IA: Sistemas Multiagente II - Agentes
|
|
- Isaac Sanches Jardim
- 6 Há anos
- Visualizações:
Transcrição
1 IA: Sistemas Multiagente II - Agentes Professor Paulo Gurgel Pinheiro MC906A - Inteligência Articial Instituto de Computação Universidade Estadual de Campinas - UNICAMP 21 de Outubro de / 72
2 pinheiro/ [MC906] 2 / 72
3 Agente Mundo do aspirador de pó Agentes racionais O que vamos aprender hoje? 1 Agentes 2 Agentes racionais 3 4 Agente orientado a tabela Agente reativo simples Agente baseado em objetivo (cognitivo) Agente baseado em utilidade (otimizador) 5 Discussão 1-3 / 72
4 Agente Mundo do aspirador de pó Agentes racionais Agente Agente Em geral, um agente é tudo o que é capaz de perceber o ambiente onde se encontra através de sensores e atuar utilizando seus atuadores. Para nós, esse agente deve ser racional. Agente humano: Sensores: Olhos, pele, ouvidos... Atuadores: Mãos, pernas... Agente robótico: Sensores: câmera, ultrassom, laser, giroscópio... Atuadores: rodas, esteira, braços mecânicos... 4 / 72
5 Agente Mundo do aspirador de pó Agentes racionais Agente Agente A função agente mapeia uma sequência de percepções em ações: [f : P A] 5 / 72
6 Agente Mundo do aspirador de pó Agentes racionais Agente Agente O programa do agente implementa esta função. O programa é executado em uma arquitetura para produzir f agente = arquitetura + programa Arquitetura e programa devem ser compatíveis Se o programa dene ações de caminhar, é melhor que a 6 / 72
7 Agente Mundo do aspirador de pó Agentes racionais Agente Agente aspirador de pó Percepções [localização, conteúdo] Localização: A, B Conteúdo: Limpo, Sujo Ações: Esquerda, Direita, Aspirar 7 / 72
8 Agente Mundo do aspirador de pó Agentes racionais Agente Agente aspirador de pó 8 / 72
9 Agente Mundo do aspirador de pó Agentes racionais Agente Agente aspirador de pó Função AgenteAspirador ([posição, estado]) Se estado = Sujo então return Aspirar Senão se posição = A então return Direita Senão se posição = B então return Esquerda 9 / 72
10 Agente Mundo do aspirador de pó Agentes racionais Agente Medida de desempenho Não existe uma medida apropriada para todos os agentes e situações Geralmente imposta pelo projetista Outras vezes, aprendida (melhorada) pelo próprio agente Para o agente aspirador de pó: Quantidade de sujeira limpa em um único turno de 8 horas Problemático na vida real Recompensar o agente por cada quadrado limpo e penalizá-lo pela eletricidade consumida e pelo ruído gerado. Observar a limpeza média ao longo do tempo baseando-se pelo histórico. 10 / 72
11 Agente Mundo do aspirador de pó Agentes racionais Agentes racionais 11 / 72
12 Agente Mundo do aspirador de pó Agentes racionais Agente Agentes racionais Um agente racional deve procurar fazer o que é certo, baseado: Nas suas percepções Nas ações que pode tomar Agente racional: Para cada sequência de percepções, o agente deve selecionar aquela ação que supostamente maximiza a sua medida de desempenho esperada. Essa decisão pode ser tomada utilizando suas percepções + conhecimento adquirido + histórico de ações. 12 / 72
13 Agente Mundo do aspirador de pó Agentes racionais Agente Agentes racionais Agir com racionalidade depende: do que somos (do que sei e do que posso fazer) de como pensamos dos nossos valores O ambiente pode limitar suas ações racionais Você pode se limitar As regras (do domínio) podem limitar suas ações racionais O contrário também vale: Você pode tomar atitudes racionais do seu ponto de vista, mas não do ponto de vista de terceiros. 13 / 72
14 Agente Mundo do aspirador de pó Agentes racionais Agente Agentes racionais Desde que você escolha a ação que maximize a medida de desempenho esperada, estará agindo de forma racional. Quanto mais complexo o ambiente e o agente, mais complexo seu comportamento racional. Não trataremos de "desvios"(intuição, desejo, desvio de conduta...) 14 / 72
15 Agente Mundo do aspirador de pó Agentes racionais Agentes racionais Aspirador de pó é um agente racional? Conhecimento do ambiente: o ambiente é conhecido a priori, mas a distribuição da sujeira e sua posição inicial não. Ações: esquerda, direita, aspirar Percepções: percebe sua posição e se contém sujeira. Medida de desempenho: 1 ponto para cada quadrado limpo em cada período de tempo até 1000 'tempos'. Obs: De acordo com esses dados e a tabela anterior, após a limpeza, o agente oscila de um lado para o outro. Agente é racional! (seleciona uma sequência de ações que (se espera) maximize sua medida de desempenho. 15 / 72
16 Agente Mundo do aspirador de pó Agentes racionais Agentes racionais Racionalidade x Onisciência Racionalidade não é o mesmo que perfeição Racionalidade: maximiza o desempenho esperado Perfeição: maximiza o desempenho real. 16 / 72
17 Agente Mundo do aspirador de pó Agentes racionais Agentes racionais Racionalidade x Onisciência Difícil (pra não dizer impossível) projetar um agente que deve escolher a melhor ação após a ocorrência do fato desconhecido (que ele não pode notar). Não podemos considerar um agente como irracional pelo fato de ele não levar em conta algo que ele não pode perceber ou por uma ação que ele não é capaz de tomar. O que é preciso fazer? Coletar informações Aprender Autonomia 17 / 72
18 Agente Mundo do aspirador de pó Agentes racionais Agentes racionais Como são os agentes bem-sucedidos? Quando o agente está sendo projetado, uma parte do cálculo da função é feita pelos projetistas. Quando o agente está escolhendo sua próxima ação, ele realiza mais cálculos. À medida que aprende a partir de suas experiências, ele efetua mais cálculos para decidir suas próximas ações. 18 / 72
19 Agente Mundo do aspirador de pó Agentes racionais Agentes racionais Aprendizado Agente racional pode não apenas coletar informações sobre o seu universo, mas pode também aprender com essas informações visando modicar seu comportamento futuro. 19 / 72
