In the Quest of the Missing Link
Uma Instˆ
ancia para o Futebol de Robˆ
os
Prof. Dr. Eder Mateus Gon¸
calves
edergoncalves@furg.br
Orientador: Guilherme Bittencourt
Universidade Federal do Rio Grande - FURG Centro de Ciˆencias Computacionais - C3
Sum´
ario
1
Modelo Gen´
erico de um Agente Cognitivo
2
Agente Cognitivo no Futebol de Robˆ
os
3
Otimiza¸c˜
ao de Controladores Nebulosos usando AG’s
Sum´
ario
1
Modelo Gen´
erico de um Agente Cognitivo
2
Agente Cognitivo no Futebol de Robˆ
os
3
Otimiza¸c˜
ao de Controladores Nebulosos usando AG’s
Sum´
ario
1
Modelo Gen´
erico de um Agente Cognitivo
2
Agente Cognitivo no Futebol de Robˆ
os
3
Otimiza¸c˜
ao de Controladores Nebulosos usando AG’s
Sum´
ario
1
Modelo Gen´
erico de um Agente Cognitivo
2
Agente Cognitivo no Futebol de Robˆ
os
3
Otimiza¸c˜
ao de Controladores Nebulosos usando AG’s
Modelo Gen´
erico de um Agente Cognitivo
Caracter´ısticas da Atividade Cognitiva
Auto-organiza¸
c˜
ao;
Natureza evolutiva;
Dependˆ
encia hist´
orica.
Agente Cognitivo
N´ıvel Reativo;
N´ıvel Instintivo;
N´ıvel Cognitivo.
Modelo Gen´
erico de um Agente Cognitivo
Agente Cognitivo no Futebol de Robˆ
os
Simulador 2D da Robocup
Categoria da Robocup voltada aos aspectos de software:
Sistemas Multiagentes;Aprendizado.
Ambiente de simula¸
c˜
ao sob paradigma cliente/servidor:
Servidor provˆe informa¸c˜oes sobre o ambiente;Agente Cognitivo no Futebol de Robˆ
os
Agente Cognitivo no Futebol de Robˆ
os
Agente Cognitivo no Futebol de Robˆ
os
N´ıvel Reativo
Comunica¸c˜
ao com o ambiente;
Garante restri¸c˜
oes de tempo-real;
Conjunto de controladores nebulosos referentes aos comportamentos
do ambiente;
Agente Cognitivo no Futebol de Robˆ
os
N´ıvel Instintivo
Identifica¸c˜
ao dos estados do ambiente;
Sele¸c˜
ao do comportamento reativo;
Gera¸c˜
ao de conhecimento simb´
olico para o n´ıvel cognitivo;
Implementado por um sistema especialista.
Agente Cognitivo no Futebol de Robˆ
os
N´ıvel Cognitivo
Determina as metas locais e globais do agente;
Planejamento;
Implementado por um sistema especialista com duas bases de
conhecimento, local e social.
Otimiza¸c˜
ao de Controladores Nebulosos usando AG’s
Implementa¸c˜
ao do N´ıvel Reativo
Projeto de Controladores Nebulosos;
Problema: Defini¸c˜
ao dos parˆ
ametros dos termos nebulosos.
Otimiza¸c˜
ao de Controladores Nebulosos usando AG’s
Otimiza¸c˜
ao de Controladores Nebulosos usando AG’s
Resultados
R´
apido desenvolvimento dos controladores;
Aumento do desempenho do comportamento.
Especifica¸c˜
ao de Conhecimento para Agentes Cognitivos
Motiva¸c˜
oes
Complexidade no desenvolvimento de Sistemas Baseados em
Conhecimento, especialmente quando inseridos em Sistemas
Multiagentes;
Descontinuidade entre o n´ıvel social e local dos agentes;
Necessidade de metodologias com fundamenta¸
c˜
ao matem´
atica.
