Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Arquitecturas PDF
Arquitecturas PDF
Entorno
UCM 2006-07 Modelos y arquitecturas de agentes 3 UCM 2006-07 Modelos y arquitecturas de agentes 4
Agentes reactivos Agentes reactivos
Agentes reactivos que mantienen su estado interno Ejemplo de ciclo de ejecucin de un agente
Deciden la accin a realizar teniendo en cuenta su historia de reactivo
interacciones con el entorno
Secuencia de estados del entorno o secuencia de percepciones
Reglas: situacin-accin
Se guarda como estado interno del agente Conjunto de percepciones
while (true) {
percepcin accin estado = interpretar_entrada (percepcion);
regla = correspondencia (estado, Reglas);
siguiente estado ejecutar (regla, accion);
Agente }
Entorno
UCM 2006-07 Modelos y arquitecturas de agentes 5 UCM 2006-07 Modelos y arquitecturas de agentes 6
Comportamiento 1:
Comportamiento 2 Pasearse
sensores
Comportamiento 1
Nodo supresor Comportamiento 0:
actuadores
Evitar contacto Nodo inhibidor
Comportamiento 0
UCM 2006-07 Modelos y arquitecturas de agentes 9 UCM 2006-07 Modelos y arquitecturas de agentes 10
UCM 2006-07 Modelos y arquitecturas de agentes 11 UCM 2006-07 Modelos y arquitecturas de agentes 12
Agentes reactivos (subsuncin) Agentes reactivos (MANTA)
Ejemplo de jerarqua de subsuncin MANTA: Modeling an ANThill Activity [Drogoul 93]
Sistema de control de un robot mvil Simulacin de sociedades de hormigas para estudiar la
emergencia del reparto de trabajo en el seno de la
Evitar obstculo
sociedad
Cada hormiga tiene operaciones de percepcin,
seleccin y activacin que manipulan un conjunto de
Camino atractivo tareas
Cada tarea se define por:
sensores Una secuencia de acciones primitivas directamente
Movimiento de exploracin
ejecutables por los actuadores del agente en su entorno
Peso (importancia para el agente)
Movimiento de regreso Umbral y nivel de activacin
Seleccin por competicin de tareas
A nivel de sistema esta regulacin permite la emergencia
Movimiento aleatorio
de especializaciones y de reparticin de tareas entre
actuadores agentes
UCM 2006-07 Modelos y arquitecturas de agentes 13 UCM 2006-07 Modelos y arquitecturas de agentes 14
Mecanismos de reproduccin
Agentes reproductores
Mecanismos de agrupacin
Agentes cooperativos
Mecanismos de
Acciones coordinadas inhibicin/activacin
Arquitecturas de subsuncin
UCM 2006-07 Modelos y arquitecturas de agentes 15 UCM 2006-07 Modelos y arquitecturas de agentes 16
Agentes reactivos: conclusiones Agentes deliberativos
Sistemas constituidos de numerosos agentes homogneos Extienden arquitecturas cognitivas de la IA
Sencillos, flexibles, tratables computacionalmente, robustos, El proceso del agente introduce una funcin deliberativa
tolerantes a fallos
entre la percepcin y la ejecucin para elegir la accin
La inteligencia emerge del SMA correcta
Problemas:
Los agentes necesitan conocer suficiente informacin sobre
su entorno para actuar adecuadamente percepcin delibera accin
La visin del agente es a corto plazo ya que est basada
nicamente en informacin local
Es difcil el aprendizaje y la mejora de las capacidades de los Estado mental
agentes con el tiempo
Es difcil desarrollar agentes con muchas capas de Agente
comportamiento
La dinmica de las interacciones entre los comportamientos se
hace cada vez ms compleja
No hay metodologa para crear este tipo de agentes: prueba Entorno
y error
UCM 2006-07 Modelos y arquitecturas de agentes 17 UCM 2006-07 Modelos y arquitecturas de agentes 18
UCM 2006-07 Modelos y arquitecturas de agentes 19 UCM 2006-07 Modelos y arquitecturas de agentes 20
Arquitectura BDI Arquitectura BDI
Las intenciones del agente juegan un importante papel en Dos extremos:
el razonamiento prctico: El agente que no reconsidera suficientemente a menudo sus
Dirigen el razonamiento basado en medios y fines intenciones (atrevido)
Comportamiento dirigido por objetivos
Restringen las deliberaciones futuras
El agente que continuamente reconsidera sus intenciones
Persisten dedicando as un tiempo insuficiente a su consecucin
Influencian las creencias sobre las que se basar el futuro (precavido)
razonamiento prctico Comportamiento dirigido por eventos (reactivo)
Cada cierto tiempo el agente deber replantearse sus
intenciones, abandonado aquellas que considera que no Lo difcil es encontrar el equilibrio entre ambos
