Upload
internet
View
106
Download
1
Embed Size (px)
Citation preview
Redes Neurais Hierárquicas para Redes Neurais Hierárquicas para Implementação de Comportamentos em Implementação de Comportamentos em
Agentes AutônomosAgentes Autônomos
Flávio de Almeida e Silva
Universidade Federal de Santa CatarinaCentro de Tecnologia
Departamento de Informática e EstatísticaPós-graduação em Ciência da Computação
Prof. Mauro Roisenberg, Dr.Prof. Jorge Muniz Barreto, DSc.
UFSC
PUBLICAÇÕESPUBLICAÇÕES
SILVA, Flávio de Almeida e; ROISENBERG, Mauro; BARRETO, Jorge Muniz. Redes Neurais Hierárquicas para Implementação de Comportamentos em Agentes Autônomos. Congresso Brasileiro de Automática – CBA 2000. Setembro
2000.
* Submetido ao Congresso Brasileiro de Redes Neurais - CBRN
ORGANIZAÇÃO DA APRESENTAÇÃOORGANIZAÇÃO DA APRESENTAÇÃO
1. Introdução– Motivação– Objetivos
2. A Evolução Biológica, Sistema Nervoso e Comportamento Animal
3. Alternativas de Implementações para Sistemas Móveis4. Controle Hierárquico dos Comportamentos de um Agente
Autônomo– Ambiente para o Desenvolvimento: “Khepera Simulator”
5. Conclusão
Introdução
• Buscar AA's com repertório de comportamentos e grau de autonomia cada vez maior.
• Existe no animal um mecanismo de avaliação e seleção de comportamentos – Inspiração Biológica.
• Baseado no sistema nervoso dos seres vivos, desenvolver um equivalente computacional que é uma arquitetura hierárquica de redes neurais.
Motivação
Introdução
• Estudo e utilização de Redes Neurais Hierárquicas.
• Desenvolvimento de agentes autônomos com alto grau de inteligência e autonomia.
Objetivo Principal
A Evolução Biológica, o Sistema Nervoso e o Comportamento Animal
• A EVOLUÇÃO Moléculas Célula-Conceito Padrão de Vida-CHURCHLAND (1984) Especialização das Células – Neurônios A Evolução e a Seleção Natural foram os mecanismos que a Natureza
encontrou para aumentar a complexidade dos seres.• O SISTEMA NERVOSO
Neurônios e as sinapses: base do sistema nervoso. Completamente desenvolvidos em sistemas bem simples como celenterados (hydras)
Faz a coordenação de todas as atividades do organismo. “integra as “sensações” e “idéias”, ajusta “fenômenos de consciência” e adapta o organismo às condições do momento”(ERHART, 1974).
Depende de duas partes: PARTE SENSORIAL e PARTE MOTORA. Ele é quem impulsiona os músculos. Tem como prioridade, em termos gerais,
as instruções “sobreviva e procrie”. ”O sistema nervoso é composto pelo cérebro, medula espinhal e nervos periféricos que se
estendem através do corpo.” (GUYTON,1974)
• REDES NEURAIS MODULARES Todas as Partículas Elementares fazem, de certa forma, parte de outro sistema
que elas ajudam a formar. Redes Neurais Modulares estão presente em organismos vivos Um mesmo módulo é usado para executar diferentes tarefas em tempos diferentes
um processo será executado por diferentes módulos em diferentes regiões do cérebro ao mesmo tempo.
Estes sistemas modulares, no cérebro, podem ser de dois tipos, sendo eles vertical e horizontal.
• COMPORTAMENTO ANIMAL O que vem a ser o comportamento animal? Sistema Muscular: é através da sua atividade ou inatividade diante de uma
situação que determinamos ou caracterizamos o comportamento. Existe uma hierarquia de controladores de comportamentos dentro do sistema
nervoso. Um fator de complicação adicional vem do fato de que os comportamentos não
são somente aprendidos por experiência ou ensinados. Grande parte dos comportamentos já está “pré-fiados”.
