Upload
truongphuc
View
234
Download
0
Embed Size (px)
Citation preview
Laboratório de Sistemas Integráveis – EPUSP
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana para
Simulações de Vida Artificial com Humanos Virtuais
Marcos CavalhieriDr. Márcio Lobo Netto
11 de Abril de 2006 Defesa de Mestrado
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Agenda da Apresentação
– Introdução
– Aspectos Gerais
– Modelo de Comportamento Proposto
– Simulação do Projeto
– Resultados Obtidos
– Considerações Finais
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Introdução
– Problema Abordado– Falta de conhecimento correto e completo do mundo externo aos
personagens (entidades não-onipotentes).
– Manipular informações incertas ou passíveis de ruídos.
– Tomar decisões com base em informações incertas, de modo a considerar possíveis implicações decorrentes desta incerteza e ruídos agregados.
– Manter consistente o comportamento dos personagens em Ambientes Dinâmicos.
– Desenvolver a capacidade de adaptação em personagens virtuais.
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Introdução
– Objetivo
● Propor um modelo de comportamento humano autônomo e adaptativo que permita ao personagem interagir em um ambiente virtual dinâmico, mesmo dispondo de informações incertas.
– Solução Proposta
● Modelo de comportamento baseado em Crenças e Teoria de Bayes para manipular a incerteza vinculada às informações
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Introdução
– Como manipular essa incerteza?
● Informações incertas são abordadas como crenças. E estas são obtidas através de um cálculo bayesiano (crenças probabilísticas).
– Como conciliar com a Tomada de Decisão?
● Mecanismos determinísticos e probabilísticos compõem o processo de inferência.
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Introdução
– E a Adaptação? Como será feita?
● Adoção da inferência como recurso de avaliação do personagem para desenvolver a capacidade adaptativa do modelo.
– Adaptação do quê?
● Ocorrerá nas informações incertas (crenças) pertinentes ao personagem. Reavaliando assim, os níveis de certeza das crenças.
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Introdução
– Características da Solução
● Habilidade em observar o ambiente e representá-lo, mesmo as informações passíveis de ruído.
● Inferir e tomar decisões com base nestas representações.
● Interagir com um ambiente dinâmico de modo que desenvolva a sua capacidade adaptativa.
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Introdução
– Trabalhos Relacionados
● MIRALab e VRLab– Representação de personagens, especificamente Humanos Virtuais.
– Comportamento autônomo, social e emergencial.
– Simulação de multidões.
– Integração destes personagens com ambientes virtuais em Realidade Virtual.
Laboratório de Sistemas Integráveis – EPUSP
Introdução
– Trabalhos Relacionados
● CROMOS– Geração parametrizada de populações heterogêneas (personagens
virtuais).
– Simulação de comportamento social para elevadas densidades demográficas.
– Capacidade de lidar com ruídos ou agentes perturbadores, que resultem em pânico ou situações de emergência.
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Introdução
– CROMOS
Laboratório de Sistemas Integráveis – EPUSP
Introdução
– Trabalhos Relacionados
● ARTLIFE– ALIVE
● Ambiente de simulação para experimentos em VA.● Algumas simulações já desenvolvidas.● Dinâmicas de sobrevivência e comportamento social.● Colônia de bactérias;● Radiosidade e difusão de energia.● Visão Bottom-Up.● Vertente da pesquisa: Filogenia.● Seres perceptivos (ausência de módulo cognitivo).
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Introdução
– ALIVE
R
G
B
+ ACT
W1
W2
W3
FILTER
RADIATION
RGB Filter
Neural Net
Laboratório de Sistemas Integráveis – EPUSP
Introdução
– Trabalhos Relacionados
● ARTLIFE– WOXBOT
● Personagem virtual (robô).● Arena composta por objetos que representam fontes limitadas de
energia e toxina.● Tempo de Vida dependente do consumo de energia.● Codificação genética do processo cognitivo (máquina de estados).● Comportamento reativo e rígido.● Visão Bottom-Up.● Vertente da pesquisa: Filogenia.● Presença de um mecanismo de tomada de decisão.
