Zadania

• Knowledge-Based Agents for Advanced Information Access

Projekt dotyczy związków architektury agentów i wyników psychologii poznawczej. Przypomnij sobie opowiadanie “Ananke” z cyklu “Przygody pilota Pirxa” Stanisława Lema. Zapoznaj się z jakąś całościową propozycją z dziedziny psychologii poznawczej, np.: książka “Czuję, myślę, jestem. Ówiadomość i procesy psychiczne w ujęciu poznawczym” Aliny Kolańczyk. Przeczytaj np. G53DIA Designing Intelligent Agents / Hybrid architectures i wybrane dalsze materiały o architekturach hybrydowych, np. A Hybrid Agent Architecture for Dynamic and Unpredictable Environments (przykład dla RoboCup); zapoznaj się z architekturami AGI, które siłą rzeczy są hybrydowe. Zaimplementuj agenta hybrydowego o architekturze opartej na obranej teorii psychologicznej oraz środowisko testowe i przetestuj przewidywania teorii. W przypadku proponowanej książki, zamodeluj świadomość w architekturze agenta, np. jej rolę w formowaniu pamięci epizodycznej.

• Focused Web Crawling using an Auction-based Economy, E. B. Baum, Erik Kruus, Igor Durdanovic and John Hainsworth, October 2002

Projekt dotyczy związków architektury agentów i wyników psychologii poznawczej. Przypomnij sobie opowiadanie “Ananke” z cyklu “Przygody pilota Pirxa” Stanisława Lema. Zapoznaj się z jakąś całościową propozycją z dziedziny psychologii poznawczej, np.: książka “Czuję, myślę, jestem. Świadomość i procesy psychiczne w ujęciu poznawczym” Aliny Kolańczyk. Przeczytaj np. G53DIA Designing Intelligent Agents / Hybrid architectures i wybrane dalsze materiały o architekturach hybrydowych, np. A Hybrid Agent Architecture for Dynamic and Unpredictable Environments (przykład dla RoboCup); zapoznaj się z architekturami AGI, które siłą rzeczy są hybrydowe. Zaimplementuj agenta hybrydowego o architekturze opartej na obranej teorii psychologicznej oraz środowisko testowe i przetestuj przewidywania teorii. W przypadku proponowanej książki, zamodeluj świadomość w architekturze agenta, np. jej rolę w formowaniu pamięci epizodycznej.

Zachowania służą celom agentów, realizowanym w ramach społeczności agentów. Często obserwując zachowania wnioskujemy o celach agentów. Przeczytaj Imitation as a First Step to Social Learning in Synthetic Characters: A Graph-based Approach. Zaprogramuj środowisko analogiczne do zaprezentowanego w tej pracy. Agent może mieć różne strategie wyboru agentów do naśladowania, zapoznaj się z Human’s Meta-cognitive Capacities and Endogenization of Mimetic Rules in Multi-Agents Models lub Metareflexive Mimetism: The prisoner free of the dilemma. Możesz zaprogramować środowisko do testowania różnych strategii.

Projekt dotyczy związków architektury agentów i wyników psychologii poznawczej. Przypomnij sobie opowiadanie “Ananke” z cyklu “Przygody pilota Pirxa” Stanisława Lema. Zapoznaj się z jakąś całościową propozycją z dziedziny psychologii poznawczej, np.: książka “Czuję, myślę, jestem. Ówiadomość i procesy psychiczne w ujęciu poznawczym” Aliny Kolańczyk. Przeczytaj np. G53DIA Designing Intelligent Agents / Hybrid architectures i wybrane dalsze materiały o architekturach hybrydowych, np. A Hybrid Agent Architecture for Dynamic and Unpredictable Environments (przykład dla RoboCup); zapoznaj się z architekturami AGI, które siłą rzeczy są hybrydowe. Zaimplementuj agenta hybrydowego o architekturze opartej na obranej teorii psychologicznej oraz środowisko testowe i przetestuj przewidywania teorii. W przypadku proponowanej książki, zamodeluj świadomość w architekturze agenta, np. jej rolę w formowaniu pamięci epizodycznej.

Zachowania służą celom agentów, realizowanym w ramach społeczności agentów. Często obserwując zachowania wnioskujemy o celach agentów. Przeczytaj Imitation as a First Step to Social Learning in Synthetic Characters: A Graph-based Approach. Zaprogramuj środowisko analogiczne do zaprezentowanego w tej pracy. Agent może mieć różne strategie wyboru agentów do naśladowania, zapoznaj się z Human’s Meta-cognitive Capacities and Endogenization of Mimetic Rules in Multi-Agents Models lub Metareflexive Mimetism: The prisoner free of the dilemma. Możesz zaprogramować środowisko do testowania różnych strategii.

• GOOSE: a goal-oriented search engine with commonsense (slajdy)
• Juergen Schmidhuber’s Curious Agents

Projekt dotyczy związków architektury agentów i wyników psychologii poznawczej. Przypomnij sobie opowiadanie “Ananke” z cyklu “Przygody pilota Pirxa” Stanisława Lema. Zapoznaj się z jakąś całościową propozycją z dziedziny psychologii poznawczej, np.: książka “Czuję, myślę, jestem. Świadomość i procesy psychiczne w ujęciu poznawczym” Aliny Kolańczyk. Przeczytaj np. G53DIA Designing Intelligent Agents / Hybrid architectures i wybrane dalsze materiały o architekturach hybrydowych, np. A Hybrid Agent Architecture for Dynamic and Unpredictable Environments (przykład dla RoboCup); zapoznaj się z architekturami AGI, które siłą rzeczy są hybrydowe. Zaimplementuj agenta hybrydowego o architekturze opartej na obranej teorii psychologicznej oraz środowisko testowe i przetestuj przewidywania teorii. W przypadku proponowanej książki, zamodeluj świadomość w architekturze agenta, np. jej rolę w formowaniu pamięci epizodycznej.

(:toc:)

Omówione propozycje projektów

Propozycje są tylko szkicem terytorium. Niektóre są bardziej jednorodne, niektóre mniej — te wymagają wyboru ścieżki, którą się chce pójść, np. bardziej teoretycznej, z implementacją prostego toy universe do testowania możliwości, albo bardziej technicznej, skupionej na “realistycznym” zastosowaniu.

Formacje

W wielu zadaniach interesuje nas doprowadzenie agentów (robotów) do rozmieszczenia o zadanym wzorze i/lub skoordynowane przemieszczanie się agentów, np. żeby w miarę możliwości utrzymywali dany wzór rozmieszczenia. Przeczytaj lub przejrzyj: Social Potentials for Scalable Multi-Robot Formations, Autonomous Initialization of Robot Formations, A General Algorithm for Robot Formations Using Local Sensing and Minimal Communication, Behavior-based Formation Control for Multi-robot Teams.