Classes de Comportamentos.
A Evolução Biológica, o Sistema Nervoso e o Comportamento Animal
Alternativas de Implementação para Sistemas Móveis
• Um controlador baseado em comportamento é dividido em camadas. Cada camada é responsável por um tipo de comportamento ou tarefa a ser executada pelo sistema global.
• A falha de qualquer das camadas não significa, necessariamente, o colapso total do sistema.
• As entradas de cada máquina de estado finito podem ser suprimidas e as saídas podem ser inibidas por outras máquinas
Arquitetura em camadas de comportamentos da “Subsumption Architecture”
BROOKS: “Subsumption Architecture” e ALVES: “Arquitetura de Assunção”
Alternativas de Implementação para Sistemas Móveis
•Um dos principais problemas desta arquitetura é:
A adaptação a outras tarefas fica muito difícil, uma vez que, será difícil a reconfiguração do sistema, pois, existe uma interdependência entre os comportamentos implementados
Esquema Inibidor/Supressor para camada de comportamento
Alternativas de Implementação para Sistemas Móveis
• Os comportamentos obtidos com estes AA’s são do tipo reflexivos.
• AA’s são “robôs” montados através dos “tijolos” da LEGO.
• Nomes: “Timid”, “Indecisive”, “Paranoid”, etc.
HOGG et al (1991): Criaturas de Braitenberg
Paranoid (Paranóico)
Encontrar Luz
Controle Hierárquico dos Comportamentos de um Agente Autônomo
• Inspiração na Natureza.
• Controle refinado do comportamento dos AA's.
• Favorecer um comportamento robusto e flexível.
• Comportamentos Reflexivos e Reativos.
Rede Neural Artificial Hierárquica
Controle Hierárquico dos Comportamentos de um Agente Autônomo
Rede Neural Artificial Hierárquica
ATUADORESSENSORES
RedesDiretas
RedesRecorrentes
Aumenta através da Evolução
AumentaatravésdaEvolução
Prioridade de Comportamento
• Segurar um objeto quente ou largá-lo?
• Segurar um objeto importante, mas que está quente ou largá-lo?
Controle Hierárquico dos Comportamentos de um Agente Autônomo
Definições e o aprendizado da Rede Hierárquica
• Algoritmo de Treinamento: Backpropagation• Treinamento das Redes: “Off-line”• Definições dos Conjuntos de Treinamento para as
Redes Feedforward(Subsistema Sensório e Subsistema Motor).
• Rede Recorrente para o Controle do Sistema Motor.
Controle Hierárquico dos Comportamentos de um Agente Autônomo
Definições das Redes Feedforward
• Rede responsável pela detecção de Obstáculos (Rede KhepDist) do Sistema Sensório.
• Rede responsável pela detecção de Luz (Rede KhepLuz) do Sistema Sensório.
• Rede responsável pelo controle dos motores (Rede KhepMotD) do Sistema Motor, controlada pelos
sensores de Distância.• Rede Responsável pelo controle dos motores
(Rede KhepMotL) do Sistema Motor, controlada pelos sensores de Luz.
Controle Hierárquico dos Comportamentos de um Agente Autônomo
Definição da Rede de Controle
EncontrouLuz
EncontrouObstáculo
Não Encontrou Obstáculo
Não Encontrou
Luz
Não Encontrou Obstáculo
Não EncontrouLuz
EncontrouObstáculo
0 1 2
EncontrouLuz
Não Encontrou Obstáculo
EncontrouObstáculo
Não Encontrou
Luz
•A rede é representada por um Autômata de Estado Finito.•Mudança de estado depende das saídas das redes do Sistema Sensório.
Controle Hierárquico dos Comportamentos de um Agente Autônomo
Esquema da Rede HierárquicaSubsistema deControle
Rede Feedforward(Distância)
Subsistema Sensório
Rede Feedforward
(Luz)Rede
Feedforward(Luz)
Rede Feedforward(Distância)
Subsistema Motor
Controle Hierárquico dos Comportamentos de um Agente Autônomo
Ambiente de desenvolvimento
• Khepera Simulator
Conclusão
• A Hierarquia possibilitou a seleção de comportamentos reflexivos.