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Introdução
– WOXBOT
Laboratório de Sistemas Integráveis – EPUSP
Introdução
– Trabalhos Relacionados
● ARTLIFE– ALGA
● Personagens virtuais (peixes).● Aquário formado por peixes e alimento.● Tempo de Vida dependente do consumo de energia.● Tomada de decisão baseada em cadeias de Markov.● Uso de um dicionário de palavras.● Comportamento adaptativo.● Presença de 2 entidades distintas: professor e aluno.● Visão Top-Down.● Vertente da pesquisa: Ontogenia.● Seres cognitivos: comunicação e aprendizado.
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Introdução
– ALGA
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Introdução
– Trabalhos Relacionados
● ARTLIFE– V1V0
● População de personagens (humanos virtuais).● Ambiente formado estritamente por humanos.● Tomada de decisão baseada em raciocínio probabilístico.● Representação interna do ambiente observado.● Habilidade em manipular incertezas.● Comportamento cognitivo e adaptativo.● Visão Top-Down.● Vertente da pesquisa: Epistemologia.● Seres cognitivos: manipulação de informações incertas do ambiente
e adaptação.
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Introdução
– Contextualização Geral– ALIVE
● Âmbito geral de Vida Artificial.● Cenário microbiótico (organismos unicelulares).● Seres reativos e necessidade de sobrevivência.
– WOXBOT
● Filogenia.● Personagem sintético.● Surgimento de uma cognição primitiva.
– ALGA
● Ontogenia.● Seres mais “desenvolvidos”.● Uso de dicionário de palavras e comunicação.● Cognição melhor elaborada.
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Introdução
– Contextualização Geral
● V1V0– Epistemologia.
– Seres “racionais” (humanos virtuais).
– Representação e manipulação de incertezas.
– Representação interna do ambiente.
– Processo de inferência atrelado à Tomada de Decisão.
– Presença de pseudo-personalidade.
– Seres cognitivos e adaptativos.
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
– Vida Artificial
● Filogenia, Ontogenia e Epistemologia– Espécie, Ser (indivíduo) e Conhecimento
● Bottom-UP X Top-Down
– VA Forte (Biologia) x VA Fraca (Engenharia)
● Fenômenos observados em vida– Comportamento Social
– Reprodução
– Adaptação
● Evolução● Aprendizado
Aspectos Gerais
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Aspectos Gerais
– Inteligência Artificial
● Agentes, Comportamento e Ambientes
● Principais características desses ambientes– Observação do cenário
– Dependência de alteração (estados)
– Tempo de influência da ação do agente
– Fluxo de tempo
– Quantidade de agentes
Framework do Comportamentoestímulo do
ambienteatuação no
ambiente
Percepção Cognição Atuação
Ruídos eIncertezas
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Aspectos Gerais
– Raciocínio Probabilístico
● Teoria de Bayes
– Probabilidades incondicionais (a priori):
● Evidência e Hipótese: P(e), P(H)– Probabilidade de dependência (likelihood):
● Evidência na certeza da Hipótese: P(e/H)– Probabilidade condicionada (a posteriori):
● Hipótese na certeza da Evidência: P(H/e)
Laboratório de Sistemas Integráveis – EPUSP
Aspectos Gerais
– Raciocínio Probabilístico
● Teoria de Bayes
– Muito utilizado em sistemas especialistas para descrever o raciocínio lógico frente às incertezas.
– Parâmetros estáticos: uma vez obtidas as distribuições das amostras elas não são alteradas.
– Vantagem: simplicidade do modelo que exige poucas informações (3parâmetros).
– Desvantagem: dificuldade de obtenção das amostras (valores probabilísticos a priori).
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Aspectos Gerais
● Realidade Virtual
– Sentimento de ausência e vazio.
– Sistemas Distribuídos de Realidade Virtual.
– Multi-usuário (Avatares).
– E quando não existir usuários suficientes?
– Agentes, Personagens, Humanos Virtuais!?
● Comportamento autônomo.
● Controle de uma representação gráfica.
● Percepção e Interação com o ambiente.
Laboratório de Sistemas Integráveis – EPUSP
Aspectos Gerais
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
● Vida e Inteligência Artificial
– Epistemologia, Top-Down, VA Fraca.
– Comportamento Social e Adaptação.
– Características do Ambiente
● Parcialmente Observável, Estocástico, Episódico
● Dinâmico, Discreto, “Multi-Agente”, Competitivo
● Framework Proposto
– Percepção, Cognição e Atuação (primitivo).
– Fatos, Crenças e Ações.
Modelo de Comportamento
Laboratório de Sistemas Integráveis – EPUSP
Modelo de Comportamento
– Percepção
● Detecção de colisão (área de influência).
● Criação de Fatos (Evidências).
● Registrado em uma Lista de Fatos.
– Cognição
● Interpretação e Decisão (2 planos).
● Atualização do Repertório (cálculo das crenças).
● Atualização da Roleta de Monte Carlo (ações);
● Avaliação do sucesso (ou não) da ação.
Laboratório de Sistemas Integráveis – EPUSP
Modelo de Comportamento
Processo Cognitivo
FatosCrenças
Ação
Repertório
Interpretador(Inferência)
Decisor(Escolha)%
Laboratório de Sistemas Integráveis – EPUSP
Modelo de Comportamento
– Interpretador (Atualização do Repertório)
● Modelagem Bayesiana
– Cálculo dos níveis de certeza das crenças (probabilísticas).
– Uso de funções para conciliar o conhecimento a priori com o dinamismo da simulação (alteração dos estados do ambiente). Vf(t), Vc(t).
– Notação:
● evento (e) → fato (f)● hipótese (h) → crença (c)
Laboratório de Sistemas Integráveis – EPUSP
Modelo de Comportamento
– Interpretador (Atualização do Repertório)
● Modelagem Bayesiana
– Conhecimento a priori e estático: P(f), P(C).
● Obtido no nascimento e invariável.● Pseudo-personalidade (pré-disposição).● Precisa ser modelado (condições ideais p/ simulação).
– Fator de memória. Vf(t-1), Vc( t-1).
– Aspectos de freqüência de uso e relevância dentro do repertório.
H2
H1
InterpretadorF1
Hn
Laboratório de Sistemas Integráveis – EPUSP
Modelo de Comportamento
– Decisor (Seleção da Ação)
● Sistema de tomada de decisão: Monte Carlo.
● Cada fato possuí uma distribuição com as probabilidades das ações (roleta).
● Mecanismo probabilístico (sorteio).
● Atualização da distribuição com base na crença dominante (+ significativa). A fatia correspondente é ponderada com base no nível de certeza.
● A ação é selecionada e disparada enquanto o Decisor aguarda um retorno de sucesso ou não. Correção do parâmetro I(f/c) com base na constatação decorrente da ação executada.
Laboratório de Sistemas Integráveis – EPUSP
Modelo de Comportamento
– Funcionamento do Interpretador e do Decisor
NC(c/f)
Assistente
36%
Interpretadorfato
+ | -
I(f/c)
Decisor
ação ?
êxito
crença
utilizada
crença
dominante
?
Laboratório de Sistemas Integráveis – EPUSP
Modelo de Comportamento
– Problemas encontrados:
● Perda de integridade dos valores probabilísticos (parâmetros).– Exemplo: ∑C C1 + C2 +...+ Cn = 100%
● Numerador mais significativo que o denominador.– Numerador: I(f/c) e Vc(t).
– Denominador: Vf(t).
● Convergência prematura das distribuições das ações com base nas crenças (Mínimo Local).
– Aumento da Fatia.
– Aumento da Participação (sorteio da ação).
– Aumento do Vc(t).
Laboratório de Sistemas Integráveis – EPUSP
Modelo de Comportamento
– Soluções utilizadas:
● Normalização probabilística a cada alteração.
● ?!?
– Recomendável que se tenha xF → yC. Onde (y>x).
– Aumento da incerteza no ambiente que incide diretamente no parâmetro que mensura tal ruído: I(f/c).
– Melhor modelagem das distribuições a priori.
● Diminuir a temperatura do sistema (simulação).– Admissão de outros fatores de incerteza.
– A Ponderação da fatia da ação correspondente é obtida através doquadrado do nível de certeza NC².
Laboratório de Sistemas Integráveis – EPUSP
Simulação do Projeto
Laboratório de Sistemas Integráveis – EPUSP
Simulação do Projeto
– Configurações
Laboratório de Sistemas Integráveis – EPUSP
Simulação do Projeto
– Renderização
Laboratório de Sistemas Integráveis – EPUSP
Simulação do Projeto
– Comportamento -> Percepção
Laboratório de Sistemas Integráveis – EPUSP
Simulação do Projeto
– Comportamento -> Cognição
Laboratório de Sistemas Integráveis – EPUSP
Simulação do Projeto
– Comportamento -> Repertório
Laboratório de Sistemas Integráveis – EPUSP
Simulação do Projeto
– Comportamento -> Monte Carlo
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Resultados Obtidos
Laboratório de Sistemas Integráveis – EPUSP
Considerações Finais
– Contribuições Científicas
● Vida Artificial– Desenvolvimento na linha epistemológica (desenvolvimento cultural).
– Contexto “Bottom-Up” para I(f/c), onde o personagem aprende a relacionar Fatos com Crenças.
– Adaptação às alterações de estado do ambiente (ruídos e incertezas).
● Inteligência Artificial– Dinamismo na mensurização das incertezas (Bayes).
● Reavaliação dos níveis de certeza.● Em sistemas especialistas o comportamento das distribuições
probabilísticas é estático.
Laboratório de Sistemas Integráveis – EPUSP
Considerações Finais
– Conclusões
● O método bayesiano se mostrou satisfatório em aplicações dinâmicas e cumpriu o objetivo de permitir aos personagens se adaptar em um ambiente parcialmente observável. Contudo, sua modelagem mostrou-se frágil e muito sensível.
● Métrica da incerteza do ambiente:– O parâmetro alterado pela adaptação, I(f/c), após uma janela de tempo,
reflete efetivamente a quantidade de ruído presente no relacionamento F/C.
– A incerteza enfraquece consideravelmente a relação F/C.
Laboratório de Sistemas Integráveis – EPUSP
Considerações Finais
– Trabalhos Futuros
● Extensão da pesquisa para um modelo que comporte Múltiplas Hipóteses Múltiplas Evidências (MHME).
● Incorporação de Algoritmos Genéticos para obter amostras mais robustas dos valores a priori (Bayes).
– É possível que a personalidade das pessoas (parte dela) esteja presente no material genético.
– Em determinados cenários, uma personalidade pode ser mais interessante que outra, resultando na seleção natural dos mesmos.
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Considerações Finais
– Trabalhos Futuros
● Confrontar os recursos bayesianos com outras técnicas de manipulação de incertezas dentro de um escopo epistemológico.
● Ampliar a modelagem do raciocínio lógico a aspectos cognitivos utilizando a arquitetura BDI (Belief, Desire and Intention).
● Expandir os personagens humanos à representações 3Ds (aumento de informações contidas nas ações).
● Estender a simulação à Caverna Digital.
● Abrir o sistema à inserção de ruídos e perturbações.
Laboratório de Sistemas Integráveis – EPUSP
Considerações
– Trabalhos Futuros
● Desenvolver o conceito de sociedades bem como a migração entre seus membros para análise de adaptação.
● Migrar o projeto para um sistema multi-agentes, aumentando assim o tamanho das populações. Ex: SACI (LTI).
● Parametrizar a regra de seleção dos 2 planos cognitivos: determinístico e probabilístico.