Zaprogramuj (“rozwiąż”) w OpenSteer różne zadania formacji boidów:

• “obsadzenie” zadanej konfiguracji: ułożenie boidów w zadany wzór i zatrzymanie ich; wzorem może być okrąg, romb, klucz (literka V), literka Y, itd.
• “obsadzenie” konfiguracji (wzoru jak wyżej) i poruszanie się w niej wzdłóż ścieżki, z wymijaniem przeszkód (czy można regulować stosunek ilości drogi nadłożonej przez poszczególne boidy do stopnia zaburzenia formacji?)
• dla zadań jak wyżej, włączanie do formacji świeżo przybywających boidów (wymaga to przegrupowania zazwyczaj)
• zmiana konfiguracji na inny wzór, np. po przekroczeniu przez grupę zadanego progu liczebności
• jeśli liczebność grupy przekroczy zadany próg, to formacja ma się przegrupować na dwie mniejsze (raczej zgrubsza równoliczne) formacje, o tym samym kształcie (ewentualnie o kształcie z zadanego zbioru kształtów, dobieranie kształtu dającego w danej sytuacji najlepszy czas przegrupowywania może być ciekawe)

Przeczytaj Impossibility of Gathering by a Set of Autonomous Mobile Robots, Hard Tasks for Weak Robots: The Role of Common Knowledge in Pattern Formation by Autonomous Mobile Robots. Zbadaj, jakie minimalne wymagania względem agentów uda ci się osiągnąć w rozwiązaniu poszczególnych zadań:

• pamięć zbiorowa (współdzielona pomiędzy agentami)
• pamięć indywidualnych agentów
• komunikacja przez przekazywanie wiadomości (nadawca wybiera odbiorcę, wiele wiadomości naraz - komunikacja asynchroniczna)
• komunikacja przez rozgłaszanie (odbiorca wybiera nadawcę, nadawca może rozgłaszać tylko jeden komunikat naraz)
• dostęp do agentów przez globalne identyfikatory
• dostęp do agentów tylko przez lokalizację “wizualną” (agent ma dostęp do anonimowych sąsiadów w zadanym promieniu, możliwe dodatkowe ograniczenie: tylko do agentów przed sobą, w ramach zadanego kąta widzenia)

Uczenie się (indukcja) sieci behawioralnych

Sieci zachowań są paradygmatem łączącym podejście “niskiego poziomu” sieci neuronowych, z podejściami symbolicznymi “wysokiego poziomu”. Elemantami sieci behawioralnej są możliwe zachowania agenta (zachowania “atomowe”, bazowe). Krawędziami sieci przepływa “energia aktywacyjna”: węzeł, który zgromadzi jej więcej, ma większą szansę na “odpalenie”, czyli wykonanie związanego z nim zachowania. Z zachowaniami związane są warunki wstępne, które muszą być spełnione, jeśli zachowanie ma być wykonane, oraz spodziewane rezultaty zachowania. Krawędzie łączą zachowania, jeśli rezultaty jednego przyczyniają się do spełnienia warunków wstępnych drugiego. W sieci są też uwzględnione cele agenta, krawędzie biegną od celów do zadań, które się do spełnienia tych celów przyczyniają. Przeczytaj How To Do the Right Thing, Pattie Maes (1989) oraz Extended Behavior Networks for Behavior Selection in Dynamic and Continuous Domains, może też Pronomes in Behavior Nets.

Budowanie skutecznej sieci behawioralnej może być bardzo czasochłonne. Fajnie byłoby, gdyby taka sieć mogła powstać automatycznie. Ten sam mechanizm pozwoliłby jej na bieżąco dostosowywać się do zmieniających się warunków środowiska. Przeczytaj Hugo deGaris, PhD Thesis, Chapter 9: Other Work, strony 22–23 (291–292 w pracy), dostosuj opisany mechanizm do “Extended Behavior Networks”. Przeczytaj też przeglądowy artykuł Modeling Adaptive Autonomous Agents. Możesz też przeczytać How Minds Work / Schema Mechanism (wersja multimedialna): włącz techniki “teorii schematów” w swój mechanizm uczenia sieci zachowań.

Możliwa dziedzina zastosowania: Uczenie się agentów zyskuje dodatkowy wymiar, gdy ich środowiskiem są inni agenci, przyjaźni (z pokrywającymi się celami) i wrodzy (z przeciwstawnymi celami). Wykorzystując RoboCup Soccer Simulator, lub OpenSteer, zaprogramuj uczących się graczy drużyny piłkarskiej. Przeczytaj Extended Behavior Networks for the magmaFreiburg Team, porównaj sieci behawioralne z architekturą zastosowaną w The Incremental Development of a Synthetic Multi-Agent System: The UvA Trilearn 2001 Robotic Soccer Simulation Team.

Naśladowanie

Zazwyczaj różni agenci dysponują różnymi możliwościami. Uniemożliwia to agentowi uczącemu się dokładną imitację zachowań. Przeczytaj Learning How to Do Things with Imitation. Ponadto, agent działa dla osiągnięcia swoich celów, które mogą się nie pokrywać z celami, dla których działa “nauczyciel”. Przeczytaj Reinforcement Learning with Imitation in Heterogeneous Multi-Agent Systems. Porównaj eksperymentalnie przedstawione w tych pracach algorytmy. Możesz zaproponować własny (ciekawszy) problem testowy.

Działanie przez naśladowanie często wykorzystuje się w robotyce lub środowiskach “rzeczywistości wirtualnej”. Celami “niskiego poziomu” tych działań (środkami do realizacji “wyższych” celów) są zadania “inverse kinematics”, ilustrując: “jak poruszyć ręką, aby chwycić kubek w pudełku”, albo bardziej złożone zadania (w animacji nazywane czasami “retargetting”, jeśli mamy rozwiązanie wzorcowe), np. jak poruszać kończynami, aby się przemieszczać. Zadania te możemy rozwiązywać budując zachowanie od podstaw, traktując problem jako zadanie optymalizacji nieliniowej (zapoznaj się z Introduction to Inverse Kinematics with Jacobian Transpose, Pseudoinverse and Damped Least Squares methods). Zachowanie możemy też składać łącząc i dostosowując zachowania prostsze; repertuar zachowań pierwotnych musimy wtedy zaprogramować ręcznie lub pozyskać innymi metodami (zadanie ciekawe same w sobie). Przeczytaj Primitive-Based Movement Classification for Humanoid Imitation. W jaki sposób wyniki z poprzedniego akapitu stosują się tutaj? W naśladowaniu zazwyczaj istotna jest segmentacja obserwowanych działań, zapoznaj się z Self-Segmentation of Sequences: Automatic Formation of Hierarchies of Sequential Behaviors (patrz też poniżej: zastosowano proste segmentowanie w momentach ustania ruchu). Zaprogramuj ramię z dwoma stawami naśladujące zachowanie ramienia z trzema stawami, lub ciekawszy problem, wykorzystując składanie zachowań bazowych.

