tópicos de projeto: métodos de computação inteligente 2003-1 jacques robin cin-ufpe

Tópicos de Projeto:Métodos de Computação Inteligente

2003-1

Jacques RobinCIn-UFPE

Tópicos

1. CIn-Project: sistema de planejamento e gerencia de processo de desenvolvimento de software baseado em ontologias

2. Time de RoboCup Maracatu RFC 1.13. Agente explorador do Mundo do Wumpus4. Simulador de Mesozoic Zoo in Orbit com interface de

visualização e agente teste simples5. Uma ontologia UML de corridas de carros com implementação

parcial 6. Uma ontologia UML de jogos de bola com implementação

parcial

CIn-Project

Ontologia Geral UML/OCLde Planejamento e

Gerenciamento de Projetos

Sub-Ontologia UML/OCLde Processos de Software

Ontologia Geral Florade Planejamento e

Gerenciamento de Projetos

Sub-Ontologia Florade Processos de Software

Sub-Ontologia Florado Software Desenvolvido

Sub-Ontologia UML/OCLdo Software Desenvolvido

Editor deModelos UML/OCL

Plano manual do projetoem UML/OCL

GUI deaquisiçãode dados

do projeto

Base de dados doprojeto em Flora

Plano manual do projetoem Flora

Plano manual do projetoanotado com problemas

em UML/OCL

Plano sugerido do projetoem UML/OCL

Verificador de Planos

Plano manual do projetoanotados com problemas

em Flora

Máquina de Inferência Flora

Planejador

Plano sugerido do projetoem Flora

CIn-Project

Sistema de planejamento e gerencia de projeto de software baseado em ontologias

Exemplos de classes das ontologias gerais: Tarefas e sub-tarefas Papeis Recursos: humanos, hardware, software, comunicação, espaço físico Medidas: custo, desempenho, prazo Tecnologias

Exemplos de relacionamentos das ontologias gerais: Dependências entre tarefas Alocação de recursos para cada sub-tarefa Desvios: atrasos, overhead de custo, qualidade insuficiente

Ponto de partida: Procurar e reutilizar padrões de gerencia de projeto, processos de software e planejamento em IA

Codificá-los em UML/OCL e em Flora

Processo de desenvolvimento dirigido por ontologia de SMA baseado em

conhecimentoModelagem:Modelagem:• Ontologia do domínio: O• Caracterização do ambiente: C = f(O)

• Modelagem de cada BC do simulador: Me = f(O,Rec)• Modelagem de cada BC de cada agente: Ma = f(O,Rac)

• Arquitetura social do SMA: As = f(C,Rs)• Arquitetura interna do simulador: Ae = f(C,Re)• Arquitetura interna de cada agente: Aa = f(C,Ra)

Requisitos:Requisitos:• Do SMA: Rs

• De cada componente do simulador: Rec = f(Re,Ae)• De cada componente de cada agente: Rac = f(Ra,Aa)

• Do simulador de ambiente: Re = f(Rs,As)• De cada agente: Ra = f(Rs,As)

Implementação:Implementação:• Codificação ou aprendizagem de cada BC do simulador Ie = f(Me)• Codificação ou aprendizagem de cada BC de cada agente Ia = f(Ma)

Testes:Testes:• Unitários de cada BC do simulador Tec = f(Ie,Re)• Integrados do simulador Te = f(Ie,Re)• Unitários de cada BC de cada agente Tac = f(Ia,Rac)• Integrados de cada agente Ta = f(Ia,Ra)• Integrado do SMA Ts = f(Ie,Ia,Rs)

Engenharia dos requisitos: SMA e simulador

SMASMA: Diagramas de casos de uso com restrições OCL Ligados a classes da ontologia

SimuladorSimulador do ambiente: Diagramas de casos de uso com restrições OCL Ligados a classes da ontologia: percepções e ações Funcionalidades desejáveis:

Simulação a velocidade normal Interrupção para inspeção e simulação passo a passo Retroceder, mudar parâmetro ou ação de um agente, e recomeçar Geração de logs do estado do ambiente, das percepções e ações dos agentes

