A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Plano de Aula Arquiteturas de Agentes Baseados Em Lógica  BDI Reativas  A arquitetura de Subsumption.

Apresentações semelhantes


Apresentação em tema: "Plano de Aula Arquiteturas de Agentes Baseados Em Lógica  BDI Reativas  A arquitetura de Subsumption."— Transcrição da apresentação:

1

2 Plano de Aula Arquiteturas de Agentes Baseados Em Lógica  BDI Reativas  A arquitetura de Subsumption

3 Relembrando... Um agente é... Uma entidade autônoma, que percebe o ambiente através de seus sensores e atua neste através de seus atuadores... Assim... Como decidir que ações realizar?

4 Agentes Baseados em Lógica Comportamento Inteligente = Representação simbólica do ambiente + do comportamento desejado Formalismo: lógica Manipulação: dedução lógica Teoria de agentes (  ): como os agentes devem se comportar

5 Agentes Baseados em Lógica Estados internos dos agentes: fórmulas lógicas Aberta(válvula221) Interessante(aulaagentes) Comportamento do agente: determinado por sua Base de Conhecimento (regras + fatos) Aquilo que o Agente acredita sobre seu ambiente Três funções básicas: See – determina a percepção Next – atualiza a BC Action – escolhe a próxima ação

6 O Robô Aspirador de Pó

7 O Robô Aspirador Agente recebe: Sujeira Null Ações: para frente sugar virar Objetivo: mover-se no ambiente buscando e removendo sujeira Três predicados: Em(x.y) Sujeira(x,y) Direção(d) Comportamento do agente função próximo regras de dedução

8 Agentes Baseados em Lógica Função ´próximo´: Analisar as percepções Atualizar a Base de Conhecimento remover informações velhas ou irrelevantes Inferência em várias partes:  velho(  ) = {P(t 1,...,t n }/ P  {Em, Suj, Dir} & P(t 1,...,t n }   Novo: todas as novas posições, direções e possíveis sujeiras  Próximo( ,P) = (  \ velho(  ))  Novo( ,P)

9 Algoritmo Básico Função ação_agente-BL (BC):ação Para cada a  A faça se BC  faça(a) então retorne a para cada a  A faça se BC  ¬faça(a) então retorne a Retorne null Fim ação_agente-BL

10 Agentes Baseados em lógica Regras de dedução: predicado(termo)  predicado(termo) Ex: Em(0,0)  Sujeira(0,0)  Faça(sugar) Problemas com essa abordagem Como mapear percepções para fórmulas? Complexidade da prova do teorema Difícil representar conhecimento procedimental Ambiente estático!!! Como seria num dinâmico?

11 Agentes BDI BDI – Beliefs, Desires, Intentions Motivação: Raciocínio prático Processo de Decidir, a cada momento, que ações tomar para chegar mais perto dos objetivos. Implica Decidir que objetivos quer realizar Como vão ser executados esses objetivos Requer Três conjuntos de sentenças lógicas: B, D e I Estes conjuntos são consistentes entre si.

12 Os Estados Mentais Crenças: o que se sabe sobre o estado do ambiente e dos agentes  “Recife é ensolarada”. Desejos: estados do mundo que o agente quer atingir  “Eu gostaria de ganhar 45 milhões de reais Intenções: Comprometimento com ações para alcançar objetivo  “Vou Ligar para o dentista”

13 Um Exemplo... Daniel acabou de se formar... O que fazer? Virar acadêmico... Ir para o Mercado Se resolve ser acadêmico... Se compromete a realizar ações neste sentido Intenções Procurar Emprego em uma Universidade. E o mundo, como está? Crenças Daniel se formou, Daniel pode ser professor Que Desejo escolher?

14 Desejos Especificam as preferências dos agentes sobre os estados do ambiente Podem ser inconsistentes Eu desejo perder 30 Kg Gostaria de comer quilos de chocolate suíço Desejos causam intenções  ações Objetivos: subconjunto consistente dos desejos.

15 Intenções Guiam a escolha das Ações Devem ser c onsistente com desejos e crenças Devem ser persistentes Demasiado persistentes. Fazem o agente perder tempo! Pouco persistentes. Não alcançam nenhum objetivo É preciso reconsiderar as intenções com alguma frequencia  Ainda é possível realizá-las?  Já foram realizadas?  Seria melhor se comprometer com outra intenção?

16 Reconsiderando Intenções... Tempo t = 0 Desejo: Atingir o alien Intenção: Aproximar-se de P Crença: o Alien está em P P

17 Reconsiderando Intenções... Tempo t = 10 Desejo: Atingir o alien Intenção: Aproximar-se de P Crença: o Alien está em P P ? Q

18 O Dilema BDI O agente não para para reconsiderar suas intenções: Perde tempo tentando o impossível! (Xiita) O agente para demais para reconsiderar: Não tem tempo de fazer nada! (Indeciso) Como encontrar o balanço?