20 Agente Mundo do aspirador de pó Agentes racionais Agentes racionais Autonomia Agente autônomo: Baseia-se em suas próprias percepções e não no conhecimento anterior de seu projetista. Aprende o que puder para compensar um conhecimento prévio parcial ou incorreto. Agente racional: deve ser autônomo! 20 / 72
21 Agente Mundo do aspirador de pó Agentes racionais Agentes racionais Tudo se resume a (McCarthy e Hayes 69, Newell 81) Agente Racional: fazer a melhor coisa possível Segue-se um princípio de racionalidade: Dada uma sequência perceptiva, o agente escolhe, segundo os seus conhecimentos, as ações que satisfazem melhor seu desempenho. 21 / 72
22 22 / 72
23 Problema: Motorista de Taxi automatizado 23 / 72
24 Ambientes Classes de ambientes Físico: robôs Software: softbots Realidade virtual (simulação do ambiente físico): softbots e avatares Propriedades de um ambiente acessível x inacessível estático x dinâmico determinístico x não-determinístisco discreto x contínuo episódico x não-episódico tamanho (número de percepções, ações, objetivos,...) 24 / 72
25 Observável x Parcialmente observável Observável: quando os sensores do agente conseguem perceber o estado completo do ambiente. Parcialmente: Aspirador de pó com apenas um sensor não pode saber se tem sujeira dos dois lados Parcialmente: Agente do jogo ao nascer. Completamente: Futebol de robôs com visão global. Na robótica, elementos que também tornam o ambiente parcialmente observável: ruídos na leitura dos sensores; imprecisão dos sensores; limitação dos sensores. 25 / 72
26 Determinístico x Estocástico Determinístico: O próximo estado do ambiente pode ser complemente determinado pelo estado atual e as ações selecionadas pelo agente. Ex determinístico: aspirador de pó (se esta sujo e agente limpa, vai car limpo senão tiver outros agentes) ex. estocástico: ambiente do motorista de taxi (nunca sabemos quando um pneu vai furar). Em um ambiente completamente observável e determinístico o agente não precisa se preocupar com a incerteza deste ambiente. Um ambiente parcialmente observável pode parecer estocástico. 26 / 72
27 Estático x Dinâmico O ambiente muda não muda enquanto o agente está escolhendo a ação a realizar? Dinâmico: ambiente do motorista de táxi (outros táxis se movimentam enquanto um táxi ca decidindo como movimentar) Dinâmico: Estático: jogo de palavras cruzadas 27 / 72
28 Episódico x Sequencial Episódico: a experiência do agente é dividida em episódios. Episódio = percepção + ação do agente Cada episódio não depende das ações que ocorreram em episódios prévios Exemplo episódico: agente que verica peças em uma linha de montagem (se uma peça é defeituosa não depende das outras) Sequencial: decisão atual pode afetar todas as futuras ou ter sido afetada por anteriores Exemplo: Jogo de xadrez 28 / 72
29 Discreto x Contínuo Discreto Quando existe um número distinto e claramente denido de percepções e ações em cada turno. Exemplo discreto: jogo de xadrez: tem um número nito de estados distintos e ações. Contínuo Percepções e ações mudam em um espectro contínuo de valores. Exemplo contínuo: motorista de taxi: velocidade, ângulo da direção, etc, mudam de forma contínua. 29 / 72
30 Exemplos 30 / 72
31 Agente de Tabela Agente baseado em objetivos (cognitivo) 31 / 72
32 Agente de Tabela Agente baseado em objetivos (cognitivo) Classicação 32 / 72
33 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquiteturas Agente tabela Agente reativo simples Agente reativo baseado em modelo (com estado interno ) Agente baseado em objetivos (cognitivo) Obs: O que for visto em agentes mais simples poderá ser utilizado em agentes mais complexos. 33 / 72
34 Agente de Tabela Agente baseado em objetivos (cognitivo) Agente Tabela Arquitetura de agente 34 / 72
35 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agentes Agente de Tabela O programa AGENTE-DIRIGIDO-POR-TABELA é invocado a cada nova percepção e retorna uma ação de cada vez. ação ACESSAR(percepções, tabela) 35 / 72
36 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agentes Agente de Tabela Limitações Mesmo para problemas simples as tabelas podem ser muito grandes. Nem sempre é possível, por ignorância ou questão de tempo, construir a tabela Não há autonomia nem exibilidade Ambientes observável, determinístico, episódico, estático, discreto e minúsculo! 36 / 72
37 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agentes Agente de Tabela Relembrando um dos desaos da IA: Descobrir como escrever programas que na medida do possível, produzam um comportamento racional a partir de uma pequena quantidade de código, e não a partir de um grande número de entradas de tabelas. 37 / 72
38 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agente 38 / 72
39 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agentes Selecionam ações com base na percepção atual, ignorando o restante do histórico das percepções Exemplo: aspirador de pó reativo função AGENTE-ASPIRADOR-DE-PÓ-REATIVO([posição, estado]) retorna uma ação se estado = sujo então retorna Aspirar senão se posição = A então retorna Direita senão se posição = B então retorna Esquerda 39 / 72
40 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agentes Introduzida por Brooks (1986) no domínio da Robótica. Não há representação explícita do conhecimento Não possuem representação interna simbólica do ambiente 40 / 72
41 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agentes Vantagens e desvantagens Regras condição-ação: representação inteligível, modular e eciente ex. luzvermelha(carrodafrente,acesa) frear Não pode armazenar uma sequência perceptiva, nem valores de utilidade. Não há memória de ações Pouca autonomia Ambientes: Observável, episódico, pequeno 41 / 72
42 Agente de Tabela Agente baseado em objetivos (cognitivo) Exemplo 42 / 72