Zachowania służą celom agentów, realizowanym w ramach społeczności agentów. Często obserwując zachowania wnioskujemy o celach agentów. Przeczytaj Imitation as a First Step to Social Learning in Synthetic Characters: A Graph-based Approach. Zaprogramuj środowisko analogiczne do zaprezentowanego w tej pracy. Agent może mieć różne strategie wyboru agentów do naśladowania, zapoznaj się z Human’s Meta-cognitive Capacities and Endogenization of Mimetic Rules in Multi-Agents Models lub Metareflexive Mimetism: The prisoner free of the dilemma. Możesz zaprogramować środowisko do testowania różnych strategii.

Dalsza literatura:

• Proceedings of the Third International Symposium on Imitation in Animals and Artifacts
• The progress drive hypothesis: an interpretation of early imitation

Information Retrieval Agents

Linki:

• JĂźrgen Schmidhuber’s Curious Agents
• Wyszukiwanie informacji w sieci, wykład Tomasza Jurdzińskiego
• Contexts, Oracles, and Relevance Akman, Varol and Surav, Mehmet (1995) We focus on how we should define the relevance of information to a context for information processing agents, such as oracles.
• If you could build the perfect search engine for you, what would it do? LinkedIn Answers

Nowe propozycje projektów

Systemy wieloagentowe w ocenianiu / planowaniu / projektowaniu miast / budynków / etc.

• ASSESSING URBAN MICROCLIMATE USING MULTI-AGENT SIMULATIONS: A NEW APPROACH TO ANSWER AN OLD PROBLEM?, http://www.botworld.info/
• Integrated urban system modelling: methodology and case study using multi-agent systems
• Multi-Agent Systems for the Simulation of Land-Use and Land-Cover Change: A Review
• Curious Design Agents and Artificial Creativity: A Synthetic Approach to the Study of Creative Behaviour

Symulacje agentowe w antropologii poznawczej

• Computer-based Simulation Modelling for Anthropologists
• An Open Mind is not an Empty Mind: Experiments in the Meta-Noosphere
• Mnemonic Structure and Sociality: A Computational Agent-Based Simulation Model
• Bootstrapping grounded symbols by minimal autonomous robots Vogt, Paul (2000)

Psychologia poznawcza a hybrydowe architektury agentów

Projekt dotyczy związków architektury agentów i wyników psychologii poznawczej. Przypomnij sobie opowiadanie “Ananke” z cyklu “Przygody pilota Pirxa” Stanisława Lema. Zapoznaj się z jakąś całościową propozycją z dziedziny psychologii poznawczej, np.: książka “Czuję, myślę, jestem. Ówiadomość i procesy psychiczne w ujęciu poznawczym” Aliny Kolańczyk. Przeczytaj np. G53DIA Designing Intelligent Agents / Hybrid architectures i wybrane dalsze materiały o architekturach hybrydowych, np. A Hybrid Agent Architecture for Dynamic and Unpredictable Environments (przykład dla RoboCup); zapoznaj się z architekturami AGI, które siłą rzeczy są hybrydowe. Zaimplementuj agenta hybrydowego o architekturze opartej na obranej teorii psychologicznej oraz środowisko testowe i przetestuj przewidywania teorii. W przypadku proponowanej książki, zamodeluj świadomość w architekturze agenta, np. jej rolę w formowaniu pamięci epizodycznej.

Niektóre zagadnienia: A Survey of Cognitive and Agent Architectures.

Początkowe propozycje zadań

1. (OpenSteer) Boidy poruszające się w formacjach. W programach nie wykorzystuj narzuconej z góry trajektorii ani nie przechowuj informacji o wszystkich boidach, posługuj się tylko “lokalnymi” obserwacjami boidów. Formacje powinny się dostosowywać do ilości boidów w grupie.
   1. Zaprogramuj boidy poruszające się w trzech wymiarach tak, aby samoczynnie formowały “klucze”.
   2. Zaprogramuj boidy poruszające się na płaszczyźnie tak, aby poruszające się grupy samoczynnie formowały okręgi (n-kąty foremne). Prędkość okręgu powinna zgrubsza pokrywać się z prędkością boidów (wykluczamy sytuację, w której boidy większość energii marnują na jeżdżenie w kółko).
2. (Włąsna implementacja) Zaprogramuj algorytm wychodzenia z labiryntu oraz wizualizację jego działania. (Wizualizacja powinna być prosta.)
3. (JADE) Zaprogramuj system dystrybucji zasobów obliczeniowych jako system aukcyjny (Vickrey’s Auction). Zadaniem obowiązkowym na pracownię jest zaprogramowanie jakiejś minimalnej, uproszczonej formy systemu.
   • Modelujemy sieć komputerową, w której każdy komputer ma określoną moc obliczeniową (dalej nazywaną MIPS) i określoną pamięć operacyjną.
   • Zadania wykonywane w sieci wymagają określonej ilości MI do wykonania, oraz dla uproszczenia określonej ilości pamięci w każdej chwili wykonywania.
   • Komputer może wykonywać n zadań jednocześnie, przy czym każdemu zadaniu przydziela ustaloną ilość mocy obliczeniowej, tak że ite zadanie wykonuje się w czasie \frac{MI_i}{MIPS_i}, oraz MIPS_1 + \dots + MIPS_n \leq MIPS. Podobnie suma pamięci wymaganych przez poszczególne zadania jest mniejsza od ilości pamięci dostępnej na komputerze.
   • Zleceniodawca zadania wyznacza minimalną moc obliczeniową jakiej wymaga oraz maksymalną cenę jaką może zapłacić.
   • Komputer, który chce i może wykonać zadanie, proponuje swoją cenę, nie znając propozycji innych komputerów.
   • Zleceniodawca wybiera komputer, który zaproponował najniższą cenę, ale wypłaca mu drugą najniższą kwotę (najniższą cenę spośród pozostałych propozycji).
   • Celem komputerów jest zarobienie jak najwięcej w dłuższym okresie.
   • Zaprogramuj agentów modelujących komputery w sieci i agentów modelujących zleceniodawców. Dla celów symulacji zaprogramuj generator zleceń.
   • Porównaj kilka strategii dla agentów-komputerów.
4. (RoboCup Soccer Simulator - preferowany, lub OpenSteer) Zaprogramuj graczy drużyny piłkarskiej. Porównaj strategie m.in.:
   • gry pozycyjnej (gracze mają przydzielone obszary aktywności)
   • krycia (gracze mają przydzielonych kontrgraczy)
   • aktywnego szukania wolnego pola gry

TODO: Errors are not handled currently. (No kind of errors handled.)