19 O que o agente BDI tem? 3 conjuntos de sentenças Crenças Desejos Intenções 4 Funções Revisão de Crenças BRF(Bel, BC) Geração de Intenções Options(Bel, Int) Função Filtro Filter(Bel, Des, Int) Função Selecionadora de Ações Execute(Int)

20 A Arquitetura BDI Agente Como está o mundo agora? Função Filtro Função Revisão de Crenças Que Intenções tenho? A m b i e n t e Função de Opção Que objetivos podem ser alcançados? Estado interno: Crenças, desejos, intenções percepções + ações Sensores Atuadores Função de seleção de ações

21 Algoritmo do Agente BDI Programa Agente BDI t := 0 //contador de tempo Agente-BDI enquanto Agente-BDI vivo, faça TellPercepções-Sentença Tell(BC, Percepções-Sentença(percepção,t)) BRF(Percepcao, BC) Desejos <- Options(BC, intençao) intençao <- Filter (Bel, Des, intenção) Executa ação <- Executa(intenção) fim

22 MArCo Mediador Artificial de Conflitos Media discussões entre agentes Humanos Raciocínio BDI/BGI

23 MArCo

24 Um exemplo de interação A. Eu acho que as vendas de natal começam no princípio de novembro B. Por que? Acho que é mais tarde... A. Para dar tempo de fazer propaganda.. B. Ah, ok.

25 O funcionamento de MArCo MArCo Como está o mundo agora? Função Filtro Função Revisão de Crenças O povo mudou de idéia? Atualizo modelos Que Intenções tenho? Diálogo Função de Opção: faço o povo elaborar as idéias? Que objetivos podem ser alcançados? Estado interno: Crenças (individuais e de grupo), desejos, intenções percepções + ações Sensores Atuadores Função de seleção de ações

26 Agentis (Australian Artificial Intelligence Institute) Objetivo. Ajudar no desenvolvimento e manutenção de call centers Ou de portais na internet. Gera aplicações automáticas para os clientes Reduz tempo de desenvolvimento e custos Gera estatísticas de rendimento Utilizado pela companhia de telecomunicações australiana para responder a 98% das chamadas ao sistema de ajuda ao usuário. Sistema comporta 4000 agentes. Um Exemplo Real...

27 Arquiteturas Reativas Alternativa a representação simbólica O comportamento do agente é produto de sua interação com o ambiente Comportamento inteligente emerge da interação entre vários comportamentos mais simples. Abordagem comportamental, situada, reativa

28 The Subsumption Architecture a tomada de decisão é um conjunto de comportamentos realizadores de tarefa. Cada um é uma função de ação  Neste caso máquinas de estados finitos. Cada um assume a forma situação  ação Há uma hierarquia de comportamentos Comportamentos de nível mais baixo inibem os de nível mais alto

29 O algoritmo Básico Função ação (p:Percepção): ação var disparado: nível; selecionada: ação disparado <- {(cond, ação) } para todo (cond, ação)  disparado Se ¬  (cond’, ação’)  disparado tal que (cond’, ação’) < (cond, ação) return ação return null Fim função ação

30 A arquitetura de Brooks Módulos (e organização) definidos pelo designer Pode ser usada para descrever agentes cognitivos também.

31 Um Exemplo – Robô explorando ambiente Evitar obstáculos Recarregar Otimizar caminhos Mapear território Explorar Pegar/largar objetos Avançar random. Sensores Atuadores Ambiente

32 Um exemplo... O objetivo é explorar um planeta distante, para coletar amostras de rocha. Não se sabe onde estão, mas há áreas de maior concentração delas. Vários veículos autônomos estão disponíveis para coletar amostras e depois voltar para a nave-mãe. Há um mapa do planeta disponível, mas o planeta tem vários obstáculos que impedem os veículos de se comunicar.

33 Para resolver o problema... Utilização de dois mecanismos... Campo Gradiente/Potencial  Os objetos do ambiente emitem sinais, cuja intensidade é inversamente proporcional ao objetivo.  U(p) = U atr (p) + U rep (p)  U atr (p) = k * dist(p, objetivo) 2  U rep (p) = k’ * 1/dist(p, objetivo) 2 se dist(p, objetivo)

34 Um parêntese... Outra forma de construir os campos potenciais é alterar o potencial de atração... Campo dividido em células  Procedure valor(x, v) Se x.potencial não está definido ou v

35 Comportamentos Utilizados se detectar obstáculo, mude de direção 2. Se carregar amostras e na base, largue 3. Se carregar amostras e fora da base, vá na direção do gradiente 4. Se achar amostra, pegue 5. Se true, se mova randomicamente

36 Para assegurar cooperação 1. se detectar obstáculo, mude de direção 2. Se carregar amostras e na base, largue 3. Se carregar amostras e fora da base, largue dois fragmentos e vá na direção do gradiente 4. Se achar amostra, pegue 5. Se detectar fragmento, pegue e vá no sentido contrário ao gradiente 6. Se true, se mova randomicamente

37 Nem tudo são flores... O ambiente deve fornecer informação suficiente para os agentes... mais complicado tomar decisões de longo prazo. Difícil projetar comportamento emergente. Difícil construir agentes com muitos comportamentos.


Carregar ppt "Plano de Aula Arquiteturas de Agentes Baseados Em Lógica  BDI Reativas  A arquitetura de Subsumption."

Apresentações semelhantes


Anúncios Google