Engenharia dos requisitos: agentes

Diagramas de casos de uso com restrições OCL Ligados a classes da ontologia: percepções e ações Funcionalidades desejáveis:

Raciocínio a velocidade normal Interrupção para inspeção e execução passo a passo Retroceder no raciocino, mudar crença, objetivo, plano ou regras e recomeçar

Geração de logs do seu raciocínio e das suas percepções, crenças, objetivos, planos, utilidades e ações

Engenharia dos requisitos: GUI do simulador e GUI dos agentes

Diagramas de casos de uso ligados a classes da ontologia Funcionalidades desejáveis:

Visualização da simulação a velocidade normal Interrupção para inspeção execução passo a passo GUI do simulador:

Visualização dos estado do ambiente, das percepções e ações dos agentes

Retroceder, mudar parâmetro ou dado do ambiente, ou ação ou percepção de um agente, e recomeçar

GUI do agente: Visualização do raciocínio, das crenças, objetivos, planos, utilidades e regras do agente

Retroceder, mudar crença, objetivo, plano, utilidade ou regra do agente, e recomeçar

Durante execução, ou a partir dos logs armazenados pelo simulador ou agentes

Modelagem da estrutura social do SMA

Papeis: interfaces UML encapsulando serviços Restrições OCL sobre alocação de papeis Unidades sociais: pacotes UML Protocolos de comunicação e cooperação: diagramas de

interação Agent UML Agent UML (www.auml.org)

http://www.auml.org/




Modelagem: do simulador e dos agentes

Arquiteturas internas do simulador e dos agentes: Escolha dos componentes e bases de conhecimento Escolha da estrutura de controle entre componentes e bases de conhecimento

Escolha do mecanismo de raciocínio de cada componente Escolha do método de aquisição do conhecimento para cada base

Modelos do simulador e dos agentes: No caso da aquisição manual do conhecimento Diagramas de classes com restrições OCL estendendo a ontologia Diagramas de estado para comportamentos

Implementação do simulador e dos agentes

Para cada componente do simulador e de cada agente: Escolha da linguagem L de representação de conhecimento Escolha da máquina de inferência raciocinando com L Caso da aquisição manual do conhecimento:

Codificação em L de cada elemento do modelo Caso da aquisição por aprendizagem de máquina: processo em espiral consistindo do seguintes passos: Codificação em L de um conjunto de exemplos de entrada-saída Escolha do algoritmo de aprendizagem Especificação do viés de aprendizagem Escolha da ferramenta de aprendizagem Ajuste dos parâmetros da ferramenta Treinamento com parte dos exemplos codificados Teste estatístico do conhecimento aprendido com outra parte dos exemplos

Avaliação qualitativa do conhecimento aprendido

Testes

Unitários de cada BC do simulador Integrados do simulador Unitários de cada BC de cada agente Integrados de cada agente Integrado do SMA

Análise das interações multiagente e do comportamentos coletivos emergentes

Cada uma desses conjuntos de testes sub-divididos em: Testes funcionais de black-box Testes funcionais de glass-box

Rastreamento do mecanismo de raciocínio da máquina de inferência Testes de desempenho

Rastreamento do mecanismo de raciocínio da máquina de inferência

Maracatu Robo Futebol Clube

1.1 Divisão softbots Exemplos de jogos:

http://www.uni-koblenz.de/ag-ki/ftp/robocup/robolog/flash/robolog-brainstormers.swf

http://www.uni-koblenz.de/ag-ki/ftp/robocup/robolog/flash/Luebeck-RoboLog.swf

http://www.uni-koblenz.de/ag-ki/ftp/robocup/robolog/flash/ATH-RoboLog.swf

SoccerServer

UDP/IP UDP/IP

Client 1

Client 11Client 11

Client 1

Time A

Time BSoccer Monitor








































Maracatu Robo Futebol Clube 1.1

Desenvolver nova versão de time de futebol de robô simulado do CIn para a competição internacional anual RoboCup (www.robocup.org)

