Behavior-Based Robotics as a Tool for Synthesis of Artificial Behavior and Analysis of Natural Behavior Robótica Baseada em Comportamento como uma Ferramenta para Síntese de Comportamentos Artificiais e Análise de Comportamentos Naturais Maja J. Mataric Trends in Cognitive Science, Vol. 2, No. 3, March 1998

Resumo Trabalhos em sistemas baseados em comportamento se concentram em modelagem funcional, ou seja, a síntese de comportamento “parecido com vida” e/ou inspirado biologicamente e que seja robusto, repetitivo e adaptativo. A inspiração: –neurociência, ciência cognitiva e biologia. O trabalho: –o desenvolvimento de novos métodos e modelos em robótica baseada em comportamento. Os resultados: –reúnem vários campos inter-relacionados, incluindo a Vida Artificial, Computação Evolucionária e Sistemas Multi-Agentes. Idéias da IA e da engenharia continuam a ser pesquisadas e aplicadas como forma de modelar comportamento animal e gerar novas aplicações.

Introdução Robótica Baseada em Comportamento é um ramo da robótica que agrega a Inteligência Artificial, a Engenharia e a Ciência Cognitiva. Seus objetivos são duplos: –Desenvolver métodos para controlar sistemas artificiais, desde robôs físicos a robôs simulados e outros agentes autônomos em software, e –Usar a robótica para modelar e melhor compreender sistemas biológicos, tipicamente animais desde insetos até humanos.

Introdução No campo da Robótica, “Arquiteturas de Controle” são metodologias que fornecem estrutura e impõem restrições na maneira como os robôs são controlados. Em sistemas baseados em Comportamento, o controlador do robô consiste de uma coleção de “comportamentos”, cada um dos quais alcança e/ou mantém um determinado objetivo. –Por exemplo, o comportamento “evita obstáculos” mantém o objetivo de prevenir colisões com objetos do ambiente. –O comportamento “vá para casa” alcança o objetivo de levar o robô até uma determinada posição ‘segura’. Cada comportamento é um elemento processador ou uma “procedure”, que pode ser implementada tanto em software quanto em hardware.

Introdução Cada comportamento tem como entrada: – os sensores dos robô (câmera, ultra-som, infra-vermelho, posição, luz, etc.) e/ou de outros comportamentos. envia suas saídas para: – os atuadores do robô (rodas, motores, braços, manipuladores, voz, etc.) e/ou para outros comportamentos do sistema. Um robô baseado em comportamento é controlado por uma rede estruturada de comportamentos interagindo entre si.

Organização do Sistema A metodologia organizacional de sistemas baseados em comportamento difere de outros métodos de controle de robôs em sua abordagem de modularidade, isto é, a maneira na qual o sistema é organizado e subdividido. A filosofia baseada em comportamento determina que os comportamentos sejam relativamente simples e adicionados incrementalmente ao sistema e não executados de maneira serial. Os sistemas devem ser construídos de “baixo-para-cima” de maneira que lembra de certa maneira a evolução bem como sua exploração utilitária dos módulos existentes. Os comportamentos são ativados como resposta a condições internas e/ou externas, entradas sensóreas e estados internos. Vários comportamentos ou módulos são ativados de maneira paralela.

Organização do Sistema O comportamento inteligente emerge da dinâmica dos comportamentos interagindo entre si e do sistema como um todo interagindo com o mundo externo.

Projeto de Comportamentos Uma restrição metodológica de sistemas baseados em comportamento é o seu uso de estados e representações: –A informação não é centralizada ou centralmente manipulada. –Várias formas de representação distribuída são utilizadas, desde estruturas estáticas em tabela e redes até processos e procedimentos ativos. Comportamentos são projetados em vários níveis de abstração. Em geral em níveis mais abstratos do que ações atômicas dos robôs (de um passo a frente, rode de um ângulo pequeno, etc.). Exemplos: ache-um-objeto, vá-para-casa, vá-se-recarregar, evite-colisão, pegue-objeto, evite-a-luz, siga-parede, etc. A estrutura interna dos comportamentos não necessariamente é idêntica a dos comportamentos observados externamente. Os comportamentos EMERGEM.