TODO: Provide a mechanism for syntax definitions induction.

Our algorithm starts with a modification of the Kilbury algorithm, to accomodate the fact, that we cannot index rules by nonterminals, as nonterminals are not atoms, and nonterminal subsumption is not trivial in Speagram.

To learn how chart parsing works, you can have a look at paragraph 2.2.2 of {[Main.BibtexBibliography,ExpressivityAndComplexityOfTheGrammaticalFramework]}.

Grammar rules are given by syntax definitions?. With regard to chart parsing, several classes of syntax definitions are distinguished: modifier constructs, relative constructs.

We assume below that the input string is,

A substring w_{i+1} \ldots w_j is said to span the positions i \cdots j, so the whole input string w spans the positions 0 \cdots n.

Parse items have the form

where \alpha, \beta, \gamma, \mu, \theta, \vec{x} can be empty, f = \alpha \beta \gamma \textit{ as } A are instantiations? of syntax definitions?, \Phi is an incremental constraint? on types, A is a type, and \alpha, \beta, \gamma are sequences of tokens? and argument types?. \circ and \bullet are just markers, not operators. \mu is a sequence of (unapplied) modifiers, \theta is a sequence of insertions with their positions. A Cat(A) for a type or an argument type A is a type category?: an atom that can be used to index syntax definitions. Mod(f) tells whether syntax definition f is a modifier s.d., and Rel(f) whether it is a relative s.d. When applied to a term, Mod and Rel tell, whether they hold for some syntax definition contained within that term. TODO: linguistically, they should tell whether they hold for the head syntax definition of a term (“head” doesn’t mean “root”).

Rel means that a term has no gaps, insertions nor errors and contains a relative construct, like whom, which, whose. Gaps lists all occurrences of gaps in a term. ATy tells the argument type for a subterm occurrence (the argument type in the enclosing syntax definition).

NT(\alpha) (read: nonterminals of \alpha) is the sequence resulting from erasing tokens in \alpha. M denotes a modifier term, and ModTy(M) is an argument type, it tells the so called modifier-type? of the modifier syntax definition in M. PosU is a function updating positions of insertions when they are collected down the parse items. It silently takes any arguments that are needed to do the update.

Comment: if a modifier has form f = \alpha \textit{ as } A , it doesn’t mean that A = ModTy(f). A is a grammatical type of the modifier, important when building complex modifiers like very quickly, the day before yesterday.

We write [i \cdots j; A \rightarrow \alpha \bullet \beta; f(\vec{x}); \mu; \theta; \Phi] for [i \cdots j; A \rightarrow \circ \alpha \bullet \beta; f(\vec{x}); \mu; \theta; \Phi] , and [i \cdots j; A; f(\vec{x}); \mu; \theta; \Phi] for any item [i \cdots j; A \rightarrow \alpha \bullet; f(\vec{x}); \mu; \theta; \Phi] .

C \leq B means the constraint that type C is proper for argument type B. Below, \Phi_0 is reserved for an initial incremental constraint, corresponding to Speagram type context? prior to invoking parser.

Parsing algorithm consists of the following inference rules. A rule is not applicable when the resulting constraint is not satisfiable.

Auxiliary rules

Relativization

Rules that are always applied whenever possible

Modifier-elim

Main rules

bullet-right rules

Combine

Scan

Modifier-intro

Predict+Combine

for nonlexical syntax definitions, we index by categories instead of tokens

Predict+Scan

circle-left rules

Combine

Modifier-intro

We will call Combine and Modifier-intro as basic circle-left rules.

Combine+Insertion

Combine+Relativization

Gap

Collecting passive parse items (closed edges)

Collect

This rule is not well specified yet. Minimal partition is a hard problem, so some choice of heuristic is needed.

Zachowania służą celom agentów, realizowanym w ramach społeczności agentów. Często obserwując zachowania wnioskujemy o celach agentów. Przeczytaj Imitation as a First Step to Social Learning in Synthetic Characters: A Graph-based Approach. Zaprogramuj środowisko analogiczne do zaprezentowanego w tej pracy. Agent może mieć różne strategie wyboru agentów do naśladowania, zapoznaj się z Human’s Meta-cognitive Capacities and Endogenization of Mimetic Rules in Multi-Agents Models lub Metareflexive Mimetism: The prisoner free of the dilemma. Możesz zaprogramować środowisko do testowania różnych strategii.

• JĂźrgen Schmidhuber’s Curious Agents

• If you could build the perfect search engine for you, what would it do? LinkedIn Answers

Projekt dotyczy związków architektury agentów i wyników psychologii poznawczej. Przypomnij sobie opowiadanie “Ananke” z cyklu “Przygody pilota Pirxa” Stanisława Lema. Zapoznaj się z jakąś całościową propozycją z dziedziny psychologii poznawczej, np.: książka “Czuję, myślę, jestem. Ówiadomość i procesy psychiczne w ujęciu poznawczym” Aliny Kolańczyk. Przeczytaj np. G53DIA Designing Intelligent Agents / Hybrid architectures i wybrane dalsze materiały o architekturach hybrydowych, np. A Hybrid Agent Architecture for Dynamic and Unpredictable Environments (przykład dla RoboCup); zapoznaj się z architekturami AGI, które siłą rzeczy są hybrydowe. Zaimplementuj agenta hybrydowego o architekturze opartej na obranej teorii psychologicznej oraz środowisko testowe i przetestuj przewidywania teorii. W przypadku proponowanej książki, zamodeluj świadomość w architekturze agenta, np. jej rolę w formowaniu pamięci epizodycznej.

• Bootstrapping grounded symbols by minimal autonomous robots Vogt, Paul (2000)

Zachowania służą celom agentów, realizowanym w ramach społeczności agentów. Często obserwując zachowania wnioskujemy o celach agentów. Przeczytaj Imitation as a First Step to Social Learning in Synthetic Characters: A Graph-based Approach. Zaprogramuj środowisko analogiczne do zaprezentowanego w tej pracy. Agent może mieć różne strategie wyboru agentów do naśladowania, zapoznaj się z Human’s Meta-cognitive Capacities and Endogenization of Mimetic Rules in Multi-Agents Models lub Metareflexive Mimetism: The prisoner free of the dilemma. Możesz zaprogramować środowisko do testowania różnych strategii.

• JĂźrgen Schmidhuber’s Curious Agents

• Contexts, Oracles, and Relevance Akman, Varol and Surav, Mehmet (1995) We focus on how we should define the relevance of information to a context for information processing agents, such as oracles.

