Telematik
Refine
Document Type
- Master's Thesis (5) (remove)
Institute
Language
- German (5)
Has Fulltext
- yes (5)
Is part of the Bibliography
- no (5)
Keywords
- Künstliches Neuronales Netz (2)
- Audioverarbeitung (1)
- Automatische Spracherkennung (1)
- Künstliche Intelligenz (1)
- MOMBI (1)
- Mensch-Maschine-Kommunikation (1)
- Mikrofon-Array (1)
- NAO Pepper Robot (1)
- Rasa Core NLU (1)
- Robot Operating System (1)
Die vorliegende Masterarbeit gibt einen Einblick in die Konzeption und Entwicklung einer modularen Experimentierplattform für Audioverarbeitung und automatischer Spracherkennung. Darüber hinaus wurde ein Testaufbau- und Ablauf erarbeitet mit dessen Aufnahmen objektive Bewertungen durch die Ergebnisse der Spracherkennungssoftware bezüglich der Aufnahmegüte vollzogen werden konnten. Dies wurde mit verschiedenen Audioeingabegeräten und Spracherkennungsprogrammen durchgeführt. Auf dieser Daten- und Bewertungsgrundlage kam es zur Implementierung von Signalverarbeitungsverfahren zur Aufbereitung der Audiodaten, mit dem Ziel die Erkennungsrate der automatischen Spracherkennung dadurch zu steigern.
In dieser Masterarbeit soll eine Architektur für ein Künstliches Neuronales Netz erarbeitet werden, mit der mehrere Eingangskanäle eines humanoiden Roboters für eine Situationserkennung zusammengefasst werden können. Dazu werden zunächst die Grundbausteine für eine Situationserkennung am Beispiel des menschlichen Gehirns untersucht und die Erkenntnisse auf die Arbeitsweise Künstlicher Neuronales Netze übertragen.
Anschließend wird ein Konzept für eine Situationserkennung auf humanoiden Robotern erstellt. Dazu werden mögliche Situationen konstruiert und die Aufgabe der Situationserkennung so formuliert, dass sie mit einem Künstlichen Neuronalen Netz bearbeitet werden kann. Daraufhin werden mögliche Architekturen für dieses Netz verglichen und die am besten geeignetste ausgewählt.
Das erstellte Konzept soll im Rahmen dieser Arbeit auf dem Tisch-Roboter ROS-E umgesetzt werden. Dazu soll eine Trainings- und Testumgebung geplant und umgesetzt werden. Nachdem das entwickelte Künstliche Neuronale Netz trainiert und getestet wurde, wird ausgewertet, ob die ausgewählte Architektur für eine Situationserkennung auf humanoiden Robotern geeignet ist.
Diese Masterarbeit befasst sich mit der Recherche zum Thema Emotionserkennung, der Konzeption einer hybriden Emotionserkennung und der prototypischen Implementierung des Konzepts für den Tischroboter ROS-E.
Die Recherche zeigt, dass die Emotionserkennung auf Basis von verschiedenen Eingaben erfolgen kann. Es wurde sich auf die drei Eingabeströme Bild, Ton und Text konzentriert, da diese praktikabel für die Implementierung auf einen humanoiden Roboter sind. Zu jedem dieser Eingabeströme wurden Dienste, Open-Source-Software und Ansätze untersucht.
Aufgrund dieser Erkenntnisse wurde eine Anwendung entwickelt, welche ein hybride Emotionserkennung durch die Eingabe eines Textes und einer Bild-Datei durchführt. Hierzu wurden die Dienste zur Emotionserkennung von Microsoft Azure und IBM Watson genutzt. Die Anwendung wurde in Python implementiert.
Thematisiert wird der Weg, von einer theoretischen Betrachtung computerlinguistischer Grundlagen der Sprachverarbeitung, bis hin zu einer prototypischen Umsetzung einer Software zur natürlich sprachlichen Dialogkommunikation zwischen Mensch und Roboter.
Die Arbeit widmet sich dabei zunächst der Bereitstellung theoretischer Grundlagen (Definition, Geschichte, Funktionsweise, Herausforderungen, Aktuelle Lage) von Mensch-Maschine-Kommunikation unter Zuhilfenahme des Natural Language Processings. Darauf basierend werden Anforderungen aufgestellt, die eine softwaremäßige Implementierung eines solchen Systems beschreiben. Dies geschieht unter der Beachtung von Rahmenbedingungen durch den themenstellenden Betrieb dieser Arbeit und den Grenzen des Robotersystems.
Es folgt eine ausgiebige Evaluierung verschiedener NLP-Systeme anhand des Abgleichs von Anforderungen und zusätzlicher Kennziffer-Messungen (Precision, Recall, F1 Score). In diesem Zusammenhang entsteht auch ein Testprogramm, welches ein automatisiertes Evaluierungsverfahren bereitstellt. Die beiden besten NLP-Systeme werden anschließend in ihrer Verwendung detailliert beschrieben. Eine prototypische Implementierung stellt die Verwendung eines NLP-Systems, zur Kommunikation von Mensch und Roboter, in einem konkreten Anwendungsfall unter Beweis.
In dieser Arbeit wurde eine Anwendung entwickelt, die das Verbinden der beiden technischen Bereiche Smart Home und Servicerobotik mit Hilfe von künstlichen neuronalen Netzen (KNN) ermöglicht, um damit Verhaltensabläufe einer Person in ihren eigenen vier Wänden zu erlernen und dabei auf grobe Abweichungen hin zu überwachen. Zusätzlich wurde ein Lernbaukasten für Schülergruppen der Sekundarstufe 2 entwickelt, mit dem die Funktionsweise von KNN vermittelt wird.
Es wurden unterschiedliche Werkzeuge der Künstlichen Intelligenz untersucht sowie Projekte mit ähnlichen Zielen, um darauf aufbauend eine geeignete Anwendung zu entwickeln. Der entwickelte Lernbaukasten basiert auf der Lehrstrategie MOMBI (Model Of Model-Based Instruction).
In der Testphase konnte erfolgreich ein erstes Anwendungsszenario getestet werden, dass das Überwachen des Schlafrhythmus einer Person auf Unregelmäßigkeiten hin ermöglicht.
Ein erster Test hat gezeigt, dass neuronale Netze gut dafür geeignet sind, um Tätigkeiten mit einem regelmäßigen Verhalten zu überwachen. Im nächsten Schritt sollten die zu überwachenden Tätigkeitsvielfalt ausgebaut werden und auch die Verwendung von weiteren Werkzeugen der Künstlichen Intelligenz in Betracht gezogen werden.