43 Agente de Tabela Agente baseado em objetivos (cognitivo) Exemplo - Robôs exploradores Simulação da exploração de um planeta distante com o objetivo de coletar amostras de pedras de um determinado tipo. A localização das amostras não é conhecida. Existe inúmeras versões desse problema O versão apresentada aqui é a mais simples Não cooperativa Contato com a base através de sinal de propagação 43 / 72
44 Agente de Tabela Agente baseado em objetivos (cognitivo) Exemplo - Robôs exploradores Comportamentos Procurar por amostras Agentes procuram por amostras aleatoriamente Move aleatoriamente no terreno Coletar amostra Agentes coletam as amostras que encontrarem Se (detecta uma amostra), então (a colhe) Retornar a base Agentes carregando amostras devem retornar a nave-mãe Se (carrega uma amostra), então (move em direção a base) 44 / 72
45 Agente de Tabela Agente baseado em objetivos (cognitivo) Exemplo - Robôs exploradores Comportamentos (Cont.) Depositar amostra Agentes depositam as amostras na nave-mãe Se (carrega uma amostra e está na base), então (deposita amostra) Desviar de obstáculo Agentes se desviam de obstáculos no seu caminho Se (detecta um obstáculo no caminho), então (contorna-o) 45 / 72
46 Agente de Tabela Agente baseado em objetivos (cognitivo) Exemplo - Robôs exploradores Comportamentos (Cont.) 46 / 72
47 Agente de Tabela Agente baseado em objetivos (cognitivo) Exemplo - Robôs exploradores Comportamentos (Cont.) Sem objetivos Sem medida de utilidade Sem representação do mundo 47 / 72
48 Agente de Tabela Agente baseado em objetivos (cognitivo) Agente reativo baseado em modelo (com estado interno) Arquitetura de agente 48 / 72
49 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agente Possui o conhecimento de como o mundo funciona Mantém um estado interno de controle 49 / 72
50 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agente Mantém um estado interno de controle Utiliza informações a respeito da evolução do mundo para controlar as partes não-vistas; Controla o estado atual do mundo usando um modelo interno. Em seguida, escolhe uma ação da mesma maneira que o agente reativo simples. O agente deve controlar as partes do mundo que ele não pode ver agora. Ex.: a presa ao dar as costas para o predador, deve continuar fugindo / 72
51 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agente Dois tipos de conhecimento são necessários para atualizar o estado interno do agente (modelo do mundo): 1 Como o ambiente evoluí independente do agente O fato do Ladrão não estar no campo de visão do poupador durante a fuga não garante a ausência de perigo. 2 Como as ações do próprio agente afetam o mundo Se o agente poupador continuar o processo de fuga durante um certo tempo ele poderá estimar quando o ladrão realmente cou para trás e não mais representa um perigo iminente. Modelo do mundo: O conhecimento de "como o mundo funciona" 51 / 72
52 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agente Desvantagem: pouca autonomia não tem objetivo Conhecer os estados do ambiente não é suciente para tomar uma boa decisão Exemplo o agente Motorista de Táxi chega a um cruzamento com três caminhos, qual direção tomar? Simplesmente reagir: mas existem três reações possíveis Examinar o modelo de mundo: não ajuda a decidir qual o caminho A decisão depende de onde o táxi está tentando chegar (objetivo) 52 / 72
53 Agente de Tabela Agente baseado em objetivos (cognitivo) Agente baseado em objetivos (cognitivo) Arquitetura de agente 53 / 72
54 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agente Agente baseado em objetivos (cognitivo) Vantagens e desvantagens: Agente combina seus objetivos com os resultados das ações. 54 / 72
55 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agente Agente baseado em objetivos (cognitivo) Necessidade de busca e planejamento No agente reativo regras são pré-compiladas. No agente baseado em objetivos pode alterar somente o objetivo sem necessidade de reescrever as regras. Vantagens e desvantagens: Mais exível, autônomo Não trata objetivos conitantes 55 / 72
56 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agente 56 / 72
57 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agente Utilizam uma medida de desempenho Permite a comparação entre diferentes estados do mundo Depositar moedas ou fugir do ladrão? 57 / 72
58 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agente Existem muitas sequências de ações que levam o agente ao seu objetivo. Algumas mais rápidas, mais seguras, mais econômicas, etc. Cada Estado do Mundo do sistema possui uma função de utilidade Se um estado do mundo é mais desejável que outro, então ele terá maior utilidade para o agente. Ambiente: Sem restrição. 58 / 72
59 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agente Utilidade é uma função que mapeia um estado para um número real que representa o grau de satisfação com este estado. A função de utilidade mede suas preferências entre estados do mundo Casos a se utilizar: Quando existem objetivos conitantes (velocidade x segurança) a função de utilidade especica o compromisso apropriado Quando existem vários objetivos que se deseja alcançar e nenhum deles pode ser atingido com certeza ponderar a importância dos objetivos Quando existe um único objetivo e quer a melhor sequência de ações (planejamento). 59 / 72
60 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agente 60 / 72
61 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agente Ambiente: sem restrição Vantagem: tem adaptabilidade (aprende) Ex. motorista do taxi sem o mapa da cidade 61 / 72
62 Agente de Tabela Agente baseado em objetivos (cognitivo) Arquitetura de agente Em agentes sem aprendizagem tudo o que o agente sabe foi colocado nele pelo projetista Aprende a mudar a função de desempenho Elemento de aprendizado utiliza realimentação Usa informações sobre como um agente está funcionando e Determina de que maneira o elemento de desempenho deve ser modicado para funcionar melhor no futuro Aprende a escolher a melhor ação Mapeiam um estado (ou uma sequência de estados) em um número real, que descreve o grau de felicidade associado; Especica um meio pelo qual a probabilidade de sucesso pode ser ponderada em relação a importância dos objetivos, quando estes não puderem ser alcançados; Tenta maximizar o valor de sua função de utilidade. 62 / 72