Projekt dotyczy związków architektury agentów i wyników psychologii poznawczej. Przypomnij sobie opowiadanie “Ananke” z cyklu “Przygody pilota Pirxa” Stanisława Lema. Zapoznaj się z jakąś całościową propozycją z dziedziny psychologii poznawczej, np.: książka “Czuję, myślę, jestem. Świadomość i procesy psychiczne w ujęciu poznawczym” Aliny Kolańczyk. Przeczytaj np. G53DIA Designing Intelligent Agents / Hybrid architectures i wybrane dalsze materiały o architekturach hybrydowych, np. A Hybrid Agent Architecture for Dynamic and Unpredictable Environments (przykład dla RoboCup); zapoznaj się z architekturami AGI, które siłą rzeczy są hybrydowe. Zaimplementuj agenta hybrydowego o architekturze opartej na obranej teorii psychologicznej oraz środowisko testowe i przetestuj przewidywania teorii. W przypadku proponowanej książki, zamodeluj świadomość w architekturze agenta, np. jej rolę w formowaniu pamięci epizodycznej.

Zachowania służą celom agentów, realizowanym w ramach społeczności agentów. Często obserwując zachowania wnioskujemy o celach agentów. Przeczytaj Imitation as a First Step to Social Learning in Synthetic Characters: A Graph-based Approach. Zaprogramuj środowisko analogiczne do zaprezentowanego w tej pracy. Agent może mieć różne strategie wyboru agentów do naśladowania, zapoznaj się z Human’s Meta-cognitive Capacities and Endogenization of Mimetic Rules in Multi-Agents Models lub Metareflexive Mimetism: The prisoner free of the dilemma. Możesz zaprogramować środowisko do testowania różnych strategii.

Dalsza literatura:

• Proceedings of the Third International Symposium on Imitation in Animals and Artifacts
• The progress drive hypothesis: an interpretation of early imitation

• JĂźrgen Schmidhuber’s Curious Agents

Systemy wieloagentowe w ocenianiu / planowaniu / projektowaniu miast / budynków / etc.

• Curious Design Agents and Artificial Creativity: A Synthetic Approach to the Study of Creative Behaviour

Projekt dotyczy związków architektury agentów i wyników psychologii poznawczej. Przypomnij sobie opowiadanie “Ananke” z cyklu “Przygody pilota Pirxa” Stanisława Lema. Zapoznaj się z jakąś całościową propozycją z dziedziny psychologii poznawczej, np.: książka “Czuję, myślę, jestem. Ówiadomość i procesy psychiczne w ujęciu poznawczym” Aliny Kolańczyk. Przeczytaj np. G53DIA Designing Intelligent Agents / Hybrid architectures i wybrane dalsze materiały o architekturach hybrydowych, np. A Hybrid Agent Architecture for Dynamic and Unpredictable Environments (przykład dla RoboCup); zapoznaj się z architekturami AGI, które siłą rzeczy są hybrydowe. Zaimplementuj agenta hybrydowego o architekturze opartej na obranej teorii psychologicznej oraz środowisko testowe i przetestuj przewidywania teorii. W przypadku proponowanej książki, zamodeluj świadomość w architekturze agenta, np. jej rolę w formowaniu pamięci epizodycznej.

• ASSESSING URBAN MICROCLIMATE USING MULTI-AGENT SIMULATIONS: A NEW APPROACH TO ANSWER AN OLD PROBLEM?, http://www.botworld.info/

• Mnemonic Structure and Sociality: A Computational Agent-Based Simulation Model

Projekt dotyczy związków architektury agentów i wyników psychologii poznawczej. Przypomnij sobie opowiadanie “Ananke” z cyklu “Przygody pilota Pirxa” Stanisława Lema. Zapoznaj się z jakąś całościową propozycją z dziedziny psychologii poznawczej, np.: książka “Czuję, myślę, jestem. Świadomość i procesy psychiczne w ujęciu poznawczym” Aliny Kolańczyk. Przeczytaj np. G53DIA Designing Intelligent Agents / Hybrid architectures i wybrane dalsze materiały o architekturach hybrydowych, np. A Hybrid Agent Architecture for Dynamic and Unpredictable Environments (przykład dla RoboCup); zapoznaj się z architekturami AGI, które siłą rzeczy są hybrydowe. Zaimplementuj agenta hybrydowego o architekturze opartej na obranej teorii psychologicznej oraz środowisko testowe i przetestuj przewidywania teorii. W przypadku proponowanej książki, zamodeluj świadomość w architekturze agenta, np. jej rolę w formowaniu pamięci epizodycznej.

Information Retrieval Agents

Linki:

• Jürgen Schmidhuber’s Curious Agents
• Wyszukiwanie informacji w sieci, wykład Tomasza Jurdzińskiego

Projekt dotyczy związków architektury agentów i wyników psychologii poznawczej. Przypomnij sobie opowiadanie “Ananke” z cyklu “Przygody pilota Pirxa” Stanisława Lema. Zapoznaj się z jakąś całościową propozycją z dziedziny psychologii poznawczej, np.: książka “Czuję, myślę, jestem. Świadomość i procesy psychiczne w ujęciu poznawczym” Aliny Kolańczyk. Przeczytaj np. G53DIA Designing Intelligent Agents / Hybrid architectures i wybrane dalsze materiały o architekturach hybrydowych, np. A Hybrid Agent Architecture for Dynamic and Unpredictable Environments (przykład dla RoboCup); zapoznaj się z architekturami AGI., które siłą rzeczy są hybrydowe. Zaimplementuj agenta hybrydowego o architekturze opartej na obranej teorii psychologicznej oraz środowisko testowe i przetestuj przewidywania teorii. W przypadku proponowanej książki, zamodeluj świadomość w architekturze agenta, np. jej rolę w formowaniu pamięci epizodycznej.

Budowanie skutecznej sieci behawioralnej może być bardzo czasochłonne. Fajnie byłoby, gdyby taka sieć mogła powstać automatycznie. Ten sam mechanizm pozwoliłby jej na bieżąco dostosowywać się do zmieniających się warunków środowiska. Przeczytaj Hugo deGaris, PhD Thesis, Chapter 9: Other Work, strony 22–23 (291–292 w pracy), dostosuj opisany mechanizm do “Extended Behavior Networks”. Przeczytaj też przeglądowy artykuł Modeling Adaptive Autonomous Agents. Możesz też przeczytać How Minds Work / Schema Mechanism (wersja multimedialna): włącz techniki “teorii schematów” w swój mechanizm uczenia sieci zachowań.

