Aplicações. Helder Coelho LabMAg e ICC, FCUL. Universidade de Lisboa

Transcrição

1 Aplicações Helder Coelho LabMAg e ICC, FCUL Universidade de Lisboa

2 DEFACTO O sistema DEFACTO (Demonstrating Effective Flexible Agent Coordination of Teams through Omnipresence) de Nathan Schurr (University of Southern California, 2006) é usado para treinar os comandantes de bombeiros de Los Angeles. Combina técnicas de IA, visualização em 3D e raciocínio para a interacção entre seres humanos. Simula tácticas de resposta em primeira mão, decisões, e comportamentos em situações de incêndios urbanos onde é exigida forte interacção. [2/9]

3 DEFACTO Ferramenta para o treino de respostas/reacções rápidas em situações críticas de emergência: avaliação dos incidentes, interacções entre equipamentos e grupos de recursos humanos, e coordenação de respostas em desastres. Melhorar a automatização da coordenação de rotinas em contextos variados, com um número elevado de entidades envolvidas (carros de bombeiros e de polícias, ambulâncias), e na eventualidade de ocorrências simultâneas. [3/9]

4 DEFACTO O sistema é composto de três componentes: Visor omnipresente: interface intuitiva, Enquadramento de proxies: para a coordenação de equipas. Interacção flexível: para facilitar as conversas entre o comandante do incidente e a equipa, e ajudar a coordenação dos recursos no ataque a desastres. Cada proxy tem uma arquitectura (Machinetta) em Java composta de 5 componentes: comunicação, coordenação, estado, autonomia ajustável, e uma interface RAP (Ring Array Processor). [4/9]

5 Sistema ARMOR ( Assistant for Randomized Monitoring Over Routes ) Faz parte da Tese de Doutoramento de Praveen Paruchuri (2007), sob a orientação do professor Milind Tambe na USC (Los Angeles). Mistura IA, Tecnologia dos Agentes, Matemática, Algoritmos, e Teoria dos Jogos. Objectivo: enfrentar os terroristas que ameaçam a segurança do aeroporto LAX, através da criação de padrões, ou regularidades, nas rotinas da segurança dos veículos em redor do LAX: geração, de modo aleatório, de datas e locais das forças de segurança (escalonamento de patrulhas). [5/9]

6 ARMOR Construir uma vantagem estratégica em relação aos terroristas, quer dizer que a polícia terá uma política, enquanto os adversários apenas podem observar e explorará-la. O título da Tese é claro: Keeping the Adversary Guessing: Agent Security by Policy Randomization. Por de trás desta situação está o jogo Bayesian- Stackelberg e o melhor algoritmo DOBSS encontrado ( Decomposed Optimal Bayesian Stackelberg Solver ) entre jogadores capazes de assumirem papeis cooperativos. [6/9]

7 ARMOR Neste tipo de jogo, os especialistas em segurança sabem que os humanos tentam tornar as suas acções aleatórias, caindo depois em padrões previsíveis, e oferecendo de modo não intencional a previsibilidade que os adversários estão à procura e à espera. Em geral, os elementos de patrulha (controle), tais como os check points temporários em estradas de acesso aos aeroportos, são cada vez mais previsíveis, de semana para semana. E, daí a urgência de um sistema ARMOR inovador. [7/9]

8 ARMOR O algoritmo DOBSS aceita como pontos de informação configurações dos sítios, localizações das patrulhas, níveis de pessoal, e informações de ameaça. A interface com os utilizadores do sistema ARMOR mostra uma escala simples do tipo Excel, com campos sombreados representando os sítios sugeridos para os check points dos veículos e a detecção canina de explosivos. O ARMOR actua só como assistente, recomendando as escalas e os locais de inspecção, e não se pretende que ele dite a escala do patrulhamento. [8/9]

9 Trabalhos da Tese de PhD Ao longo da tese de PhD, Paruchuri trabalhou em: Agent Modeling for Security Planning: algoritmos heurístico ASAP (AAMAS07) e o exacto DOBSS (tese) para resolver o jogo da segurança. DOBSS está dentro do sistema ARMOR. Security in Multiagent Systems by Policy Randomization: algoritmos de segurança onde os agentes não têm qualquer modelo do adversário para suportar o jogo de minimização de informação com o adversário através da aleatoriedade intencional das políticas dos agentes em (PO)MDP sem recompensas de sacrifício significativas ou quebras de coordenação (AAMAS06). [9/9]

10 Trabalhos da Tese de PhD Três algoritmos novos, um baseado em NLP e dois baseados em LP para tornar aleatórias as políticas dos agentes para atingirem um certo nível de recompensa. Algoritmo RDM (Rolling Down Randomization) para gerar eficientemente políticas aleatórias para POMDP descentralizados. Teamwork with Resource Constraints: enquadramento EMTDP, distribuído e MDP, onde os agentes não só maximizam as recompensas esperadas das equipes, mas também ligam o consumo de recursos esperados (AAMAS04). [10/9]

11 Trabalhos da Tese de PhD Self vs Team interest in Multiagent Systems Self vs Team interest in Multiagent Systems: sistema multiagente de escalonamento de reuniões para a USC, aplicando a noção de auto-interesse (competição), do autor, versus interesse da equipe (colaboração) (GTDT03). Durante o Mestrado: construção do simulador multiagente de tráfego com arquitecturas BDI (AAMAS02). Programação em C, C ++, Java e Perl, e recurso às ferramentas Lingo, Ampl, e Gambit. Tese desenvolvida em 4 anos ( ) na USC (University of Southern California) em Los Angeles. [11/9]

12 ARMOR O protótipo de ARMOR foi desenvolvido pela Intelligent Automation Inc. onde Paruchuri está empregado, e está a ser usado em LAX desde o início de 2008, e após um período experimental de seis meses. Paruchuri trabalha correntemente no desenvolvimento de algoritmos de navegaçã ção para robôs. [12/9]