Categorizing Motion: Story-Based Categorizations

DSpace Repository


Dateien:

URI: http://hdl.handle.net/10900/156447
http://nbn-resolving.de/urn:nbn:de:bsz:21-dspace-1564471
http://dx.doi.org/10.15496/publikation-97779
Dokumentart: PhDThesis
Date: 2024-08-09
Language: English
Faculty: 7 Mathematisch-Naturwissenschaftliche Fakultät
Department: Informatik
Advisor: Kirsch, Alexandra (Dr.)
Day of Oral Examination: 2024-05-15
DDC Classifikation: 000 - Computer science, information and general works
004 - Data processing and computer science
150 - Psychology
500 - Natural sciences and mathematics
Keywords: Kognition , Kategorisierung , Künstliche Intelligenz , , Bewegung , Plausibilität , Experiment , Begriff
Other Keywords: Story-Based Kategorisierungen
Wissensrepräsentation
Qualitative Repräsentationen
Bewegungskategorisierung
motion categorization
composition of relations
Qualitative calculi
Qualitative representations
story-based categorizations
License: http://tobias-lib.uni-tuebingen.de/doku/lic_ohne_pod.php?la=de http://tobias-lib.uni-tuebingen.de/doku/lic_ohne_pod.php?la=en
Show full item record

Inhaltszusammenfassung:

Unser Hauptbeitrag ist eine Methode zur Erstellung von Bewegungskategorisierungen (Kap. 8). Wir nennen solche Bewegungskategorisierungen story-based Kategorisierungen (story-based categorizations). Konkret kategorisiert eine story-based Kategorisierung starre Entitäten, die sich unabhängig voneinander bewegen (Abs. 1.2); sie kategorisiert eine augenblickliche Beschreibung der Bewegung der Entitäten, d.h. eine Momentaufnahme der Trajektorie der Entitäten. Unsere Methode kann eine unbegrenzte Anzahl von story-based Bewegungskategorisierungen erstellen. Dies ist bemerkenswert, wenn man bedenkt, wie wenige Bewegungskategorisierungen in der Literatur zu finden sind (Abs. 5.1 und 5.2). Insbesondere haben wir dort nur Bewegungskategorisierungen gefunden, aber keine Methode, um sie systematisch zu erstellen. Um die Effektivität unserer Methode zu zeigen, haben wir sechs story-based Kategorisierungen erstellt. Ein wichtiger weiterer Beitrag besteht darin, die relevanten Eigenschaften der story-based Bewegungskategorisierungen zu beweisen: Wir haben ihre Eigenschaften von zwei komplementären Standpunkten aus untersucht. Vom Standpunkt der künstlichen Intelligenz aus haben wir bewiesen, dass die story-based Bewegungskategorisierungen auch ‘qualitative calculi’ sind (Kap. 10), was bedeutet, dass sie sehr geeignete mathematische Eigenschaften zur Lösung von Navigationsproblemen haben. Vom Standpunkt der Psychologie aus haben wir zwei story-based Kategorisierungen auf kognitive Plausibilität getestet, und wir haben experimentell bestätigt, dass sie in unterschiedlichem Maße kognitiv plausibel sind (Kap. 9). Unsere experimentellen Tests zur kognitiven Plausibilität sind bahnbrechend, da wir in der Literatur keine experimentellen Tests zur kognitiven Plausibilität für qualitative calculi für Bewegung gefunden haben, und nur eine reduzierte Anzahl für qualitative calculi für Raum. Ein weiterer Beitrag ist, dass wir die story-based Kategorisierung mit einem soliden theoretischen Rahmen ausgestattet haben: Wir haben die Hauptkonzepte der story-based Kategorisierung mathematisch klar und einfach definiert. Und wir haben unseren Rahmen in die umfangreiche und sehr heterogene Literatur zur Kategorisierung eingebettet (Kap. 6). Dementsprechend haben wir das Verständnis und die Terminologie der Kategorisierung in der Psychologie mit denen in der künstlichen Intelligenz in Beziehung gesetzt, was in der Literatur ungewöhnlich ist – Forscher neigen dazu, sich mit Kategorisierung ausschließlich entweder aus der Perspektive der Psychologie oder der künstlichen Intelligenz zu beschäftigen. Dies wäre nicht möglich, ohne eine Übersicht über die Forschung zur Kategorisierung zu geben. Wir haben als Kapitel (Kap. 3) eine solche, sicherlich unvollständige Übersicht vorgelegt, von der wir glauben, dass sie viele Stunden der Literatursuche ersparen kann – Wir halten unsere Übersicht wegen seiner Verständlichkeit und seines Umfangs für einen Beitrag. Angesichts der Herausforderungen, die die Kategorisierung und insbesondere die Bewegungskategorisierung mit sich bringt (Kap. 2), sind unsere Leistungen alles andere als selbstverständlich. Wir haben mehrere zusätzliche Beiträge geleistet, die wir in Abschnitt 1.3 auflisten. Zudem habe ich mich bemüht, Ihnen eine unterhaltsame Lektüre zu bereiten: Ich wünsche Ihnen eine gesegnete Reise auf der Suche nach der Bewegungskategorisierung!

Abstract:

Our main contribution is a method that generates categorizations of motion (Ch. 8)—We call such motion categorizations story-based categorizations. More specifically, a story-based categorization categorizes rigid entities that move independently of each other (Sect. 1.2); it categorizes an instantaneous description of the entities’ motion, that is, a snapshot of the entities’ trajectory. Our method can generate an unlimited number of story-based motion categorizations. This is remarkable, considering the scarcity of motion categorizations in the literature (Sects. 5.1 and 5.2); in particular, we found only motion categorizations in the literature, but no method for systematically generating them. To demonstrate the efficacy of our method, we generated six story-based categorizations. Another important contribution is to prove the relevant properties of the story-based motion categorizations: we investigated their properties from two complementary perspectives. From the standpoint of artificial intelligence, we proved that the story-based motion categorizations are also qualitative calculi (Ch. 10), which means that they have very convenient mathematical properties for solving navigation problems. From the standpoint of the psychology, we tested two story-based categorizations for cognitive plausibility, and we confirmed experimentally that they are cognitively plausible to varying degrees (Ch. 9). Our experimental tests of cognitive plausibility are groundbreaking, because we found no experimental tests on cognitive plausibility for qualitative calculi of motion in the literature, and only a reduced number for spatial qualitative calculi. A further contribution is that we provided a solid theoretical framework for story-based categorizations: We defined mathematically the main concepts of story-based categorizations with clarity and simplicity. And we linked, or rather embedded, our framework in the vast and highly heterogeneous literature on categorization (Ch. 6). Accordingly, we related the understanding and terminology of categorization in psychology to those in artificial intelligence, which is unusual in the literature—Researchers tend to treat categorization exclusively from either a psychological or an artificial intelligence perspective. This could not be possible without a survey of the research on categorization. We present, as a chapter (Ch. 3), such a survey, certainly incomplete, which we believe can save many hours of literature browsing—We deem our survey to be an additional contribution, because of its comprehensibility and scope. Our achievements are far from obvious in the light of the challenges that categorization, and especially motion categorization poses (Ch. 2). We made several additional contributions which we list in Section 1.3. Last but not least, I intended that you enjoy your reading: Have a blessed journey on the quest for motion categorization!

This item appears in the following Collection(s)