arquitecturas de controlo de robôs móveis -...

1

2003 Eugénio Oliveira

Arquitecturas de Controlo de Robôs Móveis


Raciocínio Deliberativo

Características dos Sistemas de Controlo baseadosem Raciocínio Deliberativo:

Estrutura hierárquicaComunicações e controlo pré-determinadosPlaneamento com detalhe crescente (níveis)Modelos simbólicos do Mundo

2

2003 Eugénio OliveiraSist

ema

de C

ontr

olo

em R

obô

Móv

el


Sistema de Controlo em Robô MóvelSistema hierárquico de 3 níveis: Organização, Coordenação, Execução

3


Sistema de Controlo em Robô MóvelMétodos formais para descrever comportamentos de Robôs:

•Diagramas Estímulo Resposta

•Diagramas FSA (“Finite State Accept “) δ q input δ(q,input)

b a bb

a

• Comportamentos como triplos (S,R,β) onde:• S denota o domínio dos Estímulos interpretáveis (input),• R o conjunto das Respostas possíveis (estados seguintes)• β: SàR a função de mapeamento entre S e R (arco)


Sistema de Controlo em Robô Móvel

Descrição de Múltiplos comportamentos activos:

S: vector de estímulos relevantes no instante tΒ: vector de comportamentos activos βi em tG: vector com a força relativa (ganho gi) de cada comportamento activo (βi) em tR: vector das respostas geradas pelo conjunto dos βi activos

Definição da função de Coordenação C:ρ= C(G*Β(S)) ou ρ=C(G*R)

A emergência é o resultado da coordenação e da imprevisibilidade do meio e do processo da percepção

4



S= (coordenadas_sala, 1.0)(objecto_detectado, 0.2) Si=(s,λ)(estudante_detectado, 0.8) s: estímulo; (passo_detectado, 1.0) λ percentagem da força máxima(idoso_detectado, 1.0)

Neste exemplo, embora exista o estímulo objecto_detectado ele é fraco por o objecto estar ainda longe.

Exemplo de um Robô em uma sala no instante t:

Resposta comportamental: Comportamentos activados:B(S) = βmove_sala (s1)

βevita_objecto (s2)βfoje_estudante (s3)βvai-direita (s4)βaproxima_idoso (S5)



Exemplo de um Robô em uma sala no instante t:R é computado a partir de cada comportamento β

arbitrando magnitudes das respostas:R= (rmove_sala) 1.0

(revita_objecto) Rmag= 0(rfoje_estudante) 0.8(rvai_direita) 1.0(raproxima_idoso) 0

ri é um triplo [x,y,θ] exprimindo a direcção do movimentoDe acodo com Rmag, “evita_objecto” e “aproxima_idoso”, estão abaixo de um limiar e não produzem resposta. Enquanto que “ move_sala” e “vai_direito” tem a força máxima.

Como ρ=C(G*R) então vamos multiplicar o Ganho pelas respostas: R’ = R * G G é importante por atribuír força relativa aos comportamentos quando existemmúltiplos comportamentos concorrentes

5



arbitrando magnitudes das respostas:G= (gmove_sala) 0.8

(gevita_objecto) = 1.2(gfoje_estudante) 1.5(gvai_direita) 0.4(gaproxima_idoso) 0.8

g1*r1 0.8e ρ= C(R’) = C( g2*r2 ) = C( 0 )

g3*r3 1.2g4*r4 0.4g5*r5 0

C depende da estratégia escolhida!Com uma estratégia “vencedor leva tudo”, C escolhe a componente com R’=1.2E ρ fica com o comportamento “foje_estudante” para executar.Atenção que este comportamento é dominante apenas devido à situação actual depercepção (no instante t)


Métodos Competitivos

Arbitragem via rede de supressões

Arquitecturade“subsunção”

6


Agentes Reactivos

GAgentes Reactivos (Reflexivos):


Arquitectura de AgentesReactivos

GAgentes Reactivos (Reflexivos):GNão tem Estado internoG see mapeia Estados do ambiente em Percepções: S --> PG action mapeia sequencias de percepções em Acções: P*-->A

G Arquitectura de “Sub-assunção” (subordinação) (R.Brooks)G Comportamentos como RegrasG Emergência de Comportamento Social InteligenteG Racionalidade

7


Agentes Reactivos

Agentes Reactivos na Robótica:

Domínio privilegiado e exigente relativamente à IA.

