Robotics and Biology Laboratory

Vito Mengers

Sekretariat MAR 5-1
Raum MAR 5.065
SprechstundenNur nach Vereinbarung

Forschungsinteressen

Ich habe zwar die meiste Erfahrung in der Robotik, interessiere mich aber auch für das breitere Feld der Intelligenzforschung. Die zentrale Frage meiner Forschung ist, wie die Mechanismen funktionieren, die es Menschen und Tieren ermöglichen, sich so robust, anpassungsfähig und zielgerichtet - man könnte auch sagen intelligent - zu verhalten. Zur Beantwortung dieser Frage müssen viele Forschungsbereiche beitragen, und deshalb arbeite ich gerne so interdisziplinär wie möglich. Der zentrale Teil meines Beitrags liegt jedoch in der Implementierung verschiedener Modelle der Mechanismen intelligenten Verhaltens in synthetischen Agenten, in der Regel Robotern, die in der realen Welt agieren. Anhand dieser synthetischen Agenten können wir schnell sehen, wie sich Änderungen im Modell auf das Verhalten auswirken, ein Weg zu Erkenntnissen, der bei der Arbeit mit biologischen Subjekten normalerweise nicht möglich ist.

Derzeit untersuche ich ein Berechnungsprinzip aus der Robotik, das als Kandidat für ein allgemeineres Prinzip der Intelligenz in Frage kommt. Dieses Prinzip stellt eine direkte Verbindung zwischen Wahrnehmung und Handlung her: Wir verwenden mehrere miteinander verbundene rekursive Schätzer, um relevante Informationen aus sensorischen Eingaben zu extrahieren, und generieren Aktionen direkt aus diesen Schätzern, indem wir ihre differenzierbare Implementierung nutzen. Um es als allgemeineres Prinzip zu validieren, wenden wir es auf ein breites Spektrum der Intelligenzforschung in Zusammenarbeit mit verschiedenen Forschungsprojekten innerhalb des Exzellenzclusters Science of Intelligence an.

Kurzlebenslauf

  • Seit 2021
    • Doktorand am Robotics and Biology Laboratory (Oliver Brock), TU Berlin
  • Seit 2021
  • 2018 2021
    • M.Sc. Computer Engineering, TU Berlin
  • 2015 2019
    • B.Sc. Computer Engineering, TU Berlin

Projekt

© RBO

Differenzierbare zusammenhängende rekursive Schätzung als ein Prinzip der Intelligenz

Wir schlagen ein Berechnungsprinzip vor, um sensorische Eingaben auf geeignete Handlungen abzubilden, das aus drei Bausteinen besteht: rekursive Schätzer, Verknüpfungen und differenzierbare Programmierung. Dieses integrierte System kann aufgabenrelevante Informationen aus dem sensorischen Input extrahieren und geeignete Handlungen generieren, um komplexe Ziele zu erreichen. Wir versuchen, es als Modell für verschiedene intelligente Verhaltensweisen zu untersuchen und schlagen es damit als allgemeineres Prinzip der Intelligenz vor.

Betreute Abschlussarbeiten

© RBO

Estimating Robust Affordances from Vision by Combining Multiple Models

Patrick Lowin

Efficient interactions with the environment require knowing its affordances. In manipulation tasks, an affordance describes parts of the environment that are graspable and movable. However, estimating such affordances from RGBD data without interaction is inherently ambiguous. These ambiguities manifest in different affordance estimates depending on leveraged cues, e.g, appearance or geometry. Thus, different models provide only uncertain measurements, which we can fuse to obtain robust estimates. To do so, we recursively estimate beliefs over affordances for multiple existing affordance predictors separately and fuse their beliefs.

Publikationen

2023

Mengers, Vito; Battaje, Aravind; Baum, Manuel; Brock, Oliver
Combining Motion and Appearance for Robust Probabilistic Object Segmentation in Real Time
2023 IEEE International Conference on Robotics and Automation (ICRA), Seite 683--689
IEEE
2023