
- ADHS Aufmerksamkeitstraining mit dem virtuellen Agenten Flobi (RoboCamp)
© Universität Bielefeld Das ADHS Aufmerksamkeitstraining mit dem virtuellen Agenten Flobi (RoboCamp) ist zugeschnitten auf Patient*innen mit ADHS. Diese haben ein Defizit durch verzögerte Belohnungsverarbeitung, um positive oder negative Konsequenzen zu lernen (Verzögerungsaversion aufgrund der verzögerten Belohnung). Daher brauchen sie eine zeitnahe sofortige Belohnung oder negative Konsequenz. In der Mensch-Mensch-Interaktion konnte gezeigt werden,dass ein intensives, effektives verhaltenstherapeutisches Trainingsprogramm für Kinder und Jugendliche mit ADHS (das Summer-Camp) nachhaltig wirksam ist. Das Hauptmerkmal des Trainings ist eine intensive Response-Cost-Intervention (RCI).
- A03 - Ko-Konstruktion von Erklärungen mit emotionaler Ausrichtung zwischen KI-Erklärer*in und menschlichen Erklärungsempfänger*innen
© Universität Bielefeld Im Projekt A03 beziehen die Forschenden den Aspekt der Emotion in den Erklärprozess ein: Wie beeinflussen Emotionen die Wahrnehmung einer KI-Erklärung? Welche Entscheidungen treffen Menschen mithilfe künstlicher Intelligenz in Risikosituationen? Wie können Erklärungen an den emotionalen Zustand des Menschen angepasst werden? Die Informatiker*innen und Wirtschaftswissenschaftler*innen untersuchen, wie sich Gefühle wie Freude und Furcht auf Verständnisprozesse und Entscheidungen auswirken. Ihr Ziel: ein Modell für eine intelligente Maschine zu entwickeln, die Emotionen erkennt und diese in Erklärprozessen berücksichtigt.
- A05 - Kontextualisierte und Online-Parametrisierung der Aufmerksamkeit im Mensch-Roboter-Erklärungsdialog
© Universität Bielefeld Das Projekt A05 beschäftigt sich mit Mensch-Roboter-Interaktion und analysiert, wie die Aufmerksamkeit im Erklärprozess gelenkt werden kann. Ziel der experimentellen Untersuchungen ist es zu verstehen, ob bestimmte Arten der Aufmerksamkeitslenkung auf der Mikro- und Aufgabenebene der Interaktion zu unterschiedlichen Ausprägungen der Aufmerksamkeitsparametern beim Menschen führen. Diese können dann in das Verhalten eines Roboters im Sinne von Scaffolding und Monitoring implementiert werden. Die Untersuchungen auf der Aufgabenebene befassen sich mit dem Verlauf der Interaktion, die Voraussetzung für das Entstehen einer sozialen Praktik ist.
- Joint attention training