Versão 1.0 resultado de uma dissertação de mestrado Ontologia abrangente da RoboCup em UML/OCL Time de agentes autômatos Modelo do time em UML/OCL Implementação:

Interpretação das percepção e atualização do modelo do ambiente reuso da biblioteca C do CMUnited, usada pelos Campões 1998-2002

Escolha das ações: Alto-nível: regras orientada a objetos Flora Baixo-nível: reuso da biblioteca C do CMUnited, usada pelos Campões 1998-2002

http://www.robocup.org/

http://www.robocup.org/

Extensões para versão 1.1: Agente cognitivo Jogadas defensivas:

Posicionamento para marcação defensiva Escolha: marcar seu adversário designado x tentar interceptar a bola x

marcar adversário livre com a bola Jogadas ofensivas sem a bola

Posicionamento para sair da marcação do adversário Jogadas com a bola:

Avaliação do melhor passe Escolha: passe x drible x chute

Extensão do modelo: Diagramas de classes, restrições OCL, diagramas de estado

Extensão da implementação: Classes Flora, regras Flora

Avaliação: Partidas entre times diferentes por apenas um único aspecto

Maracatu Robo Futebol Clube 1.1

Agente explorador do mundo do

wumpus

JEOPS: regras + objetos + procedimentos

Java

Servidor Simulador

Flora: regras +objetos + relações

Cliente Agente

XSB PrologAPI

XSB PrologJava

RMI

Cliente Agente


Java


wumpus

YAP Prolog: regras + relações

Simulador Agente


Java

Servidor Simulador


Cliente Agente

XSB Prolog

APIFloraJava

RMI

Cliente Agente


Java

Eclipse: regras + restrições + relações

Simulador

Agente

E-RES

Cálculo de eventos:Cálculo de eventos:• Atualizações do modelo do ambiente• Manutenção da verdade• Problema do frame• Problema da ramificaçãoPlanejamento:Planejamento:• Previsão de ambientes futuros


wumpus

Arquiteturado Agente

Linguagem de Programação

Atualizaçãodos Modelos

FloraJEOPS Prolog

Cálculo deEventos

Cálculo deSituações Não

MonotônicaEclipse

E-RES

AgenteCognitivo

AgenteAutômato

AgenteCognitivo

Otimizador

AgenteAutômatoOtimizador


wumpus

Planejador comInformação Parcial

Previsão dosModelosFuturos

Arquiteturado Agente

Linguagem de Programação

Atualizaçãodos Modelos

Eclipse

E-RES

FloraJEOPS Prolog

Cálculo deEventos

Cálculo deSituações Não

Monotônica

AgenteDeliberativo

Agente Deliberativo Otimizador


wumpus Como gerar uma publicação a partir do projeto?

Desenvolver e comparar desempenho de: Várias arquiteturas de agentes (mais fácil com E-RES) Várias técnicas de atualizações do modelo do ambientes (mais fácil com Flora)

Vários linguagens de programação Desenvolver agente deliberativo em JEOPS ou Flora

Welcome to MeZOORBMEsoZOic ZOO in ORBIT

Jogo educativo para ensinar IA e fazer experimentos empíricos para pesquisa

Supera as limitações do Mundo do Wumpus e da RoboCup: Características fixas do ambiente Algumas em comum

InacessívelInacessível discretodeterministanão-episódiconão-episódicoseqüencialmono-agentenão diversonão diverso

InacessívelInacessível contínuoestocásticonão-episódiconão-episódicoassíncronomulti-agentesnão diversonão diverso

Ausência de diversidade nos 2: Classes de terrenos: 1 ou 2 Classes de agentes: 1 Classes de objetos: 1 ou 2 Classes de modos de locomoção: 1 Classes de objetivos: 2

Áreas chaves da IA tratamespecificamente da diversidade: Ontologias Representação do conhecimento OO Técnicas de classificação

Welcome to MeZOORB

Requisitos: Todas as características do ambiente parametrizáveis Permite criar ambientes com qualquer combinação de características