Budowanie skutecznej sieci behawioralnej może być bardzo czasochłonne. Fajnie byłoby, gdyby taka sieć mogła powstać automatycznie. Ten sam mechanizm pozwoliłby jej na bieżąco dostosowywać się do zmieniających się warunków środowiska. Przeczytaj Hugo deGaris, PhD Thesis, Chapter 9: Other Work, strony 22–23 (291–292 w pracy), dostosuj opisany mechanizm do “Extended Behavior Networks”. Przeczytaj też przeglądowy artykuł Modeling Adaptive Autonomous Agents. Przeczytaj How Minds Work / Schema Mechanism (wersja multimedialna). Włącz techniki “teorii schematów” w swój mechanizm uczenia sieci zachowań.

Możliwa dziedzina zastosowania: Uczenie się agentów zyskuje dodatkowy wymiar, gdy ich środowiskiem są inni agenci, przyjaźni (z pokrywającymi się celami) i wrodzy (z przeciwstawnymi celami). Wykorzystując RoboCup Soccer Simulator, lub OpenSteer, zaprogramuj uczących się graczy drużyny piłkarskiej. Przeczytaj Extended Behavior Networks for the magmaFreiburg Team, porównaj sieci behawioralne z architekturą zastosowaną w The Incremental Development of a Synthetic Multi-Agent System: The UvA Trilearn 2001 Robotic Soccer Simulation Team.

Zachowania służą celom agentów, realizowanym w ramach społeczności agentów. Często obserwując zachowania wnioskujemy o celach agentów. Przeczytaj Imitation as a First Step to Social Learning in Synthetic Characters: A Graph-based Approach. Zaprogramuj środowisko analogiczne do zaprezentowanego w tej pracy. Agent może mieć różne strategie wyboru agentów do naśladowania, zapoznaj się z Human’s Meta-cognitive Capacities and Endogenization of Mimetic Rules in Multi-Agents Models lub Metareflexive Mimetism: The prisoner free of the dilemma. Możesz zaprogramować środowisko do testowania różnych strategii.

Dalsza literatura: Proceedings of the Third International Symposium on Imitation in Animals and Artifacts.

Projekt dotyczy związków architektury agentów i wyników psychologii poznawczej. Przypomnij sobie opowiadanie “Ananke” z cyklu “Przygody pilota Pirxa” Stanisława Lema. Zapoznaj się z jakąś całościową propozycją z dziedziny psychologii poznawczej, np.: książka “Czuję, myślę, jestem. Ówiadomość i procesy psychiczne w ujęciu poznawczym” Aliny Kolańczyk. Przeczytaj np. G53DIA Designing Intelligent Agents / Hybrid architectures i wybrane dalsze materiały o architekturach hybrydowych, np. A Hybrid Agent Architecture for Dynamic and Unpredictable Environments (przykład dla RoboCup). Zaimplementuj agenta hybrydowego o architekturze opartej na obranej teorii psychologicznej oraz środowisko testowe i przetestuj przewidywania teorii. W przypadku proponowanej książki, zamodeluj świadomość w architekturze agenta, np. jej rolę w formowaniu pamięci epizodycznej.

Projekt dotyczy związków architektury agentów i wyników psychologii poznawczej. Przypomnij sobie opowiadanie “Ananke” z cyklu “Przygody pilota Pirxa” Stanisława Lema. Zapoznaj się z jakąś całościową propozycją z dziedziny psychologii poznawczej, np.: książka “Czuję, myślę, jestem. Świadomość i procesy psychiczne w ujęciu poznawczym” Aliny Kolańczyk. Przeczytaj np. G53DIA Designing Intelligent Agents / Hybrid architectures i wybrane dalsze materiały o architekturach hybrydowych, np. A Hybrid Agent Architecture for Dynamic and Unpredictable Environments (przykład dla RoboCup). Zaimplementuj agenta hybrydowego o architekturze opartej na obranej teorii psychologicznej oraz środowisko testowe i przetestuj przewidywania teorii. W przypadku proponowanej książki, zamodeluj świadomość w architekturze agenta, np. jej rolę w formowaniu pamięci epizodycznej.

• Integrated urban system modelling: methodology and case study using multi-agent systems
• Multi-Agent Systems for the Simulation of Land-Use and Land-Cover Change: A Review

Psychologia poznawcza a hybrydowe architektury agentów

Projekt dotyczy związków architektury agentów i wyników psychologii poznawczej. Przypomnij sobie opowiadanie “Ananke” z cyklu “Przygody pilota Pirxa” Stanisława Lema. Zapoznaj się z jakąś całościową propozycją z dziedziny psychologii poznawczej, np.: książka “Czuję, myślę, jestem. Świadomość i procesy psychiczne w ujęciu poznawczym” Aliny Kolańczyk. Przeczytaj np. G53DIA Designing Intelligent Agents / Hybrid architectures i wybrane dalsze materiały o architekturach hybrydowych. Zaimplementuj agenta hybrydowego o architekturze opartej na obranej teorii psychologicznej oraz środowisko testowe i przetestuj przewidywania teorii. W przypadku proponowanej książki, zamodeluj świadomość w architekturze agenta, np. jej rolę w formowaniu pamięci epizodycznej.

Niektóre zagadnienia: A Survey of Cognitive and Agent Architectures.

(:toc:)

Omówione propozycje projektów

Propozycje są tylko szkicem terytorium. Niektóre są bardziej jednorodne, niektóre mniej — te wymagają wyboru ścieżki, którą się chce pójść, np. bardziej teoretycznej, z implementacją prostego toy universe do testowania możliwości, albo bardziej technicznej, skupionej na “realistycznym” zastosowaniu.

Działanie przez naśladowanie często wykorzystuje się w robotyce lub środowiskach “rzeczywistości wirtualnej”. Celami “niskiego poziomu” tych działań (środkami do realizacji “wyższych” celów) są zadania “inverse kinematics”, ilustrując: “jak poruszyć ręką, aby chwycić kubek w pudełku”, albo bardziej złożone zadania (w animacji nazywane czasami “retargetting”, jeśli mamy rozwiązanie wzorcowe), np. jak poruszać kończynami, aby się przemieszczać. Zadania te możemy rozwiązywać budując zachowanie od podstaw, traktując problem jako zadanie optymalizacji nieliniowej (zapoznaj się z Introduction to Inverse Kinematics with Jacobian Transpose, Pseudoinverse and Damped Least Squares methods). Zachowanie możemy też składać łącząc i dostosowując zachowania prostsze; repertuar zachowań pierwotnych musimy wtedy zaprogramować ręcznie lub pozyskać innymi metodami (zadanie ciekawe same w sobie). Przeczytaj Primitive-Based Movement Classification for Humanoid Imitation. W jaki sposób wyniki z poprzedniego akapitu stosują się tutaj? W naśladowaniu zazwyczaj istotna jest segmentacja obserwowanych działań, zapoznaj się z Self-Segmentation of Sequences: Automatic Formation of Hierarchies of Sequential Behaviors (patrz też poniżej: zastosowano proste segmentowanie w momentach ustania ruchu). Zaprogramuj ramię z dwoma stawami naśladujące zachowanie ramienia z trzema stawami, lub ciekawszy problem, wykorzystując składanie zachowań bazowych.

