Agentes Autónomos e Sistemas Agentes Autónomos e Sistemas Multi-agenteMulti-agente

Agentes Reactivos e HíbridosAgentes Reactivos e Híbridos

IST- 2003/2004IST- 2003/2004Ana PaivaAna Paiva

A. Paiva

Críticas aos Agentes Deliberativos

Rapidez na resposta em tempo real Comportamento racional pre-programado não está

ligado adequadamente ao ambiente do agente Os agentes não devem ser vistos sem as suas

restrições corporais e de local onde o agente se encontra

Comportamento inteligente não deve ser programado mas deve emergir de comportamentos simples.

A. Paiva

Agentes puramente reactivos

Alguns tipos de agentes decidem o que fazer sem qualquer referência ao seu historial. As suas decisões são situadas no ambiente e dependem simplesmente do presente.

- São chamados agentes “puramente reactivos”

Do ponto de vista formal um agente puramente reactivo pode ser visto como uma função:

Ag : E -> Ac

(ou seja em vez de RE o agente decide simplesmente baseando-se em E).

A. Paiva

Percepção/Acção

Ambiente

See Action

Agente

see : E -> Per Action : Per* -> Ac

A. Paiva

“Elephants don’t play chess”- Rodney Brooks

Recusa da hipótese do sistema simbólico

Ideia: “O mundo é o meu melhor modelo”

A. Paiva

Arquitectura de Subsumpção de Brooks

Teses:

1. Comportamento inteligente pode ser gerado sem representações explícitas e sem recorrer a IA simbólica

2. Comportamento inteligente pode ser gerado sem qualquer tipo de raciocínio abstracto usado em IA clássica

3. A “inteligência” é uma propriedade emergente de certos sistemas complexos.

A. Paiva

Ideia 1

Situação Situação Acção Acção

A. Paiva

Vários comportamentos podem Vários comportamentos podem disparar simultâneamentedisparar simultâneamente

Ideia 2

A. Paiva

Arquitectura de Brooks

Sensores EfectoresEXPLORAR

VAGUEAR

EVITAR

Política de controle

Camada de comportamentos

A. Paiva

Arquitectura de Brooks

Reflecte não uma decomposição funcional das suas componentes mas sim uma decomposição de comportamentos

A estratégia de construção:

ir dotando incrementalmente os agentes de mais comportamentos. Em cada passo de construção obtém-se um sistema mais ou menos completo (baseado numa máquina de estados finita).

A. Paiva

Action selection na arquitectura de Brooks

function: Action Selection in the Subsumption Architecture

function action (p:P):Avar fired: p(R)var selected: ABegin

fired <- {(c,a) | (c,a) R and p c} for each (c,a) fired do

if ( (c’,a’) fired such that (c’,a’) < (c,a)) then

return a end-if end-for return nullend function action

A. Paiva

Desenvolvimento de Sistemas usando a arquitectura de Brooks

1. Cria-se um módulo relativamente a uma actividade em particular. Este módulo deverá ligar a percepção à acção e o sistema resultante funcionar por si.

1. Acrescentar mais componentes, cada um deles ligando a percepção à acção. Por cada componente junta, ajustar as prioridades dos comportamentos.

A. Paiva

Exemplo: O explorador de Marte de L. Steels

Uso de 2 conceitos: • o campo de gradiente,- para os agentes saberem em que

direcção a nave deles se encontra;• Comunicação directa entre agentes

A. Paiva

Behaviours

if detect an obstacle then change direction (1)

if carrying samples and at the base then drop samples(2)

if carrying samples and not at the base then travel up gradient(3)

if detect a sample then pick sample up(4)

if true then move randomly(5)

1< 2 < 3 < 4 < 5

A. Paiva

Exemplo: Robot Genghis

Robot com seis pernas com aproximadamente 1 Kg. Anda em terreno usando 12 motores, 12 sensores de força, e

vários outros sensores.

Não existe sistema central de controlo nem memória (o controlo das pernas é feito cada uma por si... E portanto programada cada uma por si...)

Video.

A. Paiva

Exemplos:

Vários robots foram feitos no grupo de R. Brooks segundo sempre a mesma aproximação.

Exemplo mais recente: Kismet (videos)

A. Paiva

Limitações dos agentes reactivos

Alcance bastante limitado. Como os agentes não usam modelos do ambiente,

devem poder obter suficiente informação a cada instante para conseguirem determinar a melhor acção.

Não conseguem ter comportamentos orientados aos objectivos

São agentes difíceis de construir porque com pequenos comportamentos e regras que os relacionam é difícil prever o que vai resultar.