No entanto: simples de entender pós ancorado em referências universalmente difundidas

Roteiro:

Meets

Versão 2.0 do Parque dos Dinossauros se mudou de uma ilha do Costa-Rica para uma estação orbital

Por razão de segurança e verossimilhança Biomecânica: mega-fauna pré-histórica inviável na gravidade

atualhttp://www.dinox.freeserve.co.uk/english/sizecomp.htm

http://www.dinox.freeserve.co.uk/english/sizecomp.htm













Welcome to Mezoorb

Teoria geológicada terraem expansão

Welcome to Mezoorb Colônias espaciais orbitais

Welcome to MeZOORB: diversidade

Taxonomia de animais animais de

diversas habilidadese comportamentos:

• sensores,atuadores• tamanho,velocidade •corre,trepa,nada,voa

• inteligência• agressividade

Taxonomia de pessoas pessoas de

diversas habilidadese comportamentos:

• paleontólogo,hacker, piloto,soldado, • líder,corajoso,

altruísta Taxonomia de

terrenosterrenos: • floresta,savana,deserto• mangue,rio,lagoa,mar

• planície,montanha• caverna, construçãoTaxonomia de

veículosveículos:• moto,jipe,

caminhão-lagarta?• helicóptero,hidravião

• hovercraft,lancha,jet-ski,submarino

Taxonomia de armasarmas:• metralhadora• lança-chama• fuzil-arpão

• torpedo

Taxonomia derecursosrecursos:

• bebida,comida• energia,combustível

• munições,peças• telecomunicações Taxonomia de

obstáculos e passagemobstáculos e passagem:• cercas,viveiros,• paredes,fossos

• pontes,túneis,pistas• portas,escadas


XSB Prolog

APIFloraXML

Servidor Simulador

Socket


XSB Prolog

APIFloraXML

Socket

Cliente Agente

.net

GUI

Swing

Java

APIJavaXML

Socket

APIJEOPSXML

Socket

Servidor Simulador

JEOPS: regras+ objetos +

procedimentos

Java

BNJ: redesbayesianas ?

BNJ: redesbayesianas?

Cliente Agente

JEOPS: regras+ objetos +

procedimentos

Java

APIJEOPSXML

Socket

Welcome to MeZOORB:

arquiteturas de software

Visualização:• do ambiente• das percepções e ações dos agentes• dos modelos, objetivos e regras dos agentes• velocidade normal, parada, passo a passo, retroceder, mudar parâmetro,recomeçar.

.net

APIEclipse

XML

Socket

E-RES: planejamento+ cálculo de eventos

Eclipse: ~objetos +regras+ restrições + relações

Cliente Agente

APIEclipse

XML

Socket


Eclipse: ~objetos + regras + restrições + relações

Servidor Simulador

APIICLXML

Servidor Simulador

Socket

ICL: regras+ relações+ probabilidades+ utilidades

YAP Prolog

Logtalk:objetos+ regras+ relações

APIICLXML

Socket

Cliente Simulador

ICL: regras+ relações+ probabilidades+ utilidades

YAP Prolog


APICLP(BN)

XML

SocketYAP Prolog

Servidor Agente

CLP(BN): regras+ relações+ restrições+ probabilidades


APICLP(BN)

XML

Socket YAP Prolog

Cliente Agente

CLP(BN): regras+ relações+ restrições+ probabilidades


RMI

Java

Swing

GUI


Eclipse: ~objetos + regras + restrições + relações

Servidor Simulador

APIEclipse

Java


Eclipse: ~objetos +regras+ restrições + relações

Cliente Agente

APIEclipse

Java

Servidor Simulador


Java

Cliente Agente


Java

BNJ: redesbayesianas

BNJ: redesbayesianas

??