63 sobre arquitetura de agentes Arquitetura de agente 63 / 72
64 Arquitetura de agente Agente por Tabela Problemas!! Limitações em representar as regras Percepções Ações Ambientes: Observável, determinístico, episódico, estático, discreto e minúsculo! Melhorou: A representação. Utilizou regras de condição-ação Problemas!! Ignorar histórico de percepções passadas, torna-o mais simples (motivação para implementar este agente), mas possui pouquíssima autonomia. Só funciona corretamente se o ambiente for completamente observável Agente aspirador entraria em ciclo 64 / 72
65 Arquitetura de agente Agente Reativo baseado em modelo interno Motivação: necessidade de lidar com ambientes parcialmente observáveis Solução: manter um estado interno que dependa do histórico de percepções Guardo como o mundo é dado as ações realizadas pelo agente e pelas mudanças do próprio mundo. Melhorou Ambientes parcialmente observáveis Problemas: Não há um objetivo ou funções de utilidade Pouco autônomo 65 / 72
66 Arquitetura de agente Agente Baseado em Objetivos Além de ter um conjunto de regras condição-ação, ter também um (ou mais) objetivos. Solução: acrescenta a um agente reativo simples ou baseado em modelo interno, objetivos a serem alcançados. Melhorou: Mais exível Mais autônomo Problemas!!! Havendo um objetivo, que sequência de passos é melhor seguir? Havendo mais de um objetivos, qual escolher? Não tem como decidir. 66 / 72
67 Arquitetura de agente Agente Baseado em Utilidade Além de ter um conjunto de regras condição-ação, ter também funções de utilidade Quão feliz eu vou car naquele estado. A função de utilidade permite: estabelecer preferências entre sequências de estados que permitem atingir os mesmos objetivos escolher o melhor objetivo a ser atingido naquele momento. Exemplo: Objetivo 1 do poupador: Depositar no banco. Objetivo 2: fugir Melhorou: Questão da escolha dos objetivos conitantes e melhor sequência para um objetivo. Problemas!!! Não aprendi com as experiências. 67 / 72
68 Arquitetura de agente Agentes com aprendizagem Motivação: o agente começa por atuar num ambiente desconhecido e vai cando mais eciente em relação a sua atuação anterior. 68 / 72
69 Reexões sobre a arquitetura de agente 69 / 72
70 Arquitetura de agente - Aula 17 Seja qual for o seu agente, ele terá objetivos, certo? Funções de utilidade permitem denir a melhor sequência de ações estado para atingir um objetivo havendo dois objetivos concorrentes, permite escolher o mais apropriado. Ladrão: Correr atrás do poupador x Achar o banco Poupador: Achar o banco x Fugir do ladrão Ladrão x Poupador Objetivo, Utilidade, Aprendizagem. 70 / 72
71 Profa. Patrícia Jaques Prof. Alexandre Simões Agradecimentos: 71 / 72
72 Paulo Pinheiro 72 / 72
Aula 02a Agentes Inteligentes
Tópicos Aula 02a Agentes Inteligentes Prof. Dr. Alexandre da Silva Simões 1. Agentes: Conceitos básicos: função, programa, percepção, ações,... Relação entre comportamento e desempenho Racionalidade Autonomia
Leia maisInteligência Artificial Agentes Inteligentes
Inteligência Artificial Jarley P. Nóbrega, Dr. Faculdade Nova Roma Bacharelado em Ciência da Computação jpn@jarley.com Semestre 2018.2 Jarley P. Nóbrega, Dr. (Nova Roma) Inteligência Artificial Semestre
Leia maisAgentes Inteligentes. Módulo 02 27/02/2013. Inteligência Artificial. Profª Hemilis Joyse
Agentes Inteligentes Módulo 02 1 Agente É tudo que pode ser considerado capaz de perceber seu ambiente por meio de sensores e de agir sobre esse ambiente por intermédio de atuadores. 2 Agente Tabela parcial
Leia maisAgentes Inteligentes. Inteligência Artificial
Agentes Inteligentes (Capítulo 2 - Russell) Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto Estrutura 1. Definições 2. Ambiente de Tarefas 3. Exemplos de ambiente de Tarefas 4. Propriedades
Leia maisAgentes Inteligentes
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Agentes Inteligentes Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisInteligência Artificial. Prof. Tiago A. E. Ferreira Aula 4 Tipos de Agentes Inteligentes Racionais e Ambientes
Inteligência Artificial Prof. Tiago A. E. Ferreira Aula 4 Tipos de Agentes Inteligentes Racionais e Ambientes 1 Um programa de IA pode ser visto como um Agente Racional Plano da aula Ambientes e arquiteturas
Leia maisAgentes Inteligentes. CAPÍTULO 2 - Russell
Agentes Inteligentes CAPÍTULO 2 - Russell O que é um Agente Inteligente Um agente é tudo o que pode ser considerado capaz de perceber seu ambiente por meio de sensores e de agir sobre seu ambiente por
Leia maisInteligência Artificial. Agentes computacionais. Aula IV Cap.2 Russell e Norvig (continuação)
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Agentes computacionais Aula IV Cap.2 Russell e Norvig (continuação) Roteiro: Russell e Norvig,
Leia maisO que é um Agente. Agente é qualquer entidade que:
O que é um Agente Agente é qualquer entidade que: percebeseu ambiente através de sensores (ex. câmeras, microfone, teclado, mensagens de outros agentes,...) agesobre ele através de efetuadores (ex. vídeo,
Leia maisInteligência Artificial
Faculdade Ieducare 7º Semestre Sistemas de Informação Professor: Rhyan Ximenes 1 Objetivos de hoje: Agentes Inteligentes 2 Revisão: Barr & Feigenbaum (1981) IA é a parte da ciência da computação que se
Leia maisInteligência Artificial: 2. Agentes Inteligentes. Capítulo 2 Russell e Norvig
Inteligência Artificial: 2. Agentes Inteligentes Capítulo 2 Russell e Norvig Agentes Um agente é algo capaz de perceber seu ambiente por meio de sensores e de agir sobre esse ambiente por meio de atuadores.
