Opis projektu
Bardziej ludzkie technologie cyfrowe
Ważne jest, aby postęp technologiczny wspomagał działania człowieka w dziedzinie opieki zdrowotnej, mobilności i systemów infrastruktury. Na przykład, aby uczynić opiekę zdrowotną bardziej przyjazną człowiekowi, potrzebne są interfejsy cyfrowe pozwalające zwiększyć możliwości interakcji człowieka z systemem. Jest to cel systemów zorientowanych na człowieka, w których człowiek jest zarówno elementem systemu sterowania, jak i kryterium projektowym. W ramach finansowanego przez UE projektu CO-MAN opracowane zostaną ramy dla kontroli dostosowanej do użytkownika i opartej na danych, uwzględniającej gwarancje wydajności. Największym wyzwaniem będzie połączenie probabilistycznych nieparametrycznych technik modelowania zaczerpniętych z teorii uczenia statystycznego z nowymi metodologiami kontroli ze świadomością ryzyka przy jednoczesnym uwzględnieniu aktywnego modelowania użytkownika. Prace te powinny przyczynić się do rozwoju niezawodnych systemów uczenia maszynowego i uzyskania nowych rezultatów przesuwających granice teoretyczne zachowań dotyczących uczenia.
Cel
Many control systems of the future involve a tight interaction or even symbiosis with the human user. High-impact application domains of human-centric systems include healthcare, mobility, and infrastructure systems. In human-centric systems the human is both, an element of the control system, and a design criterion with individual requirements that need to be satisfied. Safety - despite the high uncertainty of human behavior - and maximization of individual user experience are the primary objectives for control design in human-centric systems. The visionary goal of CO-MAN is to contribute to the fundamental understanding and principled approach to the control of smart human-centric systems. We will develop a novel framework for user-adaptive data-driven control with performance guarantees in order to address the scientific challenges of high uncertainty and individual user requirements. The grand challenge is to unify the two previously separate paradigms of model-based control with its rigorous guarantees but limited modeling base and machine learning algorithms with its flexible modeling concepts but lack of guarantees. The breakthrough enabling idea is to merge probabilistic non-parametric modeling techniques from statistical learning theory with novel risk-aware control methodologies while including active user modeling. The game changer is the current push towards reliable machine learning with novel results on theoretical bounds for learning behavior. Because of favorable properties we will focus on Gaussian Processes to model user behavior and preferences and translate the naturally quantified model uncertainty into closed loop behavior guarantees through a confidence-driven human-interactive control approach. The PI is in a perfect position to achieve the envisioned goal of super-individualized data-driven control with performance guarantees given the highly visible preliminary results and leadership in the area of human-cyber-physical systems.
Dziedzina nauki
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectronic engineeringcontrol systems
- natural sciencesbiological sciencesbiological behavioural sciencesethologybiological interactions
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Program(-y)
Temat(-y)
System finansowania
ERC-COG - Consolidator GrantInstytucja przyjmująca
80333 Muenchen
Niemcy