Herausforderung

Die Methoden und Algorithmen der Künstlichen Intelligenz (KI) und des Maschinellen Lernens (ML) bieten heute vielfältige Möglichkeiten, automatisierte Fähigkeiten im Rechner abzubilden, wie sie noch vor kurzer Zeit unmöglich erschienen. Dazu zählen vor allem sogenannte kognitive Fähigkeiten, wie sie traditionell nur dem Menschen zugeschrieben werden. Im Hinblick auf die Entwicklung hochautomatisierter Flugsysteme, wie zum Beispiel intelligente Pilotenassistenzsysteme oder autonome UAV-Missionsmanagementsysteme ergeben sich hierdurch überaus interessante Perspektiven. Dem steht entgegen, dass erstens für Flugsysteme hohe Sicherheitsanforderungen bestehen, welche heute im Zusammenhang mit Methoden der KI und des ML nur schwer nachzuweisen sind, und zweitens diese Methoden für den Anwendungsentwickler nur schwer zu erschließen und damit in der Regel nicht effizient anwendbar sind.

Unser Ziel ist, dem Anwendungsentwickler für intelligente Flugsysteme Herangehensweisen zu empfehlen und Werkzeuge an die Hand zu geben, mit denen der Einsatz von KI und ML im Rahmen einer strukturierten Funktionsentwicklung effizient und zielorientiert möglich ist.

Lösungsansatz

In einem ersten Schritt müssen dazu diejenigen Methoden und Algorithmen der KI und des ML identifiziert werden, die zur Lösung bestimmter, typischer Problemklassen bei der Entwicklung von intelligenten Flugsystemen geeignet sind. In diesem Zusammenhang können beispielsweise regel- und inferenzbasierte Agentenansätze, wie Soar, zur Interpretation symbolisch repräsentierter Situationsbeschreibungen herangezogen werden. Logische Planungsprobleme können in PDDL formuliert werden und mit entsprechenden "Solvern" gelöst werden. Zur Lösung linearer Optimierungsaufgaben bietet sich IBM CPLEX an. Im Zusammenhang mit der Modellierung menschlicher Verhaltensweisen kommen häufig Methoden des Maschinellen Lernens und des probabalistischen Schließens zum Einsatz (z.B. Dempster-Shafer Theorie, Hidden-Markov Modelle).

In einem zweiten Schritt können solche Methoden und Algorithmen in sogenannten Kognitiven Architekturen zusammengefasst werden. Solchen Architekturen liegen zum Einen abstrakte Modellvorstellungen des menschlichen beziehungsweise eines rein rationalen Denkprozesses zugrunde. Ferner verfügen sie über eine kohärente Wissensrepräsentation und stellen die Methoden zur Verarbeitung des Wissens bereit. Schlussendlich bieten sie eine benutzerfreundliche Schnittstelle des Wissens durch den Nutzer. Die bekanntesten, frei verfügbaren Kognitiven Architekturen sind ACT-R und Soar.

Forschungsfragestellungen

Die Professur für Flugmechanik und Flugführung verwendet zunächst marktgängige Kognitive Architekturen sowie Methoden und Algorithmen der Künstlichen Intelligenz und des Maschinellen Lernens. Während diese Methoden meist von ihren Entwicklern nur in sehr gut strukturierten Anwendungsbeispielen nachgewiesen und optimiert werden, besteht unsere Herangehensweise darin, Empfehlungen für anwendungsspezifische Lösungen zu schaffen. Dazu wurden am Institut bereits zwei Kognitive Systemarchitekturen entwickelt und erfolgreich in Anwendungen hochautomatisierter Flugsysteme erprobt. 

  1. COSA (Cognitive System Architecture). Diese Architektur wurde von bis 2002 von Dr. Henrik Putzer im Wesentlichen auf der Basis von Soar entwickelt. Diese stellt allerdings darüber hinaus die Blaupause des "Kognitiven Prozesses" zur Verfügung, welcher zum Einen Namensräume für die strukturierte Entwicklung eines Wissensmodells zur Verfügung stellt und zum Anderen eine vereinfachte Ablaufsteuerung zur leichteren Testbarkeit der Anwendung bietet. COSA kam in den folgenden Dissertationen zur Anwendung:
    • Claudia Meitinger: "Kognitive Automation zur kooperativen UAV-Flugführung"
    • Michael Kriegel: "Wissensbasierte Konfiguration eines unbemannten Fluggeräts als Architekturansatz zur kognitiven Flugführung"
    • Johann Uhrmann: "Auftragsbasierte multi-UAV-Führung aus dem Helikoptercockpit durch kognitive Automation"
    • Andreas Rauschert: "Kognitives Assistenzsystem zur Führung unbemannter Luftfahrzeuge in bemannt-unbemannten Flugmissionen"
    • Stefan Gangl: "Kooperative Führung mehrerer unbemannter Luftfahrzeuge aus einem einsitzigen Kampfflugzeug"
  2. COSA2 (Cognitive System Architecture with Common Ontology and Specific Algorithms). Diese Weiterentwicklung von COSA wurde bis 2014 von Dr. Stefan Brüggenwirth auf Basis der Vorarbeiten von Dr. Alexander Matzner entwickelt. Diese Lösung zieht vor allem die Schwächen von COSA bei der dynamischen Planung in Rechnung und bezieht daher sowohl schnelle Inferenzalgorithmen als auch logische PDDL-Planer in die Architektur mit ein. Das Anwendungsproblem muss vom Systementwickler aber nur einmal mithilfe der grafischen Modellierungssprache CML ("Cognitive Modelling Language") formuliert werden. COSA2 kam in den folgenden Dissertationen zur Anwendung:
    • Marcus Wohler: "Kognitive Automation zur funktionalen Redundanz in sicherheitskritischen Flugführungssystemen"
    • Sebastian Clauß: "Agent Supervisory Control als Ansatz zur auftragsbasierten Delegation eines kognitiven Agenten an Bord von UAV"