Leia maisAgentes Inteligentes
Agentes Inteligentes O que é um Agente? Agente é qualquer entidade que: percebe seu ambiente através de sensores (ex. câmeras, microfone, teclado,mensagens de outros agentes,...) age sobre ele através
Leia maisTópicos Especiais: Inteligência Artificial AGENTES INTELIGENTES
Tópicos Especiais: Inteligência Artificial AGENTES INTELIGENTES Material baseado e adaptado do Cap. 2 do Livro Inteligência Artificial de Russel & Norving Bibliografia Inteligência Artificial Russell &
Leia maisInteligência Artificial Prof. Marcos Quinet Pólo Universitário de Rio das Ostras PURO Universidade Federal Fluminense UFF
Inteligência Artificial Prof. Marcos Quinet Pólo Universitário de Rio das Ostras PURO Universidade Federal Fluminense UFF No capítulo anterior... O teste de Turing; Abordagem Simbolista para a resolução
Leia maisAgentes Inteligentes Curso de Análise e Desenvolvimento de Sistemas INTELIGÊNCIA ARTIFICIAL PROFESSOR FLÁVIO MURILO
Curso de Análise e Desenvolvimento de Sistemas 1 Definição Russel e Norvig definem Agentes Inteligentes como algo capaz de perceber o ambiente por meio de sensores e agir sobre eles por meio de atuadores.
Leia maisInteligência Artificial Agentes Inteligentes
Inteligência Artificial Agentes Inteligentes Prof. Kléber de Oliveira Andrade pdjkleber@gmail.com Agentes Inteligentes Definição Um agente é tudo que pode ser considerado como capaz de perceber seu ambiente
Leia maislnteligência Artificial
Problema: Auxílio a Compras na Web lnteligência Artificial s Inteligentes 1 2 Problema: Automatização de sistemas de potência Problema: Produção de histórias interativas. Criar ilusão da vida (ex. Walt
Leia maisInteligência Artificial - IA. Agentes Inteligentes Cont.
Agentes Inteligentes Cont. 1 Caracterização de agente - M. A. A. S. (P.E.A.S) Medida desempenho Ambiente Atuadores Sensores Agente filtro de e-mail Minimizar carga de leitura usuário mensagens do usuário
Leia maisInteligência Artificial. Agentes computacionais. Aula III Cap.2 Russell e Norvig
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Agentes computacionais Aula III Cap.2 Russell e Norvig Roteiro: Russell e Norvig, cap2 Agentes
Leia maisRedes Neurais (Inteligência Artificial)
Redes Neurais (Inteligência Artificial) Aula 02 Agentes Inteligentes Edirlei Soares de Lima Agentes Inteligentes Um agente é algo capaz de perceber seu ambiente por meio de sensores
Leia maisAGENTES E AMBIENTES. BREVE INTRODUÇÃO A AGENTES Prof. Tacla UTFPR/Curitiba
AGENTES E AMBIENTES BREVE INTRODUÇÃO A AGENTES Prof. Tacla UTFPR/Curitiba AGENTE SITUADO Ênfase na visão de IA como agente situado e racional em um ambiente que consegue perceber por meio de sensores e
Leia maisAgentes Inteligentes
Agentes Inteligentes I. Agir de forma humana: a abordagem do teste de Turing: Processamento de linguagem natural (comunicar-se); Representação de conhecimento (armazenar); Raciocínio automatizado (responder
Leia maisModelos Baseados em Agentes. Agentes Reativos. Prof. André Campos Aula #4
Modelos Baseados em Agentes Agentes Reativos Prof. André Campos Aula #4 Concepção de agentes Definir uma arquitetura para o agente Objetivo: especificar a forma na qual as propriedade de Autonomia Reação
Leia maisIA - Planejamento II
PO IA - Planejamento II Professor Paulo Gurgel Pinheiro MC906A - Inteligência Articial Instituto de Computação Universidade Estadual de Campinas - UNICAMP 16 de Novembro de 2010 1 / 48 PO http://www.ic.unicamp.br/
Leia maisAgentes inteligentes. Capítulo 2 Inteligência Artificial Sistemas de Informação
Agentes inteligentes Capítulo 2 Inteligência Artificial Sistemas de Informação Resumo Agentes e ambientes Racionalidade Desempenho, ambiente, atuadores e sensores Tipos de ambientes Tipos de agentes Agentes
Leia maisTópicos Especiais em Informática
Dilermando Piva Jr Fatec Indaiatuba Russell & Norvig (2003) atuadores Agentes Inteligentes 2 Incluem seres humanos, robôs, termostatos etc. A função do agente mapeia qualquer seqüência de percepções específica
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 02 Agentes Inteligentes Edirlei Soares de Lima Agentes Inteligentes Um agente é algo capaz de perceber seu ambiente por meio de sensores e de
Leia maisAgentes Inteligentes Sistemas Inteligentes Especialização em Automação Industrial SISTEMAS INTELIGENTES PROFESSOR FLÁVIO MURILO
Agentes Inteligentes Sistemas Inteligentes Especialização em Automação Industrial 1 Agentes inteligentes Russel e Norvig definem Agentes Inteligentes como algo capaz de perceber o ambiente por meio de
Leia maisAGENTES INTELIGENTES
AGENTES INTELIGENTES Agentes Inteligentes Um agente é algo capaz de perceber seu ambiente por meio de sensores e de agir sobre esse ambiente por meio de atuadores. Agente? sensores atuadore s percepções
Leia maisSistemas Multi-agentes
Sistemas Multi-agentes! Projeto dos agentes «O problema é resolvido por um conjunto de agentes, fisicamente distribuídos em diversas máquinas conectadas. «Os agentes são concebidos para solucionar um problema
Leia maisInteligência Artificial
Inteligência Artificial Fabrício Olivetti de França 07 de Junho de 2018 1 Agentes 2 Agente, Ambiente e Sensores Um agente é definido pelo ambiente que ele consegue perceber através de seus sensores e as
Leia maisAgentes Inteligentes
Agentes Inteligentes Prof. Sérgio R. P. da Silva Profa. Josiane Melchiori Pinheiro Baseado no Cap. 2 do livro de Stuart Russel e Peter Norving - Inteligência Artificial, 2 a ed. Principais pontos abordados
Leia maisInteligência Artificial - IA. Agentes Inteligentes
Agentes Inteligentes 1 O que é pensar racionalmente? Segundo Aristóteles: pensar racionalmente é um processo de raciocínio irrefutável. Argumentos que resultam em conclusões corretas ao receberem premissas
Leia maisProfessor Paulo Gurgel Pinheiro. 16 de Novembro de 2010
