Andreas Hirschberger: Kooperation von gemischten Mensch-Roboter Teams auf der Basis von aus Beispielszenarien erworbenen symbolischen Regelsystemen

In Multi-Agenten-Systemen spielt die Kommunikation eine entscheidende Rolle sowohl in Hinblick auf die Anwendbarkeit des Systems als auch auf seine Effizienz. Jedoch kann eben diese Kommunikation, insbesondere die für die Koordination der einzelnen Agenten erforderliche, die praktische Nutzbarkeit erheblich einschränken. Ziel dieses Projekts wird es sein die Zusammenarbeit der Agenten durch erlerntes Verhalten und Rollen zu erreichen.
Genau wie menschliche Teams auf kommunikationsarme Zusammenarbeit trainiert werden, sollen aus festen, durch Planung gelösten Szenarien Regeln und Rollen erlernt werden, die den Agenten die kooperative und koordinierte Bewältigung ähnlicher Problemstellungen ermöglichen. Dabei soll besonders auf die dynamische Bildung von Gruppen zur Lösung komplexerer, stark kooperativer Teilprobleme sowie auf Flexibilität bei unterschiedlichen Bedingungen geachtet werden. Die Steuerung der Agenten ist Verhaltensbasiert und wird mittels der Zuweisung von Zielen und Aufgaben an Rollen koordiniert.
Im Gegensatz zu vergleichbaren Ansätzen soll hier eine kommunikationsarme Zuweisung dieser Rollen durchgeführt werden. Hierzu werden sowohl Strategien zur Lösung der gestellten Aufgaben als auch Aufgabenverteilung und Rollenzuweisung anhand von Beispielen erlernt. Aus exemplarisch konstruierten Beispielszenarien, wie sie auch beim Training von menschlichen Teams verwendet werden, erlernen die Agenten situationsabhängige - und somit weitestgehend kommunikationslose - "Spielzüge" zur koordinierten und kooperativen Bearbeitung auch komplexerer Szenarien. Um heterogene Roboterteams, aber auch die Nutzung von "Mixed Teams" unter Einbeziehung menschlicher Gruppenmitglieder zu ermöglichen sollen symbolische Lernverfahren Verwendung finden, die eine verständliche und einfach kommunizierbare Darstellung der erlernten Verhaltensregeln ermöglicht.