Robôs inteligentes mostram limitações da IA clássica

Brooks (MIT) propôs arquitecturas de agentes mais flexíveis, simples autónomose interactivos.

Modelo do Mundo implicarepresentação do estado interno eplaneamento moroso.

Modelo da IA clássica para o controlo do Robô inteligente na página seguinte:


Agentes Reactivos Vs IASENSORES

percepção

modelação do mundo

planeamento

execução das acções

ACTUADORES

A Inteligência Artificial desenvolveu diversos Algoritmos de Planeamento:“Análise meios-Fins” introduzindo a noção de Operadores e redução de distânciasPlaneamento Linear: tipo “STRIPS” (Fykes…) usando pilhas de objectivos e condiçõesPlaneamento Não-Linear: tipo “ABSTRIPS” usando conjunto de objectivosPlaneamento Hierárquico:tipo NOAH(Sacerdoti) com diversos graus de abstracçãoPlaneadores produzem uma correcta ordenação de acções feita depois da interpretaçãoda informação sensorial e usando o Modelo do Mundo. Abordagem COGNITIVA

8


Agentes Reactivos Vs IA

Desvantagens:• Tempo de Computação• Representação complexa da Informação• Difícil ter uma representação adequada do mundoquando o ambiente é dinâmico ou os sensores não são

totalmente fiáveis

Há domínios onde são relevantes características como:Rapidez de actuaçãoSimplicidade de RepresentaçãoFlexibilidade na composição das acçõesComunicação simplificada

Arquitecturas Reactivas são adequadas para estas característicasDomínios: Robótica, pesquisa na internet, Controlo de tráfego


Arquitectura Reactiva

Evitar ObstáculosVaguearExplorar

AC

ÇÃ

O

PER

CE

PÇÃ

O

9


Agentes reactivos: ideias chave

G decomposição de tarefasG propriedades emergentesG operações sobre representações simples

(próximas dos dados)


Decomposição de Tarefas

G Agentes reactivos como uma colecção de módulosG Módulos operam autonomamenteG Módulos responsáveis por tarefas

específicasG Ex: Sentir, controlo do motor, cálculo de

valor de função, etc.G Comunicação entre módulos limitada e de

baixo nível

10


Emergência

G agentes são relativamente simples (e numerosos)

G interagem de modo básico

G padrões complexos de comportamentoemergem das interacções quando o sistema é visto na globalidadeG nenhuma especificação a priori (ou plano) do

comportamento do sistema reactivo


Virtudes

G Elimina a necessidade de representaçõessimbólicas ou Modelo pois: O Mundo é o seu própriomelhor modelo

G Tal “modelo” está sempre actualizado

G O sistema está ligado ao mundo via sensores e actuadores

11


G robustos e tolerantes às falhas: ex: um agente pode perder-se sem efeitoscatastróficos

G flexibilidadeG adaptaçãoG tempos de resposta rápidos

Virtudes


ARQUITECTURA REACTIVA

Arquitectura Reactiva

Evitar ObstáculosVaguear

Explorar o espaço

AC

ÇÃ

O

PER

CE

PÇÃ

O

Construir mapas

Identificar Objectos

… … ...

12


Arquitecturas de “sub-assunção”Uma alternativa à arquitectura modelo/plano é a arquitecturadita de subsumpção proposta por Brooks.É baseada em comportamentos que são unidades de controlotrabalhando em paralelo sempre que certos valores de entradasão detectados.

Em vez de "fusão sensorial" passa-se para o problema dafusão de comportamentos o qual é resolvido por um esquema de arbitragem sobre as prioridades de tais comportamentos.Comportamentos não se encaixam, uns não chamam os outros,mas estão todos em paralelo.

Ex. de um comportamento em um robô:

Percepção Comportamento Acção

entrada do sonar evitar comando motor

Arquitectura de Sub-assunção

2003 Eugénio Oliveira .

Arquitectura de Subordinação

No entanto existe uma hierarquia que pode levar algunsComportamentos a suprimir outros temporariamente.

Exemplo de Arquitectura de Sub-assunção: Robô Móvel (“Rug Warrior” – MIT)

• Robô controlodo por Microprocessador e dispondo de Sensores de proximidade (infra-vermelhos), distância(ultra-sons) e de nível de energia.• Objectivo: movimentação sem colisão.