Zachowania służą celom agentów, realizowanym w ramach społeczności agentów. Często obserwując zachowania wnioskujemy o celach agentów. Przeczytaj Imitation as a First Step to Social Learning in Synthetic Characters: A Graph-based Approach. Zaprogramuj środowisko analogiczne do zaprezentowanego w tej pracy. Agent może mieć różne strategie wyboru agentów do naśladowania, zapoznaj się z Human’s Meta-cognitive Capacities and Endogenization of Mimetic Rules in Multi-Agents Models lub Metareflexive Mimetism: The prisoner free of the dilemma. Możesz zaprogramować środowisko do testowania różnych strategii.

Nowe propozycje projektów

Systemy wieloagentowe w planowaniu (projektowaniu) miast

Symulacje agentowe w antropologii poznawczej

• Computer-based Simulation Modelling for Anthropologists
• An Open Mind is not an Empty Mind: Experiments in the Meta-Noosphere

Teoria świadomości a hybrydowe architektury agentów

Projekt dotyczy związków architektury agentów i wyników psychologii poznawczej. Przypomnij sobie opowiadanie “Ananke” z cyklu “Przygody pilota Pirxa” Stanisława Lema. Zapoznaj się z jakąś całościową propozycją z dziedziny psychologii poznawczej, proponuję: książka “Czuję, myślę, jestem. Świadomość i procesy psychiczne w ujęciu poznawczym” Aliny Kolańczyk.

Początkowe propozycje zadań

1. (OpenSteer) Boidy poruszające się w formacjach. W programach nie wykorzystuj narzuconej z góry trajektorii ani nie przechowuj informacji o wszystkich boidach, posługuj się tylko “lokalnymi” obserwacjami boidów. Formacje powinny się dostosowywać do ilości boidów w grupie.
   1. Zaprogramuj boidy poruszające się w trzech wymiarach tak, aby samoczynnie formowały “klucze”.
   2. Zaprogramuj boidy poruszające się na płaszczyźnie tak, aby poruszające się grupy samoczynnie formowały okręgi (n-kąty foremne). Prędkość okręgu powinna zgrubsza pokrywać się z prędkością boidów (wykluczamy sytuację, w której boidy większość energii marnują na jeżdżenie w kółko).
2. (Włąsna implementacja) Zaprogramuj algorytm wychodzenia z labiryntu oraz wizualizację jego działania. (Wizualizacja powinna być prosta.)
3. (JADE) Zaprogramuj system dystrybucji zasobów obliczeniowych jako system aukcyjny (Vickrey’s Auction). Zadaniem obowiązkowym na pracownię jest zaprogramowanie jakiejś minimalnej, uproszczonej formy systemu.
   • Modelujemy sieć komputerową, w której każdy komputer ma określoną moc obliczeniową (dalej nazywaną MIPS) i określoną pamięć operacyjną.
   • Zadania wykonywane w sieci wymagają określonej ilości MI do wykonania, oraz dla uproszczenia określonej ilości pamięci w każdej chwili wykonywania.
   • Komputer może wykonywać n zadań jednocześnie, przy czym każdemu zadaniu przydziela ustaloną ilość mocy obliczeniowej, tak że ite zadanie wykonuje się w czasie \frac{MI_i}{MIPS_i}, oraz MIPS_1 + \dots + MIPS_n \leq MIPS. Podobnie suma pamięci wymaganych przez poszczególne zadania jest mniejsza od ilości pamięci dostępnej na komputerze.
   • Zleceniodawca zadania wyznacza minimalną moc obliczeniową jakiej wymaga oraz maksymalną cenę jaką może zapłacić.
   • Komputer, który chce i może wykonać zadanie, proponuje swoją cenę, nie znając propozycji innych komputerów.
   • Zleceniodawca wybiera komputer, który zaproponował najniższą cenę, ale wypłaca mu drugą najniższą kwotę (najniższą cenę spośród pozostałych propozycji).
   • Celem komputerów jest zarobienie jak najwięcej w dłuższym okresie.
   • Zaprogramuj agentów modelujących komputery w sieci i agentów modelujących zleceniodawców. Dla celów symulacji zaprogramuj generator zleceń.
   • Porównaj kilka strategii dla agentów-komputerów.
4. (RoboCup Soccer Simulator - preferowany, lub OpenSteer) Zaprogramuj graczy drużyny piłkarskiej. Porównaj strategie m.in.:
   • gry pozycyjnej (gracze mają przydzielone obszary aktywności)
   • krycia (gracze mają przydzielonych kontrgraczy)
   • aktywnego szukania wolnego pola gry

• komunikacja przez przekazywanie wiadomości (nadawca wybiera odbiorcę, wiele wiadomości naraz - komunikacja asynchroniczna)

Sieci zachowań są paradygmatem łączącym podejście “niskiego poziomu” sieci neuronowych, z podejściami symbolicznymi “wysokiego poziomu”. Elemantami sieci behawioralnej są możliwe zachowania agenta (zachowania “atomowe”, bazowe). Krawędziami sieci przepływa “energia aktywacyjna”: węzeł, który zgromadzi jej więcej, ma większą szansę na “odpalenie”, czyli wykonanie związanego z nim zachowania. Z zachowaniami związane są warunki wstępne, które muszą być spełnione, jeśli zachowanie ma być wykonane, oraz spodziewane rezultaty zachowania. Krawędzie łączą zachowania, jeśli rezultaty jednego przyczyniają się do spełnienia warunków wstępnych drugiego. W sieci są też uwzględnione cele agenta, krawędzie biegną od celów do zadań, które się do spełnienia tych celów przyczyniają. Przeczytaj How To Do the Right Thing, Pattie Maes (1989) oraz Extended Behavior Networks for Behavior Selection in Dynamic and Continuous Domains, może też Pronomes in Behavior Nets.

W wielu zadaniach interesuje nas doprowadzenie agentów (robotów) do rozmieszczenia o zadanym wzorze i/lub skoordynowane przemieszczanie się agentów, np. żeby w miarę możliwości utrzymywali dany wzór rozmieszczenia. Przeczytaj lub przejrzyj: Social Potentials for Scalable Multi-Robot Formations, Autonomous Initialization of Robot Formations, A General Algorithm for Robot Formations Using Local Sensing and Minimal Communication, Behavior-based Formation Control for Multi-robot Teams.

