Cognition & Action

Ziel des Projekts ist ein besseres Verständnis menschlichen Verhaltens bei alltäglichen Aufgaben mittels kognitiver computationaler Modelle zu erhalten, also durch die Anwendung von Algorithmen ähnlich der Künstlichen Intelligenz.

Projektziele:

Projektträger: ERC (Consolidator Grant)

Laufzeit: 2022 – 2027

PI: Prof. Constantin A. Rothkopf, Ph.D.

Ansprechpartner: Prof. Constantin A. Rothkopf, Ph.D.

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action

Zuordnung zu TU-Themen: Information & Intelligence

Projektwebseite

Muskuloskeletale Krankheiten sind eine der häufigstenErkrankungen des Menschen. Dieses Krankheitsrisiko nimmt invielen Ländern mit einer alternden Bevölkerung so wie inDeutschland zu. Assistenzsysteme (z.B. Exoskelette, Prothesen)können die menschliche Bewegung und die Gangfunktion (z.B.Gleichgewicht, metabolische Kosten) unterstützen. So konntegezeigt werden, dass der menschliche Gang durch ein Exoskelettmit nutzer-spezifischen Regelparametern bei Verwendung derhuman-in-the-loop (HIL) Optimierung verbessert werden kann. DerHIL Ansatz ist jedoch beschränkt bezüglich derAnpassungsfähigkeit des Ganges und der Optimierungszeit. Dergroße Zeitaufwand zur Bestimmung der optimalen Parameterbeschränkt dabei die Praktikabilität des Ansatzes (z.B. für ältereMenschen oder Patienten) sehr deutlicj. Ein dynamischesneuromuskuläres Gangmodell welches in der Lage ist, vielseitigesLaufverhalten auf kinematisch, kinetischer und auf Muskelebene zubeschreiben, könnte helfen, die benötigte Optimierungszeitdrastisch zu senken, indem die Parameter zunächst im Modellbestimmt und dann auf das reale Bewegungsszenario übertragenwerden. Unter Berücksichtigung der komplexen neuromuskulärenRegelprozesse des Menschen schlagen wir daher vor, einemodellbasierte Entwicklungsumgebung basierend auf tiefemReinforcement-Lernen zu entwickeln, welche zur Generation vonvielseitigem Gangverhalten geeignet ist. Durch die Simulation dermuskel-skeletalen Laufdynamik erwarten wir eine verbesserteVorhersagefähigkeit auf drei Ebenen: 1) individueller gleichmäßigerund wechselhafter Gang, 2) Störantwort auf unerwartete GangStörungen, und 3) Gang Assistenz Dynamik. Das gelernteneuronale Netzwerkmodel wiederspiegelt dabei (schematisch) dieneuronalen Strukturen des Rückenmarks mit der Projektion vonsensorischen Eingängen auf die Muskelstimulierungen. Wirbenutzen die Gangdaten aus vielfältigen Gangsituationen für dasLernen des Modells, um das Laufverhalten in allen drei obenbeschriebenen Aspekten abzubilden. Die Qualität des gelerntenModells wird durch einen Störversuch beim Gehen und mit einemAssistenzszenario mit einem Bein-Exoskelett bestimmt. Diesermodellbasierte Ansatz soll einerseits zum verbesserten Verständnisder menschlichen Gangkontrolle beitragen. Gleichzeitig werdenneue KI-basierte Gangregler entwickelt, welche mit minimalemBedarf an Online-Optimierung auf hardward-basierte Systemübertragen werden können.

Projektziele:

• Entwicklung neuromuskulärer Gangmodell zur Beschreibung vielseitiger Laufverhalten
• Lernen des Modells basierend auf Gangdaten aus vielfältigen Gangsituationen

Projektträger: DFG

Laufzeit: 2021 – 2024

PI: Prof. Dr. André Seyfarth, Prof. Jan Peters, Ph.D.