XSB Prolog

Servidor Simulador

API XSB-Java

API Flora-JavaFlora: regras +

objetos + relações

XSB Prolog

Cliente Agente

API XSB-Java

API Flora-Java

Ontologia de corridas de carrose jogos de bola

Motivação: Dois domínios estudo de caso para Intelligent educative hybrid game forge engineering

Incorporate different game domain roles usually covered in different game classes (reflex, managerial, RPG)

Any role can be filled by either a human player or a softbotAggregate web-based edutainment material and chat rooms for the human players to cooperatively and adversarially improve their skills

Rely on heavy duty physical modelling and AIProvide broad domain general simulation functionalitiesAllows human players and communities to use these functionalities to instanciate an infinite number of particular games

Intelligent educative hybridgame forge engineering: the commercial

With a Dreamnaut Game ForgeDreamnaut Game ForgeTMTM you don’t merely buy and play a single, fixed game created by othersYou and your friends design your own virtual world, define your own playing rules and then play alongFrom tournament to tournament you help create a new traditionAfter each tournament you don’t merely improve your player skills, you tinker with the world and rules to improve the playability and fun of the very gameUntil you grow tired of it, and then invent a radically new oneAll this with a single software and without the need to program a line of codeWhy playing other people’s game when it’s now so easy to be the ringmaster?

Genericteam sport league components:

-Game Simulation-League Simulation

-Personality modelling- Physical modelling

- Graphics- AI

Team sportgame forge site

Generic team sport ontology Virtual

team sport leaguecollaborative design

components:- Sport design

- League design- Collaborative

support

Web links about:- Team sports- Personality modelling - Physical modelling- Computer graphics- User interfaces- Game Playability- AI

Virtual team sport league design GUI

Virtual team sport leaguedesign collaboration GUI

Player community designedvirtual team sport and league

sub-ontology

Specific team sport league

component generator:-Game Simulation

-League Simulation-Personality modelling- Physical modelling

- Graphics- AI

Player community designed

team sport league components:-Game Simulation

-League Simulation-Personality modelling- Physical modelling

- Graphics- AI

Virtual team sportleague management GUI

Virtual team sportgame playing GUI

Motorsports Game Forge Roles

League president, board member Circuit owner, designer Sponsor marketing manager Team manager Chassis manufacturer, designer Engine manufacturer, designer Tyre manufacturer, designer Fuel manufacturer, designer Driver’s aid software manufacturer, designer (now this involves

programming !) Driver Driver’s groupie (now this is a no brainer )

Example Motorsports GameForged Instance: Formula 0

Endurance road course racing series: 3 hours single driver races, 24 hours 3 driver crew races To maximize overtaking, starting grid reverse of championship

standing 1st 16pts, 2nd 10pts, 3rd 9pts ... 10th 2pts, 11th-20th: 1pt,

fatest lap: 2pts, most lap led: 2pts Car design is freest possible within the broad goal of combining:

Maximum speed (what did you expect?) Maximum crash safety Near zero pollution Near zero noise Near zero maintenance

no pit stop for 3h races only 8 pit stops and single set of replacement tyres in 24h races

Licensability and practicality as street car Two fully equipped seats, luggage compartment, standard parking

spot fitting dimensions, bottom high enough to go over speed bumps

Example Teamsports Game Forged Instance: RollerFrisbee

Contact team sports fusionning elements from basketball, handball, soccer, american football, australian football, lacrosse, ultimate frisbee, roller hockey and roller derby.

Teams of 10 players, 1 goalkeeper and 9 field skaters on switch retractable roller sneakers (to allow skating, running and jumping)

Oval, entirely fenced rink, divided into a 95m long and 70m wide flat inner oval and a surrounding, 15m wide outer ring banked at 15o.

A team scores points when it sends a bouncing frisbee into one part of the opponent goal, the lower, soccer-like part, the middle basket and the upper football-like part

9 different ways to score: handball goal (3pts) , soccer goal (5pts), close-range basket (2pts) , middle range basket (3pts), long-range basket (5pts), free-throw (1pt), close-range throw and catch (3pts), long-range throw and catch (5pts), long throw (2pts)

tópicos de projeto: métodos de computação inteligente 2003-1 jacques robin cin-ufpe

Documents