A. Paiva

Motivação para as arquitecturas Híbridas

Os agentes necessitam de:• Realizar tarefas complexas• Tomar atenção às mudanças que ocorrem no

ambiente e reagir em tempo real;• Ter em conta os seus recursos limitados (pelo que

necessitam da colaboração de outros agentes para a execução das tarefas)

Assim, se por um lado os agentes têm que necessariamente permanecer reactivos para sobreviver, por outro lado têm que tomar decisões estratégicas complexas e que a maioria das vezes são orientadas aos objectivos.

A. Paiva

Arquitecturas Híbridas: Requisitos

Comportamento situado: os agentes devem reconhecer os eventos e reajir em tempo apropriadamente.

Comportamento orientado aos objectivos: os agentes devem seleccionar as suas acções baseando-se nos fins que desejam alcançar e os meios disponíveis para o fazer.

Eficiência- as tarefas devem ser executadas eficientemente , mesmo com constrangimentos de ordem temporal.

Coordenação: os agentes devem ser capazes de coordenar as suas actividades com os outros agentes.

A. Paiva

Will

Memória

DisposiçõesPerceptor

Executor

MUNDO

Previsor

Planeador

Reactor

A. Paiva

Arquitecturas Híbridas com níveis

As arquitecturas híbridas têm normalmente associados níveis:

• Servem para estruturar as tarefas ou comportamentos dos agentes

• Estão organizados hierarquicamente• Interagem uns com os outros de forma a atingir um

comportamento geral do agente mais coerente

Normalmente: níveis deliberativos e reactivos

A. Paiva

Touring Machines De Innes Fergunson em 1994 3 Níveis: nível reactivo; nível de planeamento e nível

de modelação

Os três níveis operam concurrentemente e cada um deles está ligado ao subsistema sensorial do agente, do qual recebe informação, bem como ao subsistema de acção ao qual é possível enviar comandos de acção.

A. Paiva

Touring Machines: Arquitectura

Modelling layer

Planning layer

Reactive layer

Perception Subsystem Action Subsystem

Clock

Context Activated Control-rules

A. Paiva

Nível Reactivo

O Nível reactivo (R) foi desenhado para executar acções que são respostas específicas ao domínio e aos estímulos do ambiente.

Este nível dá ao agente a capacidade de reagir rapidamente em situações não planeadas pelos níveis superiores.

A. Paiva

Nível de Planeamento

É responsável por gerar, executar e dinamicamente readaptar planos parciais

Estes planos destinam-se a atingir uma alocação de tarefas que o agente tem que executar a longo prazo.

Os planos são guardados como planos parciais hierárquicos, numa biblioteca de planos.

A. Paiva

Nível de Modelação

O nível de modelação contém a representação do mundo sob a forma de 4-tuplos <C,B,D,I> indexados a unidades de tempo.

C- configuração, descreve a localização do objecto, sua velocidade, aceleração etc. das entidades do ambiente;

B- conjunto de crenças atribuídas à entidade; D- desejos, representados através de uma lista de

objectivos e suas prioridades I- um plano hierárquico que forma a estrutura de

intenções.

A. Paiva

Controlo das regras

As regras de controlo (suppressor e censor) são construídas pelo programadar, tal que:

- Pelo menos uma dispare numa dada situação- Pelo menos uma acção deve permanecer no

subsistema de acção.

A. Paiva

Regras Censor

Parte condicional: conjunções de expressões que testam a presença de objectos sensoriais particulares.

Parte de acção: é composta por operações para fazer com que objectos sensoriais não sejam colocados como input aos níveis de controlo.

Regra censor-rule-1: if entity(obstacle-6) in perception-buffer then remove-sensory-entity(layer-R,

entity(osbtacle-6))

A. Paiva

Regras Suppressor

Parte condicional: com expressões que testam a presença de determinados comandos (acções do agente)

Parte da acção: é composta por operações que restringem a que certos comandos sejam executados pelos effectors do agente.

rule suppressor-rule-3 :if action-command(layer-R, rule-6, change-orientation())

in action-buffer and current-intention(start-overtake) then

remove-action-command(layer-R, change-orientation())

and remove-action-command(layer-M, _).

A. Paiva

Aplicação da arquitectura

Em situações de simulação de robots com obstáculos: Touring world.

Foi desenvolvida uma ferramenta que permite a criação de certas configurações de agentes

A dinâmica do mundo é obtida através da utilização de um simulador de eventos, que incorpora um actualizador de mundos possíveis

A. Paiva

InteRaP

Estende um conjunto de aproximações de construção de agentes por níveis introduzindo um nível de cooperação.

