Mensch­li­che Gehirne und visuell gesteu­erte Roboter benöti­gen eine inten­sive Rechen­leis­tung, um visuelle Muster in verschie­de­nen Kontex­ten und Varia­tio­nen zu erken­nen. Insek­ten wie das Tauben­schwänz­chen nutzen ebenfalls diese invari­ante Muster­er­ken­nung, um anhand von Blüten­mus­tern geeig­nete Nahrungs­pflan­zen auszu­wäh­len – und das mit nur einem Bruch­teil der "Rechen­leis­tung". Um zu verste­hen, wie diese Effizi­enz möglich ist, werden wir verhal­tens­ba­sierte und neuro­nale Metho­den einset­zen, um die algorith­mi­sche Grund­lage der Muster­er­ken­nung bei Insek­ten aufzudecken.

“Active sensing”, d. h. die Nutzung von Bewegun­gen zur aktiven Erfas­sung von senso­ri­schen Infor­ma­tio­nen aus der Umwelt, wird bei verschie­de­nen Tierar­ten durch unter­schied­li­che Mecha­nis­men erreicht. Im Falle des Sehens können Menschen Augen­be­we­gun­gen nutzen, und Roboter können Kameras manövrie­ren, um aktiv Infor­ma­tio­nen wie Merkmale von Mustern zu sammeln und zu verar­bei­ten. Insek­ten hinge­gen sind durch ihre Morpho­lo­gie viel stärker einge­schränkt, was die Bewegung ihrer visuel­len Senso­ren angeht.

Insek­ten­be­stäu­ber sind in dieser Hinsicht beson­ders inter­es­sant, da sie visuelle Muster auf Blüten erken­nen und darauf reagie­ren müssen, wenn sie entschei­den, wo sie auf Nahrungs­su­che gehen. Um die morpho­lo­gi­schen Einschrän­kun­gen ihrer Augen hinsicht­lich des aktiven Sehens zu überwin­den, steuert das Tauben­schwänz­chen (Macroglos­sum stellata­rum) seinen Körper, während es über Blüten schwebt, und sammelt dabei Infor­ma­tio­nen über deren Muster. Muster in verschie­de­nen Formen und in unter­schied­li­chen Kontex­ten zu erken­nen, kann beim Menschen Millio­nen von Neuro­nen erfor­dern. Die begrenzte Rechen­leis­tung der Insek­ten lässt vermu­ten, dass sie diese Heraus­for­de­rung durch
aktive Muster­er­ken­nung meistern, indem sie visuelle Infor­ma­tio­nen mit Hilfe eines hochspe­zia­li­sier­ten senso­mo­to­ri­schen Systems erfassen.

Im Rahmen dieses PhD-Projekts ist geplant, die algorith­mi­sche Grund­lage der Muster­er­ken­nung bei Insek­ten­be­stäu­bern durch drei Ansätze aufzu­de­cken: Mit Hilfe von Verhal­tens- und psycho­phy­si­schen Metho­den soll analy­siert werden, wie Tauben­schwänz­chen ihren Flug steuern, wenn sie verschie­dene Muster­merk­male inspi­zie­ren; mit neuro­phy­sio­lo­gi­schen Techni­ken soll unter­sucht werden, wie sich Varia­tio­nen in den Muster­ei­gen­schaf­ten (z. B. Kontrast oder Orien­tie­rung) auf die neuro­na­len Verar­bei­tung auswir­ken; und schließ­lich sollen Rechen­mo­delle entwi­ckelt werden, die sowohl die aktiven Sehstra­te­gien des Tauben­schwänz­chens, wie auch die visuel­len Verar­bei­tungs­wege der Muster­er­ken­nung abbil­den, was eine mögli­che Anwen­dung im Bereich des Compu­ter­se­hen und der Flugro­bo­tik ermöglicht.