Ansprechpartner: Prof. Dr. André Seyfarth

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action, Learning & Education

Zuordnung zu TU-Themen: Information & Intelligence, Energy & Environment

Durch immer höhere architektonische Anforderungen gibt es imHoch- und Brückenbau einen starken Trend, schlankere undleichtere Konstruktionen zu entwerfen und zu bauen. BeiBauwerken, die menschlichen Einwirkungen ausgesetzt sind (z.B.Fußgängerbrücken), können die von Personen verursachtenStrukturschwingungen erheblich sein. Folglich muss der Menschseinen Gang an die Schwingungen der Struktur anpassen. ImGegenzug beeinflussen die Veränderungen im Gang dasStrukturverhalten. Die gebräuchlichen biomechanischen Modellekönnen die Reaktion des Menschen beim Gehen auf einer flexiblenStruktur nicht vorhersagen, da die zugrunde liegendenMechanismen hinsichtlich Mensch-Struktur-Interaktion nochungeklärt sind. Ebenso berücksichtigen die aktuellenIngenieurmodelle zum Entwurf und der Berechnung der Bauwerkenicht angemessen die Wechselwirkungen zwischen Mensch undStruktur, was zu unsicheren Strukturen oder im Gegenteil zuüberdimensionierten Strukturen führen kann.Es besteht daher vonbeiden Disziplinen (Biomechanik und Bauingenieurwesen) eindringender Bedarf für ein besseres Verständnis derbiomechanischen Anpassung von Menschen während des Gehensauf leicht anregbaren und schwingenden Strukturen. Ziel desProjektes ist es, basierend auf der Dynamik der Mensch-StrukturInteraktion verbesserte biomechanische Modelle undIngenieurmodelle zur Beschreibung des menschlichen Gehens aufschwingenden Strukturen im Hinblick auf das menschliche undstrukturelle Verhalten zu entwickeln und zu validieren.In diesemProjekt sollen dazu experimentelle Daten von Personen erhobenund analysiert werden, die auf leicht anregbaren Strukturen und(zum Vergleich) auf steifen Strukturen gehen. Die Experimentebeinhalten die Erfassung von biomechanischen und strukturellenReaktionen. Basierend auf den Ergebnissen der experimentellenUntersuchungen werden verbesserte biomechanische Modelle mitunterschiedlichem Detaillierungsgrad für das Gehen aufnachgiebigen Strukturen für die Simulation entwickelt.Anschließend werden die entwickelten Gangmodelle im Rahmender Strukturanalyse umgesetzt. Umfangreiche Vergleiche zwischenden Messungen und den Simulationen werden durchgeführt. Diesermöglicht die Formulierung von Mindestmodellanforderungensowohl für das Gang- als auch für das Strukturmodell in Bezug aufden Detaillierungsgrad. Hieraus soll ein angemessenesmechanisches Modell zur Vorhersage von durch Personeninduzierten Schwingungen unter Berücksichtigung der MenschStruktur-Interaktion und ein biomechanisches Gangmodell zurgenauen Simulation der menschlichen Reaktion beim Gehen aufschwingenden Strukturen abgeleitet werden. Die Funktionalität desvorgeschlagenen biomechanischen Modells wird an einer aktivenBeinorthese demonstriert. Die Ergebnisse des Projekts sind damit von großer Bedeutung für die Entwicklung von biomechanischenHilfsmitteln (z.B. Beinprothesen) und für eine bessereVorhersagbarkeit der strukturellen Reaktionen bei der Auslegungvon Bauwerken.

Projektziele:

• Entwicklung von neuartigen Mensch-StrukturInteraktionsmodellen
• Erfassung von Laufbewegungen auf einer instrumentierten Brücke
• Entwicklung von Bewegungsmodellen zur Beschreibung von Laufbewegungen auf schwingenden Untergründen

Projektträger: DFG

Laufzeit: 2021 – 2024

PI: Prof. Dr. André Seyfarth, Prof. Dr.-Ing. Jens Schneider

Ansprechpartner: Prof. Dr. André Seyfarth

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action, Learning & Education, Work & Professionalization

Zuordnung zu TU-Themen: Information & Intelligence, Energy & Environment, Matter & Materials

Projektwebseite

Trainingseffekte im Sport sind vom zahlreichen individuellen Faktoren abhängig. Ziel des Projektes ist es, mithilfe von Exergames ein adaptives individualisiertes Training zu realisieren.