IA - por agentes Professor Paulo Gurgel Pinheiro MC906A - Inteligência Articial Instituto de Computação Universidade Estadual de Campinas - UNICAMP 16 de Novembro de 2010 1 / 34 http://www.ic.unicamp.br/
Leia maisInteligência Articial: Introdução
x MYCIN Inteligência Articial: Introdução Paulo Gurgel Pinheiro MC906A - Inteligência Articial Instituto de Computação Universidade Estadual de Campinas UNICAMP 03 de Agosto de 2010 1 / 31 x MYCIN http://www.ic.unicamp.br/
Leia maisAgentes Inteligentes. Qualquer coisa que pode: 1. Perceber seu ambiente através de sensores e
Agentes Inteligentes Agente: Qualquer coisa que pode: Agente 1. Perceber seu ambiente através de sensores e 2. Agir sobre ambiente através de atuadores. Características de um agente humano: Sensores: Olhos
Leia maisAgentes Inteligentes. Capítulo 2
Agentes Inteligentes Capítulo 2 Sumário Agentes e ambientes Racionalidade PEAS: caracterização de um agente Tipos de ambientes Tipos de agentes Agentes Um agente é tudo o que é capaz de captar/perceber
Leia maisINTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA ARTIFICIAL Primeiro Teste 29 de Outubro de 2011 17:00-18:30 Este teste é composto por 9 páginas contendo 11 perguntas. Para perguntas com resposta de escolha múltipla, respostas erradas com
Leia maisAgentes Inteligentes
Agentes Inteligentes O que é um agente Agente é qualquer entidade que: percebe seu ambiente através de sensores (ex. câmeras, microfone, teclado, finger...) age sobre ele através de atuadores (ex. vídeo,
Leia maisFundamentos de Inteligência Artificial [5COP099]
Fundamentos de Inteligência Artificial [5COP099] Dr. Sylvio Barbon Junior Departamento de Computação - UEL 1 o Semestre Assunto Aula 2 Agentes Inteligentes 2 de 22 Sumário Introdução Propriedades dos Agentes
Leia maisCurso: Inteligência Artificial. Inteligência Artificial. Curso: Inteligência Artificial. Curso: Inteligência Artificial. Introdução 8/16/2010
Curso: Inteligência Artificial Inteligência Artificial Aula 1 Profª Bianca Zadrozny Página web: http://www.ic.uff.br/~bianca/ia-pos Material: Livro texto: Inteligência Artificial, Russell & Norvig, Editora
Leia maisAgentes Inteligentes. Capítulo 2
Agentes Inteligentes Capítulo 2 Sumário Agentes e ambientes Racionalidade PEAS: caracterização de um agente Tipos de ambientes Tipos de agentes Agentes Um agente é tudo o que é capaz de captar/perceber
Leia maisIntrodução a Inteligência Artificial
1 Introdução a Inteligência Artificial Universidade Católica de Pelotas Curso de Engenharia da Computação Disciplina de 2 Introdução a Conceitos Agindo de forma humana Pensando como humano Pensando racionalmente
Leia maisAgentes. O que é um Agente. Agentes Inteligentes. Inteligência Artificial I. Tópicos. Introdução a Agentes. Introdução a Agentes
Universidade Federal de Campina Grande Departamento de Sistemas e Computação Curso de Bacharelado em Ciência da Computação Agentes Inteligência Artificial I Tópicos Fonte: José Francisco Salm Junior (Diretor
Leia maisInteligência Artificial
Fonte: José Francisco Salm Junior (Diretor de Engenharia de Sistemas Instituto Stela) Universidade Federal de Campina Grande Departamento de Sistemas e Computação Curso de Pós-Graduação em Ciência da Computação
Leia maisINTELIGÊNCIA ARTIFICIAL
Agentes Inteligentes Aula 3 Mestrado em Educação (em andamento) MBA em Negócios em Mídias Digitais MBA em Marketing e Vendas Especialista em games : Produção e Programação Bacharel em Sistema de Informação
Leia mais21/02/17. Problema: Auxílio a Compras na Web. PCS 5869 lnteligência Ar9ficial. Prof. Dr. Jaime Simão Sichman Prof. Dra. Anna Helena Reali Costa
PCS 5869 lnteligência Ar9ficial Problema: Auxílio a Compras na Web Prof. Dr. Jaime Simão Sichman Prof. Dra. Anna Helena Reali Costa s Inteligentes 2 Problema: Automa9zação de sistemas de potência Problema:
Leia maisIntrodução à Inteligência Artificial Agentes Inteligentes. Leliane Nunes de Barros
Introdução à Inteligência Artificial Agentes Inteligentes Leliane Nunes de Barros leliane@ime.usp.br 1 O que é Inteligência Artificial? O estudo e a construção de sistemas computacionais inteligentes Nossa
Leia maisInteligência Artificial. Prof. Tiago A. E. Ferreira Aula 5 Resolvendo Problemas
Inteligência Artificial Prof. Tiago A. E. Ferreira Aula 5 Resolvendo Problemas 1 Agente solucionador de problemas (guiado por objetivo) O agente reativo Escolhe suas ações com base apenas nas percepções
Leia maisResolução de Problemas
Resolução de Problemas Como um agente pode encontrar uma sequência de ações que alcança seus objetivos quando nenhuma ação isolada é capaz de fazê-lo. 1 Resolução de Problemas Agente reativo simples: baseia
Leia maisIntrodução à Inteligência Artificial Agentes Inteligentes. Leliane Nunes de Barros
Introdução à Inteligência Artificial Agentes Inteligentes Leliane Nunes de Barros leliane@ime.usp.br 1 O que é Inteligência Artificial? O estudo e a construção de sistemas computacionais inteligentes Nossa
Leia maisResolução de problemas por meio de busca. CAPÍTULO 3 - Russell
Resolução de problemas por meio de busca CAPÍTULO 3 - Russell Os agentes de resolução de problemas decidem o que fazer encontrando seqüências de ações que levam a estados desejáveis. Inicialmente veremos:
Leia maisResolução de problemas por meio de busca. Inteligência Artificial
1 Resolução de problemas por meio de busca (Capítulo 3 - Russell) Inteligência Artificial Professor: Rosalvo Ferreira de Oliveira Neto 2 Estrutura 1. Agente de resolução de problema 2. Tipos de problema
Leia maisInteligência Artificial - IA. Resolução de problemas por meio de busca
Resolução de problemas por meio de busca 1 Agente reativo - definido por ação reação Agente de resolução de problemas (ou baseado em objetivos) encontra sequencias de ações que leva ao estado desejável.