Coordenando Múltiplos Comportamentos O problema chave dos sistemas baseados em comportamento se refere a coordenação dos vários comportamentos, chamada ARBITRAGEM, ou seja, decidir que comportamento executar a cada instante de tempo. –Ordem fixa de prioridade de comportamentos; –Seleção de comportamentos através do cálculo de alguma função do nível de ativação dos comportamentos; –Votação; –Etc.

Revisão Histórica Tiveram por base os trabalhos na área de sistemas reativos e particularmente a Arquitetura de Subsunção (Subsumption Architecture) que obtém respostas rápidas em tempo-real dotando o sistema de uma coleção de regras paralelas e pré-programadas do tipo condição-ação, com o mínimo de estados internos. Em contraste a esta abordagem, a tradicional IA deliberativa baseada em planejamento, com ciclos de processamento sentir-planejar-agir em passos seqüenciais. (“combine os dados sensóreos em um modelo do mundo, então use o planejador para achar um caminho no modelo e então envie cada passo do plano elaborado para o atuadores”).

Revisão Histórica Sistemas Híbridos tentam achar um meio-termo entre os extremos de “pensar” e “agir” das duas abordagens anteriores, usando um sistema reativo para controle em baixo nível e um planejador para tomada de decisão no alto nível. Sistemas baseados em comportamento são uma alternativa à abordagem híbrida, permitindo respostas rápidas em tempo-real através de comportamentos reativos simples que ligam diretamente sensores a atuadores, mas também provém deliberação em alto nível distribuindo a representação e o processamento entre processos comportamentais concorrentes mais sofisticados. O poder, elegância e complexidade dos sistemas baseados em comportamento reside principalmente na maneira com que os comportamentos constituintes são definidos e utilizados.

Aprendizado e Adaptação Dotar sistemas com a capacidade de aprender e se adaptar tem sido um dos maiores desafios da IA. Aprendizado é particularmente difícil em robótica –Muita Incerteza ao Sentir e Agir no mundo, valores de entrada e saída ruidosos e incompletos. Mudança dinâmica nas condições do ambiente. –É difícil para os robôs perceber corretamente e agir corretamente (devido a limitação de sensores e atuadores) nas diversas situações que podem ocorrer no mundo físico.

Aprendizado e Adaptação Aprendizado por Reforço tem sido uma das técnicas de aprendizado mais utilizadas na Robótica Baseada em Comportamento. Ele consiste de uma série de problemas em que o robô melhora o seu desempenho baseado em punições e recompensas que recebe do ambiente. Fortemente inspirado em princípios da psicologia.

Demonstrações e Aplicações Robótica Baseada em Comportamento tem sido utilizada tanto em aplicações práticas como em experiências futurísticas. Várias capacidades robóticas básicas já foram demonstradas: –Desvio de obstáculos, –Navegação, –Mapeamento de terrenos, –Seguir trilhas, –Perseguição, –Manipulação de Objetos, –Divisão de Tarefas, –Cooperação, –Etc.

Demonstrações e Aplicações A medida que a abordagem baseada em comportamento tem sido utilizada para modelar sistemas naturais, o resultado da pesquisa tem demonstrado métodos com aplicações práticas imediatas: –Modelos de comportamentos de grandes grupos parece ser uma boa metodologia para fazer operar robôs em ambientes hostis e inacessíveis, Exploração submarina, Exploração de minas, Exploração espacial. –Requerem a combinação de capacidades de independência individual e coesão de grupo.

Demonstrações e Aplicações Modelagem de navegação, aprendizado de mapas e mecanismos de procura de caminhos inspirada nas células do hipocampo de ratos. Os comportamentos baseados em “landmarks” (pontos de localização) também servem como “preditores” que permitem a um robô se localizar melhor em seu ambiente; um contexto de “landmaks”ativos é usado para ativar a rede vizinha na direção de movimentação do robô, gerando expectativas. O não atendimento das expectativas indicam novas localizações ou localização incorreta. Inspirado por certas teorias neurológicas de controle motor, p.ex.: a evidência de um conjunto finito de campos de forças aditivas que controlam o repertório de movimentos de sapos e ratos, é possível desenvolver comportamentos para controle do movimento tri- dimensional.

Demonstrações e Aplicações Aprendizado por Imitação. Etc... Questões Pendentes –Problema de escala –Raciocínio Simbólico –Integração Multi-disciplinar.