Kuvaus
Ihmiset suoriutuvat tehokkaasti useissa monimutkaisissa dynaamisissa tehtävissä. Näennäisesti yksinkertaiset toiminnot, kuten kahvikuppiin tarttuminen, väkijoukossa käveleminen ja autolla ajaminen, perustuvat todellisuudessa hyvin kehittyneeseen tiedonkäsittelyyn, josta emme ole yleensä tietoisia. Tämä paljastuu selvästi tekoälyjärjestelmien ja robottien kehityksessä, joita paremmin ihmiset suoriutuvat tällaisissa sensomotorisissa tehtävissä. Tämä viittaa siihen, että evoluutiossa ja yksilönkehityksessä kehittyneet havainnoinnin ja toimintojen organisointitavat voivat olla arvokkaita tulevaisuuden tekoälyn kehittämisessä.
Kehitämme hankkeessa yhtenäisen laskennallisen mallin visuaalisten kohteiden kanssa vuorovaikuttamisesta. Tätä ymmärrystä voidaan hyödyntää mm. inhimillisempien robottien ja älyautojen sekä ilmailu- ja ajokoulutuksen kehittämisessä. Perustutkimuksellinen kysymys on, miten aivomme selviävät monimutkaisista dynaamisista tilanteista tehokkaasti ja vaivattomasti.
Kehitämme hankkeessa yhtenäisen laskennallisen mallin visuaalisten kohteiden kanssa vuorovaikuttamisesta. Tätä ymmärrystä voidaan hyödyntää mm. inhimillisempien robottien ja älyautojen sekä ilmailu- ja ajokoulutuksen kehittämisessä. Perustutkimuksellinen kysymys on, miten aivomme selviävät monimutkaisista dynaamisista tilanteista tehokkaasti ja vaivattomasti.
Kuvaus yleisölle
Humans are very efficient in many complex dynamic tasks. Apparently easy and simple activities like picking a cup, walking in a crowd or driving are in fact underpinned by sophisticated information processing, of which we are not usually aware. This it is starkly revealed in artificial intelligence and robotics, and humans still vastly outperform computers on such sensorimotor tasks. This suggests techniques for organizing perception and action discovered by the human brain during development and evolution that could be highly valuable to the development of future AI.
We develop a unified computational model of visual target interception and avoidance - a core human sensorimotor capacity. More life-like robotics, autonomous vehicles, aerospace pilot and driver training, and sports psychology are applications of such knowledge. The fundamental interest lies in the revealing the ways our brain allows us to interact with complex dynamic situations so efficiently and effortlessly.
We develop a unified computational model of visual target interception and avoidance - a core human sensorimotor capacity. More life-like robotics, autonomous vehicles, aerospace pilot and driver training, and sports psychology are applications of such knowledge. The fundamental interest lies in the revealing the ways our brain allows us to interact with complex dynamic situations so efficiently and effortlessly.
| Akronyymi | UPP-PERFORMANCE |
|---|---|
| Tila | Käynnissä |
| Todellinen alku/loppupvm | 01/09/2019 → 31/08/2023 |
Tieteenalat
- 6162 Kognitiotiede
- Ennustelaskenta
- Bayesilainen estimointi
- Silmänliiketutkimus
- Virtuaalitodellisuus
- Dynaamiset tehtävät
- Havaitseminen
- Toiminta
- Kognitio