Leia maisAgentes Inteligentes
Agentes Inteligentes 1 O que é um agente Agente é qualquer entidade que: percebe seu ambiente através de sensores (ex. câmeras, microfone, teclado, finger...) age sobre ele através de atuadores (ex. vídeo,
Leia maisIA - Planejamento I. Professor Paulo Gurgel Pinheiro. 11 de Novembro de 2010
IA - I Professor Paulo Gurgel Pinheiro MC906A - Inteligência Articial Instituto de Computação Universidade Estadual de Campinas - UNICAMP 11 de Novembro de 2010 1 / 54 http://www.ic.unicamp.br/ pinheiro/
Leia maisResolução de Problemas
Resolução de Problemas 1 Agente de Resolução de Problemas (1/2) 2 O agente reativo Escolhe suas ações com base apenas nas percepções atuais não pode pensar no futuro, não sabe aonde vai 4 5 8 1 6 7 2 3?
Leia maisIA - Estratégias do jogo Poupador x Ladrão
IA - Estratégias do jogo Poupador x Ladrão Professor Paulo Gurgel Pinheiro MC906A - Inteligência Articial Instituto de Computação Universidade Estadual de Campinas - UNICAMP 25 de Novembro de 2010 1 /
Leia maisInteligência Computacional
Rafael D. Ribeiro, M.Sc. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br Agente: É um elemento qualquer capaz de perceber seu ambiente por meio de sensorese de agir sobre este ambiente
Leia maisResolução de Problemas
Resolução de Problemas Prof. Cedric Luiz de Carvalho Instituto de Informática - UFG Mestrado em Ciência da Computação / 2006 TÓPICOS Resolução Metas Um Problema Processo para Resolução de Problemas Formulação
Leia maisResolução de Problemas. Hugo Barros
Resolução de Problemas Hugo Barros Resolução de Problemas Tópicos Conceitos Básicos Espaço de Estados Resolução de Problemas Dedica-se ao estudo e elaboração de algoritmos, capazes de resolver, por exemplo,
Leia maisLista 1 Sistemas Inteligentes (INE5633) 2014s2. Cap. 2 - Russel & Norvig - Exercícios selecionados (respostas em azul)
Lista 1 () 2014s2 Sistemas de Informação Universidade Federal de Santa Catarina Cap. 2 - Russel & Norvig - Exercícios selecionados (respostas em azul) 1. Tanto a medida de desempenho quanto a função de
Leia maismeio de busca Seções 3.1, 3.2 e 3.3
Resolução de problemas por meio de busca Capítulo 3 Russell & Norvig Seções 3.1, 3.2 e 3.3 Agentes de resolução de problemas Agentes reativos não funcionam em ambientes para quais o número de regras condição
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 24 Aprendizado Por Reforço Formas de Aprendizado Aprendizado Supervisionado Árvores de Decisão. K-Nearest Neighbor (KNN).
Leia maisAgentes Inteligentes Características de um agente humano:
s Inteligentes Características de um agente humano: : Sensores:??? #$%& 306@ ga%#0 Q&% Qualquer coisa que pode: 1. Perceber seu ambiente através de sensores e 2. Agir sobre ambiente através de atuadores.
Leia maisIA Robótica Móvel II - Locomoção e Localização
Planejamento para IA Robótica Móvel II - e Professor Paulo Gurgel Pinheiro MC906A - Inteligência Articial Instituto de Computação Universidade Estadual de Campinas - UNICAMP 23 de Novembro de 2010 1 /
Leia maisIntrodução. Introdução. Introdução. Locomoção. Introdução. Introdução à Robótica Robótica Móvel Locomoção
Introdução Introdução à Robótica Robótica Móvel Prof. Douglas G. Macharet douglas.macharet@dcc.ufmg.br Um robô móvel necessita de mecanismos que o permitam navegar pelo ambiente Projetados de acordo com
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 01 Resolução de problemas por meio de Busca Edirlei Soares de Lima Introdução Agentes Autônomos: Entidades autônomas capazes de observar o ambiente
Leia maisCTC-15 Inteligência Artificial. Prof. Paulo André Castro
Inteligência Artificial Prof. pauloac@ita.br www.comp.ita.br/~pauloac Sala 110, IEC-ITA Planejamento Cap. I - Introdução a Inteligência Artificial (Motivação, bibliografia, orientações gerais Agentes inteligentes)
Leia maisINSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO
INSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO Prof. Msc. Saulo Popov Zambiasi (saulopz@gmail.com) 1 Conceitos, Arquitetura, comportamentos e comunicação. 2 Agentes um agente é tudo
Leia maisIA Robótica Móvel I - Introdução
IA I - Introdução Professor Paulo Gurgel Pinheiro MC906A - Inteligência Articial Instituto de Computação Universidade Estadual de Campinas - UNICAMP 18 de Novembro de 2010 1 / 38 http://www.ic.unicamp.br/
Leia maisCTC-15 Inteligência Artificial. Referências. Planejamento - 2. Principais Avanços da Inteligência Artificial:
Planejamento Cap. I - Introdução a Inteligência Artificial (Motivação, bibliografia, orientações gerais Agentes inteligentes) Cap II. Agentes e Problemas de Busca 0,5 sem 2 semanas (Busca Informada e Busca
Leia maisInteligência Artificial. Aula 2
Inteligência Artificial Aula 2 Retomada da aula passada O que é Inteligência Artificial Inteligência Artificial é o estudo de como fazer os computadores realizarem coisas que, no momento, as pessoas fazem
Leia maisResolução de Problemas. Resolução de Problemas. Primeiros problemas por computador: prova automática de teoremas e jogos.