Problema
Aquisi¸
c˜
ao de conhecimento em sistemas multiagentes cognitivos
considerando dois n´ıveis fundamentais: o n´ıvel social, onde define-se a
estrat´
egia de a¸
c˜
ao coletiva; o n´ıvel individual que corresponde ao
conhecimento de cada agente.
Especifica¸c˜
ao de Conhecimento para Agentes Cognitivos
Objetivos
Estabelecer uma abordagem de aquisi¸c˜ao de conhecimento para Sistemas Multiagentes Cognitivos utilizando Redes de Petri Hier´arquicas como linguagem de especifica¸c˜ao em n´ıvel de conhecimento. A abordagem pode ser compreendida a partir dos seguintes requisitos:
utiliza¸c˜ao de ´unica abordagem de especifica¸c˜ao para os diferentes n´ıveis de abstra¸c˜ao do sistema;
modelo de especifica¸c˜ao social onde ´e poss´ıvel a representa¸c˜ao expl´ıcita de conceitos sociais e dos mecanismos de coordena¸c˜ao;
modelo de especifica¸c˜ao individual segunda uma arquitetura gen´erica de cogni¸c˜ao; aproveitamento dos resultados te´oricos e ferramentas j´a desenvolvidas em torno da utiliza¸c˜ao de Redes de Petri no n´ıvel de especifica¸c˜ao individual;
linguagem de especifica¸c˜ao apta `a estrutura¸c˜ao de diversos formalismos de representa¸c˜ao de conhecimento, como l´ogica, quadros e redes semˆanticas;
Especifica¸c˜
ao de Conhecimento para Agentes Cognitivos
Figura: Descri¸c˜ao geral da abordagem de especifica¸c˜ao de conhecimento para SMA
Especifica¸c˜
ao de Conhecimento para Agentes Cognitivos
Regras Geradas
REGRA 1
SE
(bola controle nenhuma)
ENTAO
(a¸
c~
ao ativa mova-para-bola)
REGRA 2
SE
(ball dist^
ancia < 1)
ENTAO
(bola controle minha-equipe)
(a¸
c~
ao ativa nenhuma)
Especifica¸c˜
ao de Conhecimento para Agentes Cognitivos
Resultados
Modelo em Rede de Petri que permite uma especifica¸c˜ao em n´ıvel de conhecimento, adequando seu conjunto de termos a qualquer formalismo de representa¸c˜ao de conceitos sociais e a qualquer formalismo de representa¸c˜ao de conhecimento, estabelecendo uma rela¸c˜ao formal entre o n´ıvel social e individual; Permitir a verifica¸c˜ao estrutural do conhecimento modelado, pela utiliza¸c˜ao das ferramentas de an´alise de RP;
Estruturar o sistema em m´ultiplos n´ıveis de abstra¸c˜ao, definido segundo a complexidade do conhecimento do sistema, por interm´edio dos mecanismos de hierarquiza¸c˜ao;
Definir um mecanismo de representa¸c˜ao para a coordena¸c˜ao social do sistema, por interm´edio de um planejamento global de a¸c˜oes;
Bibliografia
BITTENCOURT, G. (1997). In the Quest of the Missing Link. Proceedings of International Joint Conference on Artificial Intelligence (IJCAI’97), p´aginas 310 -315, Nagoya, Jap˜ao.
da COSTA, A. L. e BITTENCOURT, G. (1999). From a Concurrent Architecture to a Concurrent Autonomous Agents Architecture. Proceedings of International Joint Conference on Artificial Intelligence (IJCAI’99).
GONC¸ AVES, E. M., da COSTA, A. L., BITTENCOURT, G. Otimiza¸c˜ao de Controladores Nebulosos e Sistemas Especialistas Reativos utilizando Algoritmos Gen´eticos. III Encontro Nacional de Inteligˆencia Artificial (ENIA 2001), Fortaleza. GONC¸ ALVES, E. M. e BITTENCOURT, G. Strategies for Multi-agent
Coordination in a Grid World Using Petri Nets. Lecture Notes in Computer Science, Berlin / Heidelberg, v. 3900, p. 414-419, 2006.