Projects

Phase 2 Projects

Theoretical concepts for co-adaptive human machine interaction with application to BCI


Project leaders: Klaus-Robert Müller (Berlin), Carmen Vidaurre (Berlin), Motoaki Kawanabe (Berlin)

Researchers: Mikio Braun, Jan-Saputra Müller

Administration: Andrea Gerdes

Associates:

Summary:

We will study co-adaptive learning, a recent hot topic of autonomous learning, that is theoretically and practically challenging. In this novel learning paradigm two learning systems need to jointly co-adapt to interact efficiently. A standard example is an autonomously learning machine and the human user that adapt to each other in the course of mutual goal driven interaction. So far research has mainly focussed on the machine learning side and has neglected to model the human side. The current project will study (a) what are the best algorithmic strategies for bringing co-adaptating learning systems in sync, (b) what are constraints or priors that make co-adaptive learners converge easier and (c) what learning theoretical results can be achieved with respect to optimality, consistency and efficient approximative strategies for two learning systems to converge. While the main focus of the project will be on the theoretical analysis of the two-learners problem, we also aim to apply and validate our insights in co-adaptive training for Brain Computer Interfacing as a specially challenging testbed of co-adaptive human machine interaction. Further practical scenarios of autonomous co-adaptive human-machine interaction will be explored in the course of the SPP.

Wir untersuchen die theoretischen und praktischen Herausforderungen des co-adaptiven Lernens, eines wichtigen aktuellen Themas des autonomen Lernens. In diesem neuen Lernparadigma müssen sich zwei lernende Systeme jeweils an einander anpassen (coadaptieren), um effizient zu interagieren. Als ein Standardbeispiel ist eine autonome Lernmaschine und ein menschlicher Nutzer zu nennen, welche sich autonom an einander adaptieren – von einander lernen – während sie ein gemeinsames Ziel verfolgen. Bislang hat sich die Forschung vor allem auf die Seite des maschinellen Lernen fokussiert und dabei in der Regel vernachlässigt, den menschlichen Benutzer in dieser Interaktion zu modellieren. Das vorliegende Projekt wird daher untersuchen:

(a) was sind die besten algorithmischen Strategien, um die co-adaptierenden Lernsysteme zu sychronisieren,
(b) was sind Zwangsbedingungen oder Priors, die eine einfachere Konvergenz co-adaptativer Lerner erlauben und
(c) welche lerntheoretischen Resultate können in Bezug auf Optimalität, Konsistenz und effiziente approximative Strategien für die Konvergenz von zwei Lernern erreicht werden.

Während der Hauptfokus des Projektes somit auf der theoretischen Analyse des  Zwei-Lerner Problems liegt, soll das autonome coadaptive Lernen für das  Probandentraining für Brain Computer Interfacing angewandt werden. Dies ist ein  besonders schwieriges Testbett für die Interaktion zwischen Mensch und Maschine. Weitere praktische Szenarien der autonomen co-adaptiven Mensch Maschine Interaktion sollen im Verlauf des SPP exploriert werden.

Phase 1 Projects

Theoretical concepts for co-adaptive human machine interaction with application to BCI


Project leaders: Klaus-Robert Müller (Berlin), Carmen Vidaurre (Berlin), Motoaki Kawanabe (Berlin)

Researchers: Mikio Braun, Jan-Saputra Müller

Administration: Andrea Gerdes

Associates:

Summary:

We will study co-adaptive learning, a recent hot topic of autonomous learning, that is theoretically and practically challenging. In this novel learning paradigm two learning systems need to jointly co-adapt to interact efficiently. A standard example is an autonomously learning machine and the human user that adapt to each other in the course of mutual goal driven interaction. So far research has mainly focussed on the machine learning side and has neglected to model the human side. The current project will study (a) what are the best algorithmic strategies for bringing co-adaptating learning systems in sync, (b) what are constraints or priors that make co-adaptive learners converge easier and (c) what learning theoretical results can be achieved with respect to optimality, consistency and efficient approximative strategies for two learning systems to converge. While the main focus of the project will be on the theoretical analysis of the two-learners problem, we also aim to apply and validate our insights in co-adaptive training for Brain Computer Interfacing as a specially challenging testbed of co-adaptive human machine interaction. Further practical scenarios of autonomous co-adaptive human-machine interaction will be explored in the course of the SPP.

Wir untersuchen die theoretischen und praktischen Herausforderungen des co-adaptiven Lernens, eines wichtigen aktuellen Themas des autonomen Lernens. In diesem neuen Lernparadigma müssen sich zwei lernende Systeme jeweils an einander anpassen (coadaptieren), um effizient zu interagieren. Als ein Standardbeispiel ist eine autonome Lernmaschine und ein menschlicher Nutzer zu nennen, welche sich autonom an einander adaptieren – von einander lernen – während sie ein gemeinsames Ziel verfolgen. Bislang hat sich die Forschung vor allem auf die Seite des maschinellen Lernen fokussiert und dabei in der Regel vernachlässigt, den menschlichen Benutzer in dieser Interaktion zu modellieren. Das vorliegende Projekt wird daher untersuchen:

(a) was sind die besten algorithmischen Strategien, um die co-adaptierenden Lernsysteme zu sychronisieren,
(b) was sind Zwangsbedingungen oder Priors, die eine einfachere Konvergenz co-adaptativer Lerner erlauben und
(c) welche lerntheoretischen Resultate können in Bezug auf Optimalität, Konsistenz und effiziente approximative Strategien für die Konvergenz von zwei Lernern erreicht werden.

Während der Hauptfokus des Projektes somit auf der theoretischen Analyse des  Zwei-Lerner Problems liegt, soll das autonome coadaptive Lernen für das  Probandentraining für Brain Computer Interfacing angewandt werden. Dies ist ein  besonders schwieriges Testbett für die Interaktion zwischen Mensch und Maschine. Weitere praktische Szenarien der autonomen co-adaptiven Mensch Maschine Interaktion sollen im Verlauf des SPP exploriert werden.