Figura: Capa do Livro Hamburger, H., Richards, D. Logic and Language Models for Computer Science, Prentice Hall. Universidade Federal de Campina Grande Departamento de Sistemas e Computação Curso de Bacharelado
Leia maisLista de exercícios 1
Lista de exercícios 1 Paulo Gurgel Pinheiro MC906A - Inteligência Articial Universidade Estadual de Campinas - UNICAMP pinheiro@ic.unicamp.br 3 de setembro de 2010 1. Considere o problema do quebra-cabeças
Leia mais1 Introdução Origens
Introdução 13 1 Introdução 1.1. Origens A biologia trouxe através dos anos inúmeras formas de controle primitivo, que num contexto ambiental geram resultados complexos e eficientes. A inspiração para o
Leia maisAgentes que resolvem problemas através de busca Capítulo 3 Parte I
Agentes que resolvem problemas através de busca Capítulo 3 Parte I Leliane Nunes de Barros leliane@ime.usp.br Agente reativo simples também chamado de agente situado ou agente estímulo-resposta reage a
Leia maisAgentes baseados em metas Capítulo 3 Parte I
Agentes baseados em metas Capítulo 3 Parte I Leliane Nunes de Barros leliane@ime.usp.br Agente reativo simples também chamado de agente situado ou agente estímulo-resposta reage a estímulos do ambiente
Leia maisResolução de problemas por meio de busca. Prof. Pedro Luiz Santos Serra
Resolução de problemas por meio de busca Prof. Pedro Luiz Santos Serra Agentes de resolução de problemas Agente: É um elemento qualquer capaz de perceber seu ambiente por meio de sensores e de agir sobre
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 18 Aprendizado Por Reforço Edirlei Soares de Lima Formas de Aprendizado Aprendizado Supervisionado Árvores de Decisão. K-Nearest Neighbor (KNN).
Leia maisInteligência Artificial. Aula 1 Prof. Nayat Sánchez Pi
Inteligência Artificial Aula 1 Prof. Nayat Sánchez Pi Curso: Inteligência Artificial Página web: http://nayatsanchezpi.com Material: Livro texto: Inteligência Artiicial, Russell & Norvig, Editora Campus.
Leia maisCTC-17 Inteligência Artificial Introdução. Prof. Paulo André Castro
CTC-17 Inteligência Artificial Introdução Prof. Paulo André Castro pauloac@ita.br www.comp.ita.br/~pauloac Sala 110, IEC-ITA Ementa da disciplina CTC-17 INTELIGÊNCIA ARTIFICIAL. Requisitos: CTC-11 (ou
Leia maisAnimação comportamental. Controlo de grupos de objectos. Sistemas de partículas Comportamento de grupos (Flocks, Herds, Schools) Agentes autónomos
Controlo de grupos de objectos Sistemas de partículas Comportamento de grupos (Flocks, Herds, Schools) Agentes autónomos Controlo de grupos de objectos Considera-se um número moderado de membros (muito
Leia maisRetomada aula. Introdução sobre Inteligência Artificial Abordagem sobre Agentes Resolução de problemas estratégias de busca - apresentação trabalhos
Retomada aula Introdução sobre Inteligência Artificial Abordagem sobre Agentes Resolução de problemas estratégias de busca - apresentação trabalhos 1 Estratégias de busca Algoritmos de busca local e otimização:
Leia maisAPLICAÇÃO DO ALGORITMO SARSA NA COLETA DE LIXO - ESTUDO DO PARÂMETRO ALPHA 1
APLICAÇÃO DO ALGORITMO SARSA NA COLETA DE LIXO - ESTUDO DO PARÂMETRO ALPHA 1 Darlinton Prauchner 2, Rogério Martins 3, Edson Padoin 4. 1 Trabalho de conclusão de curso realiazado no curso de Ciência da
Leia maisSistemas Inteligentes Lista de Exercícios sobre Busca e Agentes Inteligentes
Sistemas Inteligentes Lista de Exercícios sobre Busca e Agentes Inteligentes 1) A* - Problema do metrô de Paris Suponha que queremos construir um sistema para auxiliar um usuário do metrô de Paris a saber
Leia maisLista de exercícios 1 - Gabarito
Lista de exercícios 1 - Gabarito Prof. Paulo Gurgel Pinheiro MC906A - Inteligência Articial Universidade Estadual de Campinas - UNICAMP pinheiro@ic.unicamp.br 6 de setembro de 2010 1. (a) Possíveis estados:
Leia maisAprendizagem a partir de observações
Aprendizagem a partir de observações Aprendizagem é essencial para ambientes desconhecidos, i.e., quando o projetista não prevê tudo Útil como um método de construção de sistemas i.e., expor o agente à
Leia maisAprendizado por Reforço
Aprendizado por Reforço Fabrício Olivetti de França Universidade Federal do ABC Tópicos 1. Aprendizado por Reforço 2. Q-Learning 3. SARSA 4. Outras ideias 1 Aprendizado por Reforço Problemas de decisão
Leia maisRESOLUÇÃO DE PROBLEMAS POR MEIO DE BUSCA (PARTE 1) *Capítulo 3 (Russel & Norvig)
RESOLUÇÃO DE PROBLEMAS POR MEIO DE BUSCA (PARTE 1) *Capítulo 3 (Russel & Norvig) 1 Tópicos 1. Agentes para resolução de problemas 2. Formulação de problemas 3. Exemplos de problemas 4. Soluções aos problemas
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 02 Agentes Inteligentes Agentes Inteligentes Um agente é algo capaz de perceber seu ambiente por meio de sensores e de
Leia maisInformática I. Aula 21. Aula 21-07/11/06 1
Informática I Aula 21 http://www.ic.uff.br/~bianca/informatica1/ Aula 21-07/11/06 1 Aula de hoje Explicação sobre o trabalho 3 Jogo de prospecção de petróleo por robôs. http://www.inf.puc-rio.br/~mascarenhas/robots/
Leia maisProf. Dr. Alexandre da Silva Simões UNESP
UNESP!! Definição de paradigma!! Principais paradigmas da robótica:!! Paradigma Hierárquico (Deliberativo)!! Exemplos!! Paradigma Reativo!! Exemplos!! Paradigma Híbrido (Reativo-Deliberativo) 1 2!! Números
Leia mais