• Rede de Comportamentos reagindo aos sensores

13



•Quando o robô está suficintemente próximo do Alimentador de Baterias, o comportamento EVITAR obstáculo é suprimido eos comandos do motor são só enviados pelo comportamentoALIMENTAR que dirige o robô directamente para o Alimentador

•Acções: Controlo dos Motores

• Ex. de Comportamentos:

• Evitar activa o sentido de marcha de acordocom valores dos sensores (virar no sentido oposto à distância maiscurta lida).

• Alimentar de acordo com nível de bateria


Nível Bateria

Detector IV

Sonar

Alimentar

Evitar S Motores


14



• O potencial conflito entre os dois comportamentos é resolvidopelo nó S (Supressão) cujo significado é:

O comando “Evitar” passa, a não ser que chegue ao nó S um comando em simultâneo na linha com seta (comportamentohierarquicamente superior.

• O comportamento “Alimentar” produz uma competência de maisAlto nível e subsume o comportamento “Evitar”.

• Este sistema não usa modelo do mundo e é reactivo.• É extensível uma vez que pode ser incrementado com novas camadasde comportamentos


O "Rug Warrior" que implementámos no NIA&R tem a seguintearquitectura de base:

Microfone

Para-choques

Detector IV

Fotocélulas

Detector padrão sonoro

ESCAPA

S

S

S S

EVITA

SEGUE

CRUZEIRO

Buzina

Motores


15



Cada comportamento pode funcionar “em paralelo”, de acordo com as entradas.O comportamento “CRUZEIRO” apenas comanda os motores para movimento em frente.

Duas fotocélulas comparam a intensidade luminosa e, detectando uma diferença, geramum comando que subsume o anterior, dirigindo o robô para a fonte de luz.

O comportamento “EVITA” é superior aqueles na hierarquia.Recebe do sensor IVum sinal de proximidade. Havendo obstáculo (p.ex. à direita) o robô vira à esquerda.Se este sensor falha e o robô colidir com obstáculo, então o comportamento“ESCAPA” suprime as ordens dos anteriores e envia outro comando (recua).

O detector de som (batimento de palmas, p.ex.) activa uma buzina parando os motores.

A implementação desta arquitectura em um processador simples, implica ter um programa com um Ciclo que partilhava o tempo entre cada um dos comportamentos, simulando o efeito dos comportamentos actuando em paralelo.


Aplicações

Sistema Aplicações

Ferber (1994) Simulação de sociedades animais (ex. Formigas)

Simulação de ecosistemas

RUG WARRIOR (1997) Robôs reactivos

PENGI(Agre & Chapman 1987)

Wavish & Graham (1995)

Jogo de VideoJogos com animação 3D

NIAD&R (1998) Controlo de Tráfego

16


CríticasG Âmbito da aplicabilidade limitada

sobretudo a jogos e simulações

G Não é clara a forma de projectar estessistemas tal que o comportamentopretendido se torne emergente

G Como se poderá tornar estes sistemasextensíveis, escaláveis e fáceis de corrigir?G O que acontece quando o ambiente é

dinâmico?


CONCLUSÕES:A Arquitectura de “Sub-assunção” baseada em comportamentossimples permite a criação de agentes reactivos.

Evitam-se Agentes cognitivos o que em domínios como a Robóticapode ser essencial.

Robôs reactivos deixam de ter necessidade do modelo do mundoe de raciocinar antes de agir. Em situações muito dinâmicas comona Robótica móvel esta abordagem pode ser preferível.