Zaprogramuj (“rozwiąż”) w OpenSteer różne zadania formacji boidów:

• “obsadzenie” zadanej konfiguracji: ułożenie boidów w zadany wzór i zatrzymanie ich; wzorem może być okrąg, romb, klucz (literka V), literka Y, itd.
• “obsadzenie” konfiguracji (wzoru jak wyżej) i poruszanie się w niej wzdłóż ścieżki, z wymijaniem przeszkód (czy można regulować stosunek ilości drogi nadłożonej przez poszczególne boidy do stopnia zaburzenia formacji?)
• dla zadań jak wyżej, włączanie do formacji świeżo przybywających boidów (wymaga to przegrupowania zazwyczaj)
• zmiana konfiguracji na inny wzór, np. po przekroczeniu przez grupę zadanego progu liczebności
• jeśli liczebność grupy przekroczy zadany próg, to formacja ma się przegrupować na dwie mniejsze (raczej zgrubsza równoliczne) formacje, o tym samym kształcie (ewentualnie o kształcie z zadanego zbioru kształtów, dobieranie kształtu dającego w danej sytuacji najlepszy czas przegrupowywania może być ciekawe)

Przeczytaj Impossibility of Gathering by a Set of Autonomous Mobile Robots, Hard Tasks for Weak Robots: The Role of Common Knowledge in Pattern Formation by Autonomous Mobile Robots. Zbadaj, jakie minimalne wymagania względem agentów uda ci się osiągnąć w rozwiązaniu poszczególnych zadań:

• pamięć zbiorowa (współdzielona pomiędzy agentami)
• pamięć indywidualnych agentów
• komunikacja przez przekazywanie informacji (nadawca wybiera odbiorcę, wiele informacji naraz - komunikacja asynchroniczna)
• komunikacja przez rozgłaszanie (odbiorca wybiera nadawcę, nadawca może rozgłaszać tylko jeden komunikat naraz)
• dostęp do agentów przez globalne identyfikatory
• dostęp do agentów tylko przez lokalizację “wizualną” (agent ma dostęp do anonimowych sąsiadów w zadanym promieniu, możliwe dodatkowe ograniczenie: tylko do agentów przed sobą, w ramach zadanego kąta widzenia)

Zazwyczaj różni agenci dysponują różnymi możliwościami. Uniemożliwia to agentowi uczącemu się dokładną imitację zachowań. Przeczytaj Learning How to Do Things with Imitation. Ponadto, agent działa dla osiągnięcia swoich celów, które mogą się nie pokrywać z celami, dla których działa “nauczyciel”. Przeczytaj Reinforcement Learning with Imitation in Heterogeneous Multi-Agent Systems. Porównaj eksperymentalnie przedstawione w tych pracach algorytmy. Możesz zaproponować własny (ciekawszy) problem testowy.

Sieci zachowań są paradygmatem łączącym podejście “niskiego poziomu” sieci neuronowych, z podejściami symbolicznymi “wysokiego poziomu”. Elemantami sieci behawioralnej są możliwe zachowania agenta (zachowania “atomowe”, bazowe). Krawędziami sieci przepływa “energia aktywacyjna”: węzeł, który zgromadzi jej więcej, ma większą szansę na “odpalenie”, czyli wykonanie związanego z nim zachowania. Z zachowaniami związane są warunki wstępne, które muszą być spełnione, jeśli zachowanie ma być wykonane, oraz spodziewane rezultaty zachowania. Krawędzie łączą zachowania, jeśli rezultaty jednego przyczyniają się do spełnienia warunków wstępnych drugiego. W sieci są też uwzględnione cele agenta, krawędzie biegną od celów do zadań, które się do spełnienia tych celów przyczyniają. Przeczytaj How To Do the Right Thing, Pattie Maes (1989) oraz Extended Behavior Networks for Behavior Selection in Dynamic and Continuous Domains.

Budowanie skutecznej sieci behawioralnej może być bardzo czasochłonne. Fajnie byłoby, gdyby taka sieć mogła powstać automatycznie. Ten sam mechanizm pozwoliłby jej na bieżąco dostosowywać się do zmieniających się warunków środowiska. Przeczytaj Hugo deGaris, PhD Thesis, Chapter 9: Other Work, strony 22–23 (291–292 w pracy), dostosuj opisany mechanizm do “Extended Behavior Networks”. Przeczytaj też przeglądowy artykuł Modeling Adaptive Autonomous Agents.

Uczenie się agentów zyskuje dodatkowy wymiar, gdy ich środowiskiem są inni agenci, przyjaźni (z pokrywającymi się celami) i wrodzy (z przeciwstawnymi celami). Wykorzystując RoboCup Soccer Simulator, lub OpenSteer, zaprogramuj uczących się graczy drużyny piłkarskiej. Przeczytaj Extended Behavior Networks for the magmaFreiburg Team, porównaj sieci behawioralne z architekturą zastosowaną w The Incremental Development of a Synthetic Multi-Agent System: The UvA Trilearn 2001 Robotic Soccer Simulation Team.

Alternatywnie, zaproponuj i zaimplementuj inne zastosowanie dla adaptujących się sieci aktywacyjnych.

1. (OpenSteer) Boidy poruszające się w formacjach. W programach nie wykorzystuj narzuconej z góry trajektorii ani nie przechowuj informacji o wszystkich boidach, posługuj się tylko “lokalnymi” obserwacjami boidów. Formacje powinny się dostosowywać do ilości boidów w grupie.

Formacje

Uczenie się (indukcja) sieci behawioralnych

Naśladowanie

Zazwyczaj różni agenci dysponują różnymi możliwościami. Uniemożliwia to agentowi uczącemu się dokładną imitację zachowań. Przeczytaj http://citeseer.ist.psu.edu/339624.html?. Ponadto, agent działa dla osiągnięcia swoich celów, które mogą się nie pokrywać z celami, dla których działa “nauczyciel”. Przeczytaj Reinforcement Learning with Imitation in Heterogeneous Multi-Agent Systems. Porównaj eksperymentalnie przedstawione w tych pracach algorytmy. Możesz zaproponować własny (ciekawszy) problem testowy.

Działanie przez naśladowanie często wykorzystuje się w robotyce lub środowiskach “rzeczywistości wirtualnej”. Celami “niskiego poziomu” tych działań (środkami do realizacji “wyższych” celów) są zadania “inverse kinematics”, ilustrując: “jak poruszyć ręką, aby chwycić kubek w pudełku”, albo bardziej złożone zadania (w animacji nazywane czasami “retargetting”, jeśli mamy rozwiązanie wzorcowe), np. jak poruszać kończynami, aby się przemieszczać. Zadania te możemy rozwiązywać budując zachowanie od podstaw, traktując problem jako zadanie optymalizacji nieliniowej (zapoznaj się z Introduction to Inverse Kinematics with Jacobian Transpose, