Projekte

ELSA - Effective Learning of Social Affordances for human-robot interaction

Affordanzen sind Handlungsmöglichkeiten, die einem Akteur von seiner Umgebung unmittelbar erkennbar angeboten werden. Dieses Konzept stößt in der Robotik auf zunehmendes Interesse, wo es Objekte und Umgebung umfassend hinsichtlich ihrer Interaktionsmöglichkeiten beschreibt, weit über ihre physikalischen Eigenschaften hinaus. In diesem Projekt erweitern wir diesen Begriff auf soziale Affordanzen. Das Ziel ist, dass autonome Roboter nicht nur über den physikalischen Effekt ihrer Interaktionen mit Menschen lernen, sondern auch die Reaktionen der Menschen (Emotion, Sprache, Bewegung). Wenn er beispielsweise Finger und Blick auf dasselbe Ziel richtet, wird sich der Mensch ebenfalls diesem zuwenden. Richtet er allerdings seinen Blick auf den zeigenden Finger, wird der Mensch ebenfalls den Finger anschauen. Wenn sich der Roboter das Kinn kratzt, wird das andererseits manche Menschen zum Schmunzeln bringen, aber andere nicht.  Das Projekt geht der Frage nach, wie das Lernen allgemein gültiger und personenspezifischer sozialer Affordanzen das Handlungsrepertoire von Robotern erweitern kann, insbesondere in der Präsenz von und im direkten Umgang mit Menschen. Es wird in Kooperation mit ISIR von der Universität Sorbonne sowie LAAS-CNRS (Frankreich) durchgeführt.

Projektleitung: Justus Piater, Matthias Schurz, Erwan Renaudo
Geldgeber: Wissenschaftsfonds (FWF) und Französische Forschungsagentur (ANR)
Laufzeit: 2022-2026
Weblink

ArtiPro – Künstliche Intelligenz für personalisierte Medizin bei Depressionen 

Das Ziel dieses Projekts ist die Etablierung einer Plattform für künstliche Intelligenz, die Daten aus der klinischen Forschung zu Biomarker-Signaturen und Therapieergebnissen aus hochwertigen multidisziplinären Quellen erfasst, integriert, analysiert und harmonisiert, um robuste multimodale Biomarker und Ergebnisse für affektive Störungen zu identifizieren. Die Plattform soll sich auf den Bereich der antidepressiven Behandlung bei affektiven Erkrankungen und die Definition von Biomarkern in der funktionellen Bildgebung in Kombination mit molekularen Daten (Transkriptomik und Genetik) konzentrieren.

Projektleitung: Roberto Viviani, Clara Rauchegger
Geldgeber: ERA PerMed (ERA-Net Personalisierte Medizin), Europäische Kommission und FWF
Laufzeit: 2022-2025
Weblink