English version of this page

Forutseende og intuitiv robotmedhjelper (PIRC)

Prosjektet kombinerer innsikt fra kognitiv psykologi med kunstig intelligens. Målet er å bygge modeller som spår fremtidige hendelser og reagerer dynamisk.

Bildet kan inneholde: datamaskin, dingser, personlig datamaskin, gest, moro.

Om prosjektet

Mennesker forutser mange fremtidige hendelser mer effektivt enn datamaskiner. Vi kombinerer inntrykk fra flere sanser med innlært kunnskap, for å forutsi utfall og velge de beste handlingene. Kan vi overføre disse ferdighetene til intelligente systemer i menneske-interaktive scenarier?

Prosjektet «Forutseende og intuitiv robotmedhjelper» (PIRC) er bygget på et gjennombrudd i databehandling som kombinerer innsikt fra kognitiv psykologi med kunstig intelligens. Prosjektet vil bygge datamodeller som spår fremtidige hendelser og reagerer dynamisk på omgivelsene. Disse systemene vil være bevisste og oppmerksomme på hvordan de skal best handle, gitt kunnskapen deres om seg selv, og deres oppfatning av omgivelsene.

Kunstig intelligens møter kognitiv nevropsykologi

I PIRC vil vi bruke vår kompetanse innen maskinlæring og robotikk, og samarbeide med forskere innen kognitiv nevropsykologi. Målet er å bruke nye modeller av menneskelig prediksjon og intuitive handling til henholdsvis oppfattelse av omstendighetene og handling for fremtidige intelligente robotassistenter. Arbeidet vårt vil gjøre det mulig for roboter å tilpasse seg og handle mer sømløst med omgivelsene sine enn det som er mulig med dagens teknologi. Vi vil utstyre robotene med disse nye ferdighetene, og i tillegg gi dem kunnskapen om at brukere de samhandler med, anvender de samme mekanismene.

Studier av menneskelig oppfatning og beslutningstaking er av spesiell relevans for å modellere atferd og forutse fremtidige hendelser og handlinger. Dette vil omfatte mekanismer for adaptiv responstid fra raskt og intuitivt til tregere og godt begrunnet. Modellene vil bli brukt i to robotikkapplikasjoner med potensial for meget stor samfunnsnytte: fysisk rehabilitering og robotstøtte for eldre mennesker som bor hjemme.

Publikasjoner

  • van Otterdijk, Marieke; Neggers, Margot; Tørresen, Jim & Barakova, Emilia Ivanova (2021). Preferences of Seniors for Robots Delivering a Message With Congruent Approaching Behavior, Proceedings of the 2021 IEEE International Conference on Advanced Robotics and Its Social Impacts (ARSO) Virtual Conference, July 8-10, 2021. IEEE Robotics and Automation Society. ISSN 978-1-6654-4952-6. doi: 10.1109/ARSO51874.2021.9542833.
  • Gorton, Patrick & Ellefsen, Kai Olav (2021). Evaluating Predictive Deep Learning Models. I Yildirim Yayilgan, Sule; Bajwa, Imran Sarwar & Sanfilippo, Filippo (Red.), Proceeding of the 3rd International Conference on Intelligent Technologies and Applications (INTAP). Springer. ISSN 978-3-030-71711-7. s. 139–150. doi: doi.org/10.1007/978-3-030-71711-7_12. Fulltekst i vitenarkiv
  • Baselizadeh, Adel; Saplacan, Diana & Tørresen, Jim (2021). Adaptive Real-time Learning-based Neuro-Fuzzy Control of Robot Manipulators. I Plapper, Peter (Red.), 9th International Conference on Control, Mechatronics and Automation (ICCMA2021). IEEE conference proceedings. ISSN 978-1-6654-10731. s. 20–26. doi: 10.1109/ICCMA54375.2021.9646224.
  • Noori, Farzan Majeed; Uddin, Md Zia & Tørresen, Jim (2021). Ultra-Wideband Radar-Based Activity Recognition Using Deep Learning. IEEE Access. ISSN 2169-3536. 9, s. 138132–138143. doi: 10.1109/ACCESS.2021.3117667. Fulltekst i vitenarkiv

Se alle arbeider i Cristin

  • Saplacan, Diana (2022). Participatory Design and Human-Robot Interaction - An ethical and inclusive perspective on contemporary technologies.
  • Dahl, Heidi Elisabeth Iuell; Mehmandarov, Rustam Karim; Harkestad, Inge & Saplacan, Diana (2022). AI and Ethics workshop.
  • Saplacan, Diana (2022). AI & Ethics Workshop.
  • Saplacan, Diana; Tørresen, Jim; Mahler, Tobias & Fosch-Villaronga, Eduard (2021). Robots and Society: Ethical, Legal, and Technical Perspectives on Integrating Robots in the Home- and Healthcare Systems and Services (RO-SO).
  • Tørresen, Jim (2021). INTROMAT: INtroducing personalized TReatment Of Mental health problems using Adaptive Technology.
  • Tørresen, Jim (2021). Tutorial: Ethical Considerations in User Modeling and Personalization.
  • Tørresen, Jim (2021). Tutorial: Intelligent System Research – AI Ethical Challenges and Opportunities.
  • Tørresen, Jim (2021). Tutorial: Ethical Considerations in Robotics and Automation.
  • Tørresen, Jim (2021). Kunstig intelligens – allsidig i metoder og anvendelser.
  • Tørresen, Jim; Saplacan, Diana; Lintvedt, Mona Naomi; Mahler, Tobias & Fosch-Villaronga, Eduard (2021). Tutorial: Ethical and Legal Assessments Related to Robots and Systems .
  • Tørresen, Jim (2021). Tutorial: Explainability, Trust and Ethics for Robots and Autonomous Systems.
  • Saplacan, Diana (2021). Ethics and Technology.
  • Tørresen, Jim (2021). How to achieve ethical artificial intelligence (AI) research and development?
  • Tørresen, Jim (2021). Introducing a Multimodal Elderly Care Safety Alarm Robot.
  • Tørresen, Jim (2021). Tutorial: Ethical Considerations in the Development and Use of Neural Information Processing Systems.
  • Ellefsen, Kai Olav (2020). Hva kan intelligente maskiner lære av biologisk liv? Biolog. ISSN 0801-0722. s. 16–19.
  • Tørresen, Jim (2020). Ethical Consideration in Robotics and Intelligent Systems Research.
  • Tørresen, Jim (2020). Tutorial: Ethical Challenges and Opportunities within Computational Intelligence System Development.
  • Thoresen, Sindre & Ellefsen, Kai Olav (2021). Solving Long Term Planning Problems with Direct Future Prediction. Universitetet i Oslo.
  • Ellefsen, Kai Olav & Bjørsvik, Vegard (2021). Solving Sparse Reward Environments Using Go-Explore with Learned Cell Representation. Universitetet i Oslo.
  • Gorton, Patrick & Ellefsen, Kai Olav (2020). Backpropagating to the Future: Evaluating Predictive Deep Learning Models. Universitetet i Oslo.
  • Sørensen, Scott Andreas Fiskerstrand & Ellefsen, Kai Olav (2020). Comparing Model-Free and Model-Based Reinforcement Learning for Collision Avoidance. Universitetet i Oslo.

Se alle arbeider i Cristin

Emneord: robotics, artificial intelligence, robot assistance, rehabilitation
Publisert 26. mars 2021 13:19 - Sist endret 24. apr. 2021 07:36