Metodologias de Inteligência Artificial 2005/2006

Transcrição

1 Arquitecturas de Agentes Metodologias de Inteligência Artificial 2005/2006 Agente Reactivo Agentes Reactivos (Reflexivos): Não tem Estado interno see mapeia Estados do ambiente em Percepções: S P action mapeia sequências de Percepções em Acções: P* A Arquitectura de Subordinação (R.Brooks) Comportamentos como Regras Emergência de Comportamento Social Inteligente Racionalidade 1

2 Arquitectura Reactiva PE RC EPÇÃ O Explorar Vaguear Evitar Obstáculos A CÇ Ã O Agentes reactivos: ideias chave Decomposição de tarefas Propriedades emergentes Operações sobre representações simples (próximas dos dados) 2

3 Agentes Reactivos : Decomposição de Tarefas Agentes reactivos como uma colecção de módulos Módulos operam autonomamente Módulos responsáveis por tarefas específicas ex: Sentir, controlo de motor, cálculo de função, etc. Comunicação entre módulos limitada e de baixo nível Agentes Reactivos :Emergência Agentes são relativamente simples Interagem de modo básico Padrões complexos de comportamento emergem das interacções quando o sistema é visto na globalidade Nenhuma especificação a priori (ou plano) do comportamento do sistema reactivo 3

4 Agentes Reactivos: Virtudes Elimina a necessidade de representações simbólicas ou Modelo pois: O Mundo é o seu próprio melhor modelo Tal modelo está sempre actualizado O sistema está ligado ao mundo via sensores e actuadores Robustos e tolerantes às falhas: ex: um agente pode perder-se sem efeitos catastróficos Tempos de resposta rápidos Agentes Reactivos : Críticas Âmbito da aplicabilidade limitada sobretudo a jogos e simulações Como se poderá tornar estes sistemas extensíveis, escaláveis e fáceis de corrigir? O que acontece quando o ambiente é dinâmico? Não é clara a forma de projectar estes sistemas tal que o comportamento pretendido se torne emergente 4

5 Arquitectura de Subordinação Uma alternativa à arquitectura modelo/plano é a arquitectura dita de subsumption proposta por Brooks. É baseada em comportamentos que são unidades de controlo trabalhando em paralelo sempre que certos valores de entrada são detectados. No entanto existe uma hierarquia que pode levar alguns comportamentos a suprimir outros temporariamente. Não há estruturas de dados uniformes para os comportamentos nem modelo do mundo. Vamos ilustrar a arquitectura de subsumpção com um robô móvel (Rug Warrior, MIT). Suponhamos um robô controlado por um microprocessador e dispondo de sensores ultra-sons (medindo distâncias) e infra-vermelhos (sensores de proximidade). O objectivo é que o robô se movimente sem colidir com obstáculos. Vamos criar uma rede de comportamentos (Behavior Network) que reage aos sensores sonar, infra-vermelho e carga da bateria Arquitectura de Subordinação Teremos de controlar os motores de forma a evitar colisões e, para isso, especificar um programa com o comportamento EVITAR que lê a informação dos sensores e, de acordo com as distâncias lidas, activa o sentido da marcha (vira no sentido oposto ao da distância mais curta lida) Se nenhum sensor lê distâncias abaixo do limiar, o comportamento EVITAR nada faz (não envia comandos para os motores) ficando estes apenas sob influência das ordens permanenentes para os motores. Estes são condicionados ainda pelas leituras do sensor IV e nível da bateria quando o robô necessita de se ir ALIMENTAR Quando o robô está suficientemente próximo do Alimentador de Baterias, o comportamento EVITAR obstáculo é suprimido e os comandos do motor são só enviados pelo comportamento ALIMENTAR que dirige o robô directamente para o Alimentador 5

6 Arquitectura de Subordinação Nível Bateria Detector IV Alimentar Sonar Evitar S Motores Arquitectura de Subordinação O potencial conflito entre os dois comportamentos é resolvido pelo nó S (Supressão) cujo significado é: A mensagem original ( EVITAR ) passa, a não ser que chegue uma mensagem simultânea, na linha com seta (comportamento hierarquicamente superior). De notar que ALIMENTAR também entra em conta com sonar e certamente tentará evitar colisões mas sempre dirigindo-se para o ponto de alimentação da bateria. O comportamento ALIMENTAR subsume o comportamento EVITAR, produzindo uma competência de mais alto nível. Esta Arquitectura não prevê o uso de Modelos do Mundo e é Reactiva. Pode ainda crescer incrementalmente com novas camadas de Comportamentos 6

7 Agentes Inteligentes Dar inteligência aos Agentes: ex: Ele estuda porque quer passar no exame Modelar intenções requer raciocínio + inteligência Técnicas para implementar racionalidade: Raciocínio Simbólico Planeamento Satisfação de Restrições Sistemas Baseados em Conhecimento Qual a importância? Comportamento mais complexo Adaptação às condições dinâmicas Aproximar-se do seu Objectivo Aprender e usar Conhecimento novo Agentes Deliberativos Basedos em Lógica : Agentes com estado interno see mapeia estados do âmbiente em Percepções: S P action mapeia estados Internos em Acções: I A next constrói o próximo estado Interno : I P I Qual a representação do estado? Como representar a função acção? 7

8 Arquitecturas de Agentes: basedas em Lógica Agente Baseado em Lógica: Tomada de Decisão vista como dedução Estado Interno visto como uma base de dados Programa do Agente como uma Teoria Lógica Vantagens: provados em Teoria Desvantagens: difícil em ambientes com restrições temporais Acções: emfrente, vira, limpa predicados de estado : em(x,y); lixo(x,y); voltado(direcção) Arquitecturas de Agentes: baseadas em Lógica See Percepções: lixo, null Next S i : altere S i-1 com Percepções usando predicados do domínio Acções : em(x,y) L lixo(x,y) limpa(x,y) em(0,0) L voltado(norte) L~lixo(0,0) fazer(emfrente) em(0,2) L voltado(norte) L ~lixo(0,2) fazer(vira)... Descrição extensiva do Conhecimento: muita memória 8

9 Arquitecturas de Agentes: BDI Arquitectura de agentes BDI Intenções dos Agentes guiam as Acções Intenções baseiam-se em Crenças Raciocínio prático em Agentes BDI usa: Crenças acerca do ambiente Função de Revisão baseada nas actuais Percepções Gerador de hipóteses (Desejos) Função de Filtragem (processo de Deliberação) Intenções Correntes (foco) Função de Selecção da Acção Arquitecturas de Agentes: BDI Arquitectura BDI do agente 9

10 Arquitecturas de Agentes: BDI Ciclo simples do Controlo do Agente BDI: B:=B0 % Crenças iniciais I:=I0 % Intenções iniciais ENQUANTO Verdade FAZER Busca próxima percepção P; B:= frc(b,p); % Actualiza Crenças D:=opções(B,I); % Das Crenças e actuais Intenções gera % opções possíveis I:=filtro(B,D,I); % selecção de novas Intenções coerentes P:=planeamento(B,I); Execução(P) FIM ENQUANTO 10