Dá ao desenhador dos agentes a possibilidade de construir níveis com comportamento reactivo e deliberativo, tal como as arquitecturas apresentadas anteriormente.

O modelo do agente em InterRaP é definido por um conjunto de níveis funcionais ligados por uma estrutura de controlo e partilhando uma based de conhecimentos hierárquica.

A. Paiva

Arquitectura

Cooperation Knowledge

LocalPlans

Patterns ofBehaviour

WorldModel

Cooperation Component CC

Plan-basedComponent PBC

Behaviour BasedComponent BBC

Action Communication Perception

ENVIRONMENT

A. Paiva

Componentes da Arquitectura

WIF (World Interface) – contém as facilidades de percepção, acção e comunicação.

BBC- (Behaviour- Based Component) executa e controla o comportamento reactivo básico. Este comportamento é baseado em “patterns of behaviour”

PBC (Plan Based Component): contém um mecanismo de planeamento que permite o agente ter planos locais. Estes planos são baseados em esqueletos hierárquicos em que os nós podem ser sub-planos ou patterns of behaviour. Ou seja o PBC pode activar patterns of behaviour para atingir um determinado objectivo.

KB (Knowledge Base)- é uma estrutura hierarquicamente estruturada e é composta por quatro níveis, que básicamente correspondem à estrutura de controlo dos agentes.

CC (Cooperation Component): permite a cooperação entre agentes.

A. Paiva

World Interface

A. Paiva

World Interface

A. Paiva

Knowledge Base

A. Paiva

InteRRaP- Componente Baseada no Comportamento (BBC)

Objectivos

• Incorporar as actividades reactivas do agente que permitem lidar com situações de emergência e de tempo real.

• Dar ao agente conhecimento procedimental que lhe permite executar tarefas de rotina.

A. Paiva

Patterns of Behaviour: Tipos

Ligar situações a acções

Reactors: são activadas por eventos externos que causam a execução de uma acção por parte do agente (ex. Parar)

Control modifiers- extendem o controlo do planeador, fazendo uma chamada para cima para o PBC (ex. Treat_order)

Knowledge modifiers- mudam o estado interno do agente e são activadas por alterações do mundo detectadas pelo agente.

Procedures- executam acções especificadas pelo planeador.

A. Paiva

Patterns of Behaviour

A. Paiva

Aspectos da BBC

Tem que reconhecer situações de emergência e responder rápidamente a essas situações.

A parte da base de conhecimento acessível à BBC é o modelo do mundo

O número de situações a serem reconhecidas neste nível é bastante limitado

Situações que não emparelham com nenhum padrão de comportamento causam um pedido ao PBC

Os compromissos feitos pelo PBC para executar procedimentos causam a activação de procedimentos no BBC.

A. Paiva

Componente de Planeamento

Incorpora as capacidades de planeamento do agente

Funções principais são: (1) a obtençao de um plano para um dado objectivo e (2) controlar a execução desse plano.

Componentes• PBC-control- faz a interface com BBC recebendo e

enviando mensagens aos outros níveis.• Plan-generator- gera planos através da selecção de um

conjunto de planos da biblioteca.• Plan-evaluator- é usado para seleccionar os melhores

planos gerados.

A. Paiva

Controlo

A. Paiva

Aplicação: the Loading Dock

A. Paiva

Aplicação

A. Paiva

Aplicação: conflictos

A. Paiva

Aplicação: criação de PoBs

A. Paiva

Aplicação: criação de PoBs

A. Paiva

Aplicação: robots

A. Paiva

Vantagens das arquitecturas Híbridas

Consegue responder em tempo real sem deixar de ter comportamento orientado aos objectivos.

A reactividade do agente pode ser previligiada enquanto em deliberação, ou seja o nível reactivo pode continuar a monitorar o mundo.

Se há tipos diferentes de partições do conhecimento do mundo é possível restringir a quantidade de conhecimento que cada nível requer individualmente.

A. Paiva

Bibliografia da Aula

An Introduction to Multi-agent Systems, M. Wooldridge, John Wiley & Sons, 2002

A Mente e o Mundo lá Fora, H. Coelho e A. Paiva. Designing Autonomous Agents: Theory and Practice from Biology to

Engineering and Back, Ed. P. Maes, MIT Press, 1990. The Design of Intelligent Agents: a Layered Approach, Jörg Müller,

Springer, 1996.