As interacções entre agentes reactivos devem ser elementares


17


Métodos CompetitivosArbitragem via selecção acção (P.Maes):Depende dos níveis de activação resultantes dos objectivos dos Agentes e das percepções actuais. Selecciona o Máximo actual.(respostas do tipo: mto_esq, pco_esq, frente, pco_dir, mto_dir)Arbitragem via votação (Rosenblatt 89):

Comportamentos votam nas acções. A mais votada é seleccionada (Distributed Architecture for Mobile Navigation

Rosenblatt 95)

Repo

sta

do c

ompo

rtam

ento

mai

s vo

tado


Métodos CooperativosNa Fusão de Comportamentos as respostas de vários são tidas em conta (concorrem) para a saída final

Fusão de Comportamentos:A saída depende em simultâneo de mais do que um comportamento

Ex. Soma dos comportamentos ponderada pelos ganhos

Resp

osta

res

ulta

nte

da f

usão

de

com

port

amm

ento

s

18


Métodos Cooperativos

Macro-Comportamentos:

Colecção de Comportamentos primitivos coordenados (por exemplo por fusão)

Ex: vaguear

testa (detecta_área_livre)evita_obstáculo_estático (detecta_obstáculos)ruído (gera_direcção) alto ganhoevita_repetir(detecta_áreas_visitadas)



Resposta:

Vaguear

Diagrama de Junção de Comportamentos para “Vaguear” (macro)

19



A Junção de comportamentos “Vaguear” pode ainda ser combinada com outras macros :

Competição

(visitar postes)


Exemplo do Robô CompetidorArquitectura para robô competidorComportamentos: vaguear; encontrar_poste; mover_p_polo

Diagrama FSA para robô competidor:

Parar

VaguearMove_pposte

Retornainício

Encontrapx_posteInício

Não_no_iníciooutros

Não_no_poste

Todos_postesencontrados

compete

Escolhe poste

no poste Não_encontrapostetimeout

Há_tempo

todos

No_início

20


Exemplo do Robô ColectorArquitectura para robô colectorComportamentos: vaguear; colectar; entregar

Diagrama FSA para robô colector:


Exemplo do Robô ColectorArquitectura de “subsumpção” para robô colector:

Resposta (comando motores)

21


Agentes Inteligentes• Dar inteligência aos Agentes:

ex: Ele estuda porque quer passar no exameModelar intenções requer raciocínio + inteligência

• Técnicas para implementar racionalidade:•Raciocinio 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 DeliberativosG Basedos em Lógica :GAgentes com estado internoG see mapeia estados do ambiente em Percepções: S --> PG action mapeia estados Internos em Acções: I-->AG next constrói o próximo estado Interno : I X P--> I

G Qual a representação do estado?GComo representar a função Acção?

22


Arquitecturas de Agentes : basedas em Lógica

GAgente Baseado em Lógica:GTomada de Decisão vista como deduçãoG Estado Interno visto como uma base de dadosG Programa do Agente como uma Teoria LógicaGVantagens: programas provados em TeoriaGDesvantagens: difícil em ambientes com restrições temporais

G Acções: emfrente, vira, limpaGpredicados de estado : em(x,y); lixo(x,y); voltado(direcção)

0 1 2

0

1

2

Exemplo


GSee Percepções: lixo, nullGNext Si: altere Si-1 com Percepçõesusando predicados do domínio

G Descrição extensiva do Conhecimento: muita memória

0 1 2

0

1

2

GAcções : em(X,Y) Λ lixo(X,Y) --> limpa(X,Y)em(0,0) Λ voltado(norte) Λ∼lixo(0,0) --> fazer(emfrente)em(0,2) Λ voltado(norte) Λ ∼lixo(0,2) --> fazer(vira)

… … …… … ...

Arquitecturas de Agentes : baseadas em Lógica

23


Arquitecturas de Agentes cognitivos

GAgentes com capacidades de dedução lógica :

G Demonstradores de Teoremas“impraticáveis” pois a decisão tomada seria óptima só quandoo processo de decisão se iniciou.G inaceitável em ambiente muito dinâmicoG problema da função “see” (mapear o mundo em percepçõese representá -lo em fórmulas)


Arquitecturas de Agentes cognitivos

24


Agentes ComunicativosG Programas/ObjectosG Chamadas a Procedimentos/invoca MétodosG possibilidades pré-definidas

G Agentes:G Decisão autónoma sobre resposta a pedidosG Linguagens de ComunicaçãoG Mensagens e Conteúdos não pré-fixadosG Comunicação sobre:

GCrençasGObjectivosGPlanos

GQual a importância da Comunicação:GCoordenação, Cooperação e Negociaçãoentre Agentes heterogéneos