Projektziele:

• Review der aktuellen Effekte von Exergames
• Konzeptentwicklung für ein individualisiertes und adaptives Training mithilfe von Exergames
• Experimentelle Überprüfung der Trainingseffekte

Projektträger: Landesmittel

Laufzeit: bis Oktober 2026

PI: Prof. Dr. Josef Wiemeyer, Dr.'in Katrin Hoffmann

Ansprechpartner: Prof. Dr. Josef Wiemeyer

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action

Zuordnung zu TU-Themen: Information & Intelligence

Im Vergleich zu biologischen Muskeln sind bislang technischeAktuatoren in der Erzeugung von Bewegungsmustern dermenschlichen Lokomotion in ihrer Leistungsfähigkeit undVielseitigkeit beschränkt. Um diese Defizite zu überwinden,benötigen wir ein besseres Verständnis der pedalen Lokomotion,welche auf drei Ebenen betrachtet werden kann: 1) Erzeugung derverschiedenen lokomotorischen Grundfunktionen (LGF), mit Stand-,Schwung- und Balance-Funktion, 2) die Komposition der LGF fürvielseitige Laufbewegungen und 3) die Anpassung der LGF andunterschiedliche lokomotorische Aufgaben und Bedingungen.Umdiese Limitationen der Aktuatoren bei der Lokomotion zuüberwinden, haben wir den hybriden EPA Aktuator als Kombinationvon elektrischen und pneumatischen Antrieben entwickelt. Das EPADesign ermöglicht die direkte Einstellung von morphologischenEigenschaften und Regelungsparametern. Mit diesem Ansatzkonnten wir zeigen, dass die aktuatorischen Einschränkungen beider Standfunktion beim vertikalen Springen deutlich reduziertwerden können.In diesem Projekt wird das umfassende Potentialdes EPA Ansatzes für vielseitige Lokomotion über alle dreigenannten Ebenen erschlossen. Zunächst wird untersucht, wie dasEPA Design und die entsprechenden Regelansätze für dieverschiedenen LGF angepasst werden müssen. Auf der nächstenEbene erweitern wir den EPA Ansatz auf mehrere LGF. Hierbeierwarten wir eine modulare Interaktion der LGF mit parsimonischemAustausch von sensorischen Informationen. Schließlichuntersuchen wir die notwendigen Anpassungsmechanismen derEPA Module für verschiedene lokomotorische Aufgaben undBedingungen.Die Vorteile des EPA-basierten Designs und derRegelungsansätze werden mit zwei neuen, bioinspirierten Roboternüberprüft (EPA-Jumper und EPA-Walker). Diese sind modular underweiterbar auf verschiedene Körperstrukturen undBewegungsziele. Durch Ausnutzung von “control embodiment” (z.B.durch zweigelenkige Aktuatoren) werden Vorteile der menschlichenKörperstruktur erschlossen, welche nicht durch neuronale Regelungersetzt werden können.Wir optimieren das EPA Design hinsichtlicheines minimalen Energieverbrauchs und einer maximalenRobustheit bei Pertubationen für definierte Bewegungssituationen.Mithilfe von experimentellen Daten zum menschliche Gehen undvertikalen Hüpfen (mit optionalen Pertubationen) werden das EPADesign und die Regelung optimiert. Mit der EPA Technologiekönnen neue vielseitige, effiziente und robuste Laufsysteme mitbreiten Anwendungsmöglichkeiten entwickelt werden. Dafür wirdhier die notwendige Infrastruktur zum leichten Wechsel zwischenunterschiedlichen Gangsituationen bei hoher Energieeffizienz undgeringem Regelaufwand bereitgestellt.