• Não se Chocou com obstáculos.
• Quando detectou Luz, foi ao seu encontro.
• Quando deteectou Luz atrás de um obstáculo, primeiro desviou do obstáculo.
• A princípio a Rede Hierárquica controlou os comportamentos implementados com satisfação.
Trabalhos Futuros
• Implementar Técnicas de IA simbólica no nível mais alto da hierarquia.
• Buscar outras alternativas como Redes Híbridas: Com Algoritmos Genéticos (AG) e ou IA Simbólica.
• Treinamento “On-Line”.
Conclusão
FIM
Qualquer evento que venha causar uma perturbação ao redor do organismo é registrado pelos órgãos de sentido (parte sensorial). Este registro é feito através dos sentidos da visão, audição, olfato, paladar e tato.
Sistema Sensório
Os Músculos: Grande parte das atividades musculares é controlada pela medula espinhal e parte inferior do tronco cerebral.
Sistema Motor
“Os mamíferos por exemplo, podem ser subdivididos em suas células, cada uma das quais podem ser subdivididas em várias organelas (partes especializadas de uma célula) posicionada no núcleo e no citoplasma (o primeiro corpo vivo de uma célula não incluindo o núcleo). Estas células são agrupadas para formar órgãos, que em troca forma o organismo inteiro. No organismo cada órgão tem uma ou mais funções específicas. Cada órgão é dividido novamente em partes com funções diferentes, e nessas partes cada célula tem suas próprias tarefas. Estes exemplos sugerem uma modularização recursiva dentro da sua própria modularização” (BOERS & KUIPER, 1992)
Partículas Elementares
A estrutura horizontal é encontrada onde os processos são executados por camadas hierárquicas subseqüentes de neurônios. Sistema Visual Primário: onde simples características de imagens visuais como linhas e arcos são representados em camadas de neurônios simples. A Estrutura Vertical se dá na existência, para todos os níveis do cérebro primata, de caminhos múltiplos de processos paralelos e esta estrutura permite o processo separado de tipos diferentes de informação. “Um bom exemplo pode, mais uma vez, ser achado no sistema visual, onde diferentes aspectos de incentivos visuais como forma, colorido, movimento e posição, é processado em paralelo através dos sistemas neurais anatomicamente separados, organizados no caminho magno celular e parvo celular. Estruturas convergentes integram estes processos de informação visual separadamente no mais alto nível hierárquico para produzir uma percepção unitária” (BOERS & KUIPER, 1992)
Estrutura Vertical e Horizontal
Exemplo: Conjunto de Treinamento
Tabela 5.4: Conjunto de exemplos da rede Sensória de Luz– Entradas e SaídasS.1 S.2 S.3 S.4 S.5 S.6 S.7 S.8 Saída-1 -1 1 1 1 1 1 1 1 1 -1 -1 1 1 1 1 1 1 1 1 -1 -1 1 1 1 1 1 1 1 1 -1 -1 1 1 1 1 1 1 1 1 -1 -1 1 1 1 1 1 1 1 1 -1 -1 1 1 1 1 1 1 1 1 -1 -1 1-1 -1 -1 1 1 1 1 1 1 1 -1 -1 -1 1 1 1 1 1 1 1 -1 -1 -1 1 1 1 1 1 1 1 -1 -1 -1 1 1 1 1 1 1 1 -1 -1 -1 1 1 1 1 1 1 1 -1 -1 -1 1 1 1 1 1 1 1 1 1 -1
Nível Mais Alto: IA Simbólica
ATUADORES
MÓDULOSIMBÓLICO
SENSORES
RedesDiretas
RedesRecorrentes
Aumenta através da Evolução
AumentaatravésdaEvolução
Você seria capaz de dizer as cores das palavras que aparecerão abaixo?