Arquitectura BDIGArquitectura de agentes BDI

GIntenções dos Agentes guiam as AcçõesGIntenções baseiam-se em Crenças

G Raciocínio prático em Agentes BDI usa:G Crenças acerca do ambienteG Função de Revisão baseada nas actuais PercepçõesG Gerador de hipóteses (Desejos)G Função de Filtragem (processo de Deliberação)G Intenções Correntes (foco)G Função de Selecção da Acção

25


Garquitectura BDI do agente

crenças

desejos

intenções

frc

Ger.opções

Filtro

Acção

Acção output

percepções

Arquitectura BDI


Arquitectura BDI (CDI)“Beliefs- Desires- Intentions

Raciocínio Prático Vs Raciocínio Teórico

Acções Crenças

Raciocinio

G Agentes não usam raciocínio lógico puro paratomada de decisão

26


G Raciocínio Prático:GDeliberação: O quê? (se deve fazer)

GPlaneamento: Como? (se deve fazer)

GDeliberação e Planeamento usam recursos que são limitados

G Lógica Intencional necessária para os Agentes definiremo seu comportamento (p.ex. o operador Ki φ)

G“Intenções” tem mais peso que “Desejos” (Opções)G“Intenções” são pró-atitudes levando a acções e Objectivosque foi decidido atingir.G “Intenções“ persistem e guiam o raciocíneo de planeamentorestrinjem deliberações futuras e influenciam novas crenças

Raciocínio Prático


GRepresentação explícita dos BDI no Agente

G deliberação é modelada por duas funções de assinaturas:

G geração de Opções opt: Φ(Bel) X Φ(Int) à Φ(Des)

G filtragem filtro: Φ(Bel) X Φ(Des) à Φ(Int)

G A Revisão de Crenças é modelada por:

G brf: Φ(Bel) X percepções à Φ(Bel)

Arquitectura BDI

27


• Processo de Deliberação:

– Gerar Opções– Ponderar Opções– Escolher (filtrar)– Comprometer-se com as Opções escolhidas (Intenções)

• Processo de Planeamento:

– Raciocínio por Análise-Meios-Fins (MEA)– Representação de Objectivos/Intenções (ontologia de situações)– representação do Estado do Mundo (idem)– Acções possíveis/operadores (ontologia de operações)– Representação do Plano

Arquitectura 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 Intensões gera

opções possíveis•I:=filtro(B,D,I); % selecção de novas Intensões coerêntes

• Π:=planeamento(B,I);•Execução(Π)

•FIM ENQUANTO

28


– Ciclo completo 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 Intensões gera

opções possíveis•I:=filtro(B,D,I); % selecção de novas Intensões coerêntes• π:=planeamento(B,I);•ENQUANTO NÃO π =[]

OU sucesso(I,B)OU impossível(I,B) FAZER

• π = [A1|RP]; α:=A1;•executa(α);• π = RP;


– Ciclo completo do Controlo do Agente BDI (cont.):

•Busca nova percepção p; % através da função “see”•B:= frc(B,P); % Actualiza Crenças•SE reconsidera(B,I) ENTÃO

•D:=opções(B,I); % Das Crenças e actuais Intensõesgera opções possíveis

•I:=filtro(B,D,I); % selecção de novas Intensõescoerêntes

•FIM SE•SE NÃO coerência(π,I,B) ENTÃO

π:=planeamento(B,I);•FIM SE

•FIM ENQUANTO•FIM ENQUANTO

29


– Reconsiderar:

– Agentes tem estratégias diferentes para “reconsiderar”–“fanáticos”: Nunca reconsideram as suas intenções– “cautelosos”: reconsideram as suas intenções depois de cadaacção.

– Agentes “cautelosos” tem melhor desempenho que os“fanáticos” quando o ambiente é muito dinâmico. – O contrário verifica-se para ambientes pouco dinâmicos.


Representação de ConhecimentoRepresentação de Conhecimento em Sistemas baseados em Comportamentos:

Mapas cognitivos : apenas locais relevantes

Memória Comportamental de Curto-prazo:

orientada para a acção

baseada em grelhas

resolução variada

forma: rectangular ou radial; uniforme ou não

30



Representação por Grelhas

Resposta (comando motores)

As Árvores quaternárias resultam de recursivamente sub-dividir cada quadrado não homogéneo em mais quatro quadrados.

O processo repete-se até quadrados homogéneos serem encontrados ou a resolução ser máxima.

Neste caso, células não homogéneas são marcadas como obstáculos


Representação de ConhecimentoGrelhas regulares gastam muita memória desnecessária

Árvores Quaternárias (quadtrees) gastam menos memória.

Trajecto calculado usando “quadtrees” é sub-óptimo pois o caminho ainda passa pelo centro das células.

Há métodos para “arredondar” os caminhos mas não há garantias de convergir para o caminho óptimo

31


Representação de ConhecimentoDivisão recursiva do espaço e correspondente quadtree em que uma das folhas representa um obstáculo.

Havendo vários caminhos possíveis temos várias raízes e várias árvores. Ou seja temos uma “floresta de quadtrees” ou “floresta quaternária”


Representação de ConhecimentoPara calcular passos óptimos pode usar-se uma nova representação que é a “framed quadtree” ou Árvore quaternária enquadrada resultando de uma modificação (aumento) das “quadtrees”.

Células da resolução maior possível são adicionadas à volta do perímetro de cada região da “quadtree”.

Isso permite gerar um caminho mais suave (vêr figura)

32


Representação de ConhecimentoNa figura quanto mais escura a célula mais custos implica.

Como o trajecto pode passar por qualquer célula de fronteira e há muitas destas, há muitos mais angulos possíveis entre segmentos de caminho em vez dos 8 das grelhas regulares.

O caminho aproxima-se mais do óptimo mas requer mais memória em ambientes com muitos obstáculos.

Depois de construir recursivamente a “quadtree” pode alocar-se uma lista de células de fronteira à volta do perímetro de todos os terminais da “quadtree”.

Seguidamente atribui-se apontadores para células fronteiras vizinhas.

Se pertencem à mesma célula terminal são implicitamente conectáveis.

Se pertencem a terminais diferentes da “quadtree” é preciso verificar se são adjacentes ou não. Se sim haverá células fronteiras dele que são adjecentes e podem criar-se apontadores de uma para as outras


Representação de Conhecimento

Conecções típicas a partir de uma célula fronteira no canto e outra no

Lado.

33



Memória Longo-termo para mapas:

baseados em sensores

imprecisos se o ambiente é dinâmico

on-line (sensores próprios)

off-line (ex. satélite)

codificação:

métrica (coordenadas)

qualitativa (características relacionamentos. Ex: vire na 2ª porta à direita)


Arquitectura de Planeador DeliberativoPlaneamento Deliberativo e Planeamento Hierárquico:

Planeamento hierárquico implica nítida sub-divisão funcional e temporal

PlaneamentoEstratégicoglobal

Planeamentotáticointermédio

PlaneamentoLocalCurto-prazo

Controloactuadores

ConhecimentoGlobal

Modelo do MundoLocal

InterpretaçãoImediata deSensores

Acções Sensações

Âmbito espacial Planeamento hierárquico Modelo Mundo Horizonte temporal

global

Vizinhançaimediata

Longo-prazo

Tempo-real

34


Arquitecturas HíbridasRelacionamento entre planeamento e reactividade:

(A)- Integração em hierarquia multi-nível

(B)- Planear para guiar reactividade (determina parâmetros)

(C)- Acoplar Planeamento e Reacção (actividades concorrentes)


Arquitecturas HíbridasRelacionamento entre planeamento e reactividade:

Nível(eis) intermédio(s ) fundamental para ligação eficiente.

Estratégias de interface nas arquitecturas híbridas:

- Planeamento como configuração: que comportamentos, que parâmetros a usar na execução

- Planemento como aconselhamento:sugestões apresentadas mas a componente reactiva decide- Planeamento para a adaptação:continuamente altera a componente reactiva devido a alterações nas condições- Planeamento como adiamento:

Processo de “compromisso atrasado” em que as reacções são adiadas o mais possível

35


Arquitecturas HíbridasExemplo de Arquitecturas Híbridas:

AuRA : Autonomous Robot Architecture R.Arkin 87

Aplicações: navegação, manufactura, manipulação, equipas multi-robôs



Arquitectura Planeador-Reactor (Lyons e Hendrix 95):

Planeador modifica continuamente a componente reactiva

36



PRS “Procedural Reasoning System” Georgeff e Lansky 87

Adia a elaboração do Plano até ser necessário.

BDIs para formular o plano

arquitecturas de controlo de robôs móveis -...

Documents