Projektziele:

• • Entwicklung neuartiger hybrider Antriebe durch Kombination von elektrischen und pneumatischen Aktuatoren
  • Entwicklung für die xxx

Projektträger: DFG

Laufzeit: 2018 – 2026 (1. und 2. Phase)

PI: Prof. Dr. André Seyfarth

Ansprechpartner: Dr. Maziar Ahmad Sharbafi Phd, Prof. Dr. André Seyfarth

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action, Learning & Education

Zuordnung zu TU-Themen: Information & Intelligence, Energy & Environment, Matter & Materials

Projektwebseite

Organisationen sind darauf angewiesen, dass ihre Teams und auch Mitarbeiter:innen innerhalb von Teams zusammenarbeiten. Meist können Ziele nur erreicht werden, wenn alle gemeinsam an einem Strang ziehen. Gleichzeitig kommt es zwischen Teams und auch Mitarbeiter:innen immer wieder zu Konkurrenzsituationen, um dieselben begrenzten Ressourcen (z.B. Zuweisung attraktiver Aufgaben, Beförderungen). Doch was bedeutet es für Mitarbeiter:innen, wenn sie gleichzeitig mit den Personen zusammenarbeiten, mit denen sie konkurrieren? Dieses Projekt soll erforschen, wie Mitarbeiter:innen das Spannungsfeld aus Kooperations- und Konkurrenzanforderungen erleben, wie sie damit umgehen und welche Folgen daraus für Mitarbeiter:innen, Teams und Organisationen entstehen können.

Projektziele:

• Hat das gleichzeitige Vorliegen von Kooperations- und Konkurrenzanforderungen Effekte, die sich von denen bloßer Konkurrenz abgrenzen lassen?
• Welche Folgen haben diese Anforderungen für Motivation, Verhalten und Gesundheit bei der Arbeit?
• Welche Möglichkeiten haben Organisationen, ungünstige Effekte dieser Anforderungen abzufedern sowie günstige Effekte zu verstärken?

Projektträger:

Laufzeit: seit September 2021

PI: Prof.'in Dr. Nina Keith, Lea Lempert

Ansprechpartnerin: Lea Lempert

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action, Learning & Education, Work & Professionalization

Zuordnung zu TU-Themen: Information & Intelligence , Energy & Environment

Auf der Grundlage eines multi-level-Rahmenmodells werden die Effekte ausgewählter Einflussfaktoren auf verschiedene Ebenen sowie die sportliche Leistung untersucht.

Projektziele:

• Interdisziplinäre Modellierung von Dehnprozessen – unter Berücksichtigung von Kybernetik und KI
• Erforschung ausgewählter Effekte von Dehnmethoden auf verschiedene Ebenen
• Übertragung der Erkenntnisse in praktische Empfehlungen

Projektträger: Landesmittel

Laufzeit: bis Juni 2026

PI:Prof. Dr. Josef Wiemeyer, Dr. Gerrit Kollegger

Ansprechpartner: Prof. Dr. Josef Wiemeyer

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action

Zuordnung zu TU-Themen: Information & Intelligence

Embodiment is the process by which we relate physical entities or events to our own bodily representations. These representations can be related to our body in different ways, such as feeling that a body part or an external object is part of our own body (Ownership) or perceiving that an event in the environment was caused by our own action (Agency). A sense of Embodiment has been linked to multisensory correspondences between e.g., body-related tactile sensation and vision. However, often paradigms rely on the participant remaining static and the multisensory stimuli are presented in an external (non-self-induced) way. As a result, the role of motor control, and the resulting body-related sensory inputs, key for the potential areas of application (e.g., avatar immersion in Virtual Reality or the use of external tools / prosthetic devices) has been largely unexplored.

The aim of this project is to fill this gap and focus on the role of action-related sensations and Agency for inducing a sense of Ownership. Particularly, the project explores the role of proprioception, action related tactile sensations, repeated exposures and prior knowledge of body appearance. The results will be informative to help create optimal conditions for creating a sense of Embodiment for avatars in Virtual Reality, Tools and prosthetic devices.

