KI Wissen - Entwicklung von Methoden für die Einbindung von Wissen in maschinelles Lernen

Abstract

Die Kombination von datengetriebenen Lernverfahren mit weiteren Wissensbestandteilen ist ein vielversprechender Ansatz, um Ziele wie Generalisierungsfähigkeit, Robustheit und Effizienz zu erreichen. In der 39-monatigen Projektlaufzeit von KI Wissen konnte die fortiss GmbH einen wichtigen Beitrag zu den Komponenten Wissensintegration, Wissensextraktion, und Wissenskonformität leisten. Die adressierten Anwendungsbereiche reichen von der Umfeldwahrnehmung bis hin zur Pfadplanung und -ausführung. Während die Objekterkennung neuartige Attention-Mechanismen zur Wissensintegration und -extraktion nutzt, konnten in der Pfadplanung explizite, logikbasierte Regeln, sowie geometrische Beziehungen aus Kartendaten in die Modellierung aufgenommen werden. Darüber hinaus wurden Heat-Map und Visual-Question- Answering Methoden zur Extraktion von neuem Wissen über Verhaltensweisen von autonomen Systemen erforscht. Unterstützt wurden die Partnerbeiträge des Konsortiums mit einer umfangreichen Sammlung und Übersicht relevanter Arbeiten in dem Bereich des wissensgestützten maschinellen Lernens.