va a alcanzar, aquellas que ya ha alcanzado y aquellas comportamientos [Kinny y Georgeff 91]
cuya justificacin ha desaparecido En entornos estticos el comportamiento dirigido por
objetivos es ms adecuado
Los agentes no pierden tiempo reconsiderando sus objetivos y
actan para tratar de conseguir satisfacerlos
En entornos dinmicos es necesario tener cierta precaucin
Los agentes pueden reconsiderar sus intenciones y aprovechar
nuevas oportunidades
UCM 2006-07 Modelos y arquitecturas de agentes 21 UCM 2006-07 Modelos y arquitecturas de agentes 22
UCM 2006-07 Modelos y arquitecturas de agentes 27 UCM 2006-07 Modelos y arquitecturas de agentes 28
Una arquitectura para agentes de interfaz
[Gomez 00] Ciclo de vida de un objetivo
refinamiento
Pendiente Refinado
Cognitive System
Knowledge Base Working
Declarative Memory comienza ejecucin de tarea
Knowledge
Objectives
Resolution Space
Knowledge Event Resolvindose
Facts Space WM Manager
Domain
Knowledge
Evidencia de xito Evidencia de fallo
Inference Engine
External
Events: Satisfecho Fallo
control visual Mailbox Application or
User
<< E vent >> <<objective >>
<< Widget>>
UCM 2006-07 Modelos y arquitecturas de agentes 29 UCM 2006-07 Modelos y arquitecturas de agentes 30
UCM 2006-07 Modelos y arquitecturas de agentes 31 UCM 2006-07 Modelos y arquitecturas de agentes 32
Cambio de estados de objetivos Arquitectura BDI: Conclusiones
UCM 2006-07 Modelos y arquitecturas de agentes 33 UCM 2006-07 Modelos y arquitecturas de agentes 34
UCM 2006-07 Modelos y arquitecturas de agentes 35 UCM 2006-07 Modelos y arquitecturas de agentes 36
Arquitectura de capas verticales:
InterRap Arquitecturas hbridas: Conclusiones
Arquitectura de 3 capas verticales con 2 pasos: Arquitecturas de carcter general
Capa de comportamiento (reactivo): informacin del entorno Las ms utilizadas
Capa de planificacin (pro-activo): planes y acciones del agente La propia arquitectura de subsuncin de Brooks es otro ejemplo de este
tipo de arquitecturas
Capa de cooperacin (interaccin social): planes y acciones de otros
agentes del entorno Utilizan una descomposicin natural de la funcionalidad del agente
Ms una base de conocimiento tambin organizada por capas No tienen la claridad conceptual y semntica de otras arquitecturas
La gestin de interacciones entre capas puede ser compleja
Capas horizontales:
ejecucin
cooperacin conocimiento social Ventaja: simplicidad conceptual
Si necesitamos que un agente tenga n tipos de comportamientos,
implementamos n capas diferentes
planificacin
conocimiento BC Inconveniente: el comportamiento global puede no ser coherente
planificacin Se suele aadir una funcin de mediacin que decide qu capa tiene el
control en cada momento cuello de botella y complejidad de diseo del
comportamiento modelo del mundo control de interacciones entre capas
Capas verticales
activacin
Arquitecturas de uno o dos pasos
interfaz Ventaja: La complejidad de las interacciones entre capas se reduce
Inconveniente: Para tomar una decisin hay que pasar el control a
Percepcin accin cada una de las capas No tolerante a fallos
UCM 2006-07 Modelos y arquitecturas de agentes 37 UCM 2006-07 Modelos y arquitecturas de agentes 38
Referencias
Bratman, M. E., Israel, D., and Pollack, M., Plans and Resource-bounded Practical
Reasoning, Journal of Computational Intelligence, vol. 4, no. 4, pp. 349-355,
1988.
Brenner, W., Zarnekow, R. Wittig, H. Intelligent Software Agents. Springer, 1998.
Brooks, R.A., Intelligence without representation. Artificial Intelligence, 47, 1991.
Carver, N. and Lesser, V. R.:The Evolution of Blackboard Control Architectures.
Informe. Department of Computer Science, University Massachusetts. 1992
Ferber, J. Multiagent systems : an introduction to distributed artificial intelligence,
Addison-Wesley, 1999.
Genesereth, M.R., Ketchpel, S.P. Software Agents. CACM, 37, 7, 1994
Jennings, N.R., On agent-based software engineering. Artificial Intelligence, 117,
2000.
Mller, J.P., The design of intelligent agents: a layered approach. Lecture Notes in
Computer Science, Vol.1177, Springer-Verlag, 1996
Shoham, Y. Agent-oriented programming. Artificial Intelligence, 60, 1993.
Sycara K.P. Multiagent Systems. AI Magazine, Summer 1998.
Weiss, G. Multiagent Systems. The MIT Press, 1999.