Projektziele:

• Investigate the sense of ownership under repeated exposure to embodiment illusions
• Investigate cue-combination during active movement for the senses of agency and ownership
• Investigate the role of vibrotactile feedback for motor control and embodiment

Projektträger: Landesmittel

Laufzeit: May 2022 – April 2025

PI: Prof.'in Loes van Dam

Ansprechpartnerinnen:Celine Honekamp, Prof.'in Loes van Dam

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action

Zuordnung zu TU-Themen: Information & Intelligence

(Vollständiger Titel: Die Kosten von Zielsetzung bei der Arbeit: Wiederholte Zielsetzung, Zielverfehlung und ungünstige Effekte auf Affekt, Motivation und Verhalten)

Gemäß der Zielsetzungstheorie erhöht das Setzen von hohen, spezifischen Zielen Motivation und Leistung. Diese Grundannahme wird durch hunderte Untersuchungen gestützt und findet auch in der organisationalen Praxis reichlich Anwendung, etwa im Rahmen von formellen Zielvereinbarungen. Allerdings können Zielsetzungen auch unerwünschte Nebeneffekte haben, z.B. unethisches Verhalten zur Erreichung der gesetzten Ziele. Dieses Projekt konzentriert sich auf bisher wenig erforschte Aspekte, nämlich die längerfristigen Effekte wiederholter Zielsetzung und das mit hohen Zielen verbundene Risiko der Zielverfehlung.

Projektziele:

• Zeigen Zielsetzungen eine paradoxe Wirkung in dem Sinne, dass sie zwar kurzfristig leistungsfördernd, längerfristig aber leistungsmindernd sein können?
• Wie können Zielsetzungen in Organisationen so gestaltet werden, dass mögliche negative Effekte vermieden werden?

Projektträger: DFG

Laufzeit: Erstes Projekt abgeschlossen, Beginn Fortsetzungsprojekt 2023

PI: Prof.'in Dr. Nina Keith

Ansprechpartnerin: Prof.'in Dr. Nina Keith

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action, Learning & Education, Work & Professionalization

Zuordnung zu TU-Themen: Information & Intelligence , Energy & Environment

Der Schutz der eigenen Privatsphäre im digitalen Alltag ist für viele Nutzer:innen ein wichtiges, häufig allerdings schwer zu erreichendes Ziel. Spätestens seit der Omnipräsenz des mobilen Internets dank Smartphones und der damit verbundenen rapiden Verbreitung digitaler Dienste ist die Erfassung von persönlichen Informationen durch dritte Parteien immer schwerer zu kontrollieren. Als Folge dieses Umstandes wird häufig eine Diskrepanz zwischen intendiertem und tatsächlichem Verhalten bzgl. der Weitergabe privater Daten festgestellt, welches als „Privacy Paradox“ bezeichnet wird [17]. Versuche des Gesetzgebers, Nutzer:innen bei dieser Herausforderung zu unterstützen, wie beispielsweise mit der neuen Datenschutzgrundverordnung (DSGVO), basieren häufig auf dem Konzept der „informierten Einwilligung“. Hierbei wird davon ausgegangen, dass Nutzer:innen sich ihrem tatsächlichen Interesse nach entscheiden können, wenn ihnen ausreichend Informationen zur Verfügung gestellt werden, z.B. darüber, in welcher Weise und von welchen Akteuren ihre Daten verarbeitet werden. In der Praxis schlägt sich dies in umfangreichen Datenschutzerklärungen oder Popup-Fenstern, die über die Nutzung von Cookies auf verschiedenen Webseiten informieren, nieder. Nutzer:innen sind dabei häufig weder inhaltlich in der Lage, die meist komplizierten Texte vollständig zu erfassen, noch motiviert, die hierfür notwendige Zeit aufzuwenden [9]. Damit Nutzer:innen tatsächlich souverän über den Umgang mit ihren Daten im digitalen Alltag entscheiden können, braucht es ein neues Konzept, das einerseits das hierfür notwendige Wissen vermittelt und andererseits die Motivation der Nutzer:innen stärkt, sich Kompetenzen in diesem Bereich anzueignen und die erworbenen Kompetenzen im digitalen Alltag einzusetzen.

Projektziele:

• Digitale Selbstbestimmung der Privatsphäre stärken
• Wissen über Privatsphärethemen vermitteln
• Motivationselemente identifizieren

Projektträger: Forum Interdisziplinäre Forschung (FiF)

Laufzeit: 15.04.2023 – 30.06.2024

PI: Dr.'in Nina Gerber, Dr. Ephraim Zimmer (FB Informatik TU Darmstadt), Prof.'in Dr. Verena Zimmermann (ETH Zürich)

Ansprechpartnerinnen: Dr.'in Nina Gerber, Dr.'in Alina Stöver

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action

Zuordnung zu TU-Themen: Information & Intelligence

Projektwebseite

Mental Toughness (MT) bzw. Mentale Stärke wird als sport- bzw. leistungspsychologisches Schlüsselkonzept für erfolgreiches Leistungshandeln unter Druck – also bspw. im leistungssportlichen Wettkampf – beschrieben. Sowohl konzeptionell als auch als operational werden unterschiedliche Ansätze diskutiert, beispielsweise ob MT ein- oder mehrdimensional ist.

Projektziele:

Analyse weiterführender Aspekte im Kontext von MT

• Zuversicht (als Teilaspekt von Optimismus) im Kontext von Grenzerfahrungen
• Kontrollüberzeugung
• Perfektionismus und die Rolle des Imperfekten
• Zusammenhänge zum/r Selbst-, Körperkonzept, Identität

Projektträger: Landesmittel

Laufzeit: 2020 – 2026

PI: Prof. Dr. Frank Hänsel

Ansprechpartner: Prof. Dr. Frank Hänsel

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action

Zuordnung zu TU-Themen: Information & Intelligence

The human mind understands visual scenes. We can usually tell what objects are present in a scene, we can imagine what the hidden parts of objects look like, and we can imagine what it would look like if we or an object moved. The first step of visual scene understanding is segmentation, in which our brain tries to infer which parts of the scene belong to which objects. We will compare the learned behaviours of different artificial networks to adults performing segmentation during active exploration of 3D scenes, and use similarities and differences to better understand a fundamental puzzle of perception: how the mind makes sense of scenes.

Projektziele:

• Aufbau von digitalem Methodenwissen und didaktischen Kompetenzen.
• Vermitteln zentraler Fähigkeiten, um selbstständig handlungsorientierte hybride Lernformate zu konzipieren
• Entwickeln hybrider, kompetenzorientierter Lernsequenzen unter Einbindung digitaler Medien und Tools
• Vernetzten mit Kolleg:innen

Projektträger: European Research Council (ERC) Consolidator grant

Laufzeit: 01.11.2023 – 31.10.2028

PI: Prof. Thomas Wallis, PhD

Ansprechpartner: Prof. Thomas Wallis, PhD

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action

Zuordnung zu TU-Themen: Information & Intelligence

Projektwebseite

Im Fokus des Projekts SPERLE steht die Qualifizierung von Lehrpersonal in Berufsschulen, Betrieben und Weiterbildungseinrichtungen, um motivierende Lernangebote für Personalisiertes Lernen mit digitalen Medien zu schaffen. Im Bezugsraum der Metallberufe in Hessen wird in SPERLE personalisiertes Lernen mit digitalen Medien modellhaft erprobt.

Der Arbeitsbereich Technikdidaktik begleitet das Projekt wissenschaftlich, indem es die Konzeptentwicklung des Personalisierten Lernens fokussiert.

Projektziele:

• Personalisierten Lernens mit digitalen Medien in die Aus- und Weiterbildung zu fördern
• Berufsschulische Lehrkräfte, betriebliches Ausbildungspersonal in KMU sowie Lehrpersonal in Weiterbildungseinrichtungen dazu befähigen, Lernumgebungen für Personalisiertes Lernen mit digitalen Medien zu konzipieren und motivierte Lernangebote zu erstellen

Projektträger: BMBF

Laufzeit: 2021 – 2024

PI: Dr. Petra Notz (Verbundkoordination), involas Institut für berufliche Bildung, Arbeitsmarkt- und Sozialpolitik GmbH, Dr. Angela Joost (Verbundpartner), Bildungswerk der Hessischen Wirtschaft e.V., Dr. Rainer Behrend (Verbundpartner), Weiterbildung Hessen e.V., Prof. Dr. Ralf Tenberg (Wissenschaftliche Begleitung), TU Darmstadt

Ansprechpartner: Prof. Dr. Ralf Tenberg, Tim Backes

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action, Learning & Education, Work & Professionalization

Zuordnung zu TU-Themen: Information & Intelligence

Projektwebseite

When we humans interact with the world around us, we heavily rely on visual information to know where objects are and to guide our actions towards them whilst avoiding obstacles. This means that misperceptions are likely to influence our actions.

In this project we investigate the influence of visual patterns on our movement behaviour in the broadest sense. This includes investigating how high-contrast repetitive patterns on walls and other building constructions can influence our sense of balance on the one hand, and how illusory motion of external objects and items representing our hand can influence target-oriented movements on the other.

Through this research we aim to both get a better understanding of our sensorimotor control system as well as provide guidelines for creating living spaces that can be navigated safely.

Projektziele:

• Compare visual information concerning position and movement of both external objects and our own limbs to guide our actions.
• Investigate balance control under the influence of background motion
• Model balancing behaviour and the learning mechanisms involved using existing control models and machine learning

Projektträger: Landesmittel

Laufzeit: May 2022 – April 2025

PI: Prof.'in Loes van Dam

Ansprechpartner:innen: Borja Aguado Ramírez (PHD), Kai Streiling, Celine Honekamp, Prof.'in Loes van Dam

This work in part is also in collaboration with Maximilian Stasica and Prof. Dr. André Seyfahrt

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action

Zuordnung zu TU-Themen: Information & Intelligence

The sense of agency is subjective feeling of having caused an event through our own action. The current understanding of when we perceive such a causal link between our action and the action outcome is currently still fairly limited. To fill this gap, we are investigating the sense of agency both from a theoretical point of view, using Bayesian causal/control models and machine learning (ML) techniques, and from an empirical side, developing new methods to measure agency. Moreover, in this project we are comparing healthy control participants with schizophrenic patients in whom the sense of agency has been shown to be impaired. The aim of the project is to gain a better understanding of the sense of agency in general and, more particularly, how this is affected in Schizophrenia.

Projektziele:

• Update the methodology for measuring agency
• Build a Bayesian model for the sense of agency
• Examine the potential development of the sense of agency using ML-techniques
• Elucidate parameters that might be affected in schizophrenia

Projektträger: The Adaptive Mind (TAM)

Laufzeit: May 2022 – March 2025

PI: Prof.'in Loes van Dam, Prof. Benjamin Straube (UKGM Marburg)

Ansprechpartner:innen: M.Sc. Kai Streiling, Prof.in Loes van Dam, Prof. Benjamin Straube (UKGM Marburg)

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action

Zuordnung zu TU-Themen: Information & Intelligence

Projektwebseite

Mithilfe der Studie soll geprüft werden, inwiefern die Zusammensetzung einer fiktiven Sportgruppe und die Selbstkategorisierung die Wahl von Sportangeboten beeinflussen.

Projektziele:

• Prüfung theoretischer Ansätze (Grundlagenforschung)
• Ableitung von Merkmalen für die Konzipierung für gesundheitsförderliche Sportangebote

Projektträger: Landesmittel

Laufzeit: 2022 – 2025

PI: Jamsin Krauß

Ansprechpartner:innen: Jasmin Krauß, Prof. Dr. Frank Hänsel

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action

Zuordnung zu TU-Themen: Information & Intelligence

Planen, also die mentale Organisation zielrelevanter Handlungsschritte, wird allgemein als wichtig für die Erreichung von Zielen verstanden. Im Arbeitskontext soll Planen die Zielerreichung und Effizienz der Arbeit erhöhen. Gerade bei Arbeitsaufgaben, die eine hohe Eigenstrukturierung erfordern (z.B. im home office), wird dem Planen eine große Bedeutung für Arbeitserfolg und Wohlbefinden zugemessen. Die empirische Befundlage zur Effektivität von Planen ist allerdings nicht eindeutig und weist darauf hin, dass diese wesentlich von der Qualität der Pläne und den jeweiligen aufgabenbezogenen Bedingungen abhängt. Dieses Projekt soll dazu beitragen, erfolgskritische Merkmale des Planens und Rahmenbedingungen für dessen Effektivität zu identifizieren.

Projektziele:

• Aufgrund welcher Mechanismen und unter welchen Bedingungen sind Planungsstrategien zielförderlich?
• Könnten grundsätzlich förderliche Planungsstrategien ungünstige Effekte haben, etwa bei unerwarteten Ereignissen oder im Falle einer Zielverfehlung?
• Wie können Planungstrainings derart gestaltet werden, dass wirksame Strategien vermittelt werden, die dann auch tatsächlich von den Arbeitenden regelmäßig eingesetzt werden?

Projektträger:

Laufzeit: seit November 2020

PI: Prof.'in Dr. Nina Keith, Nina Trenz

Ansprechpartnerin: Prof.'in Dr. Nina Keith

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action, Learning & Education, Work & Professionalization

Zuordnung zu TU-Themen: Information & Intelligence , Energy & Environment

As technical and social systems are increasing in complexity, Artificial Intelligence (AI) promises to help us manage these systems by providing support for planning and decision making. However, predictions and action policies generated by AI and Machine Learning are usually not transparent, i.e. AI-algorithms do not provide us with explanations for their solutions. In those applications where AI-support is most needed, systems often involve millions of variables easily, and their interaction is hardly understandable even for experts. This is due to the sheer size of those systems but is also a result of the complexity and opaqueness of AI algorithms.

PlexPlain investigates how human experts understand and explain complex systems and AI algorithms that support decision making for these systems. The goal is an (at least partially) automated generation of cognitively adequate explanations to also support non-expert users of AI. Applications will focus on examples from the energy sector, e.g. policies for the transition to renewable energy and prediction of the market price for electricity, but will open up to other problem domains during the project as well.

Projektträger: BMBF

Laufzeit: April 2020 – July 2023

PI: Prof. Dr. Frank Jäkel, Prof. Constantin A. Rothkopf, Ph.D., Prof. Dr. Florian Steinke, Prof. Dr. Kristian Kersting

Ansprechpartner: Prof. Dr. Frank Jäkel

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action

Zuordnung zu TU-Themen: Information & Intelligence, Energy & Environment

Projektwebseite

This project conducts behavioral and neurophysiological experiments to achieve a deeper understanding of adaptive choice algorithms and their neural implementation. We have previously developed an extension of the Kac-Dorfman-Biderman (KDB) model that is purely income-based (i.e. only learns from rewards and not from errors) and can explain animal data very well at the algorithmic level. However, this income-based model has so far only been tested against optimization, but not against an error-based learning model. The KDB model and related criterion learning models have originally been developed to describe human behavior in psychophysical experiments. In the original work by Dorfman & Biderman, it was found that humans learn from errors rather than income and we want to understand this difference between human and animal behavior. Furthermore, we need to test our model for a wider set of stimulus situations, e.g. whether criterion learning is stable and invariant when stimulus set size or stimulus probabilities change. Above and beyond working on the algorithmic level, our long-term goal is to connect the behavioral and algorithmic descriptions to the implementational, i.e. neural level. In order to do so, we will connect our criterion learning model with standard reinforcement learning models and neural network models that have previously been linked to concrete neural representations.

Projektträger: DFG

Laufzeit: 2019 – 2023

PI: Prof. Dr. Frank Jäkel

Ansprechpartner: Prof. Dr. Frank Jäkel

Zuordnung zu FB Forschungsschwerpunkten: Cognition & Action

Zuordnung zu TU-Themen: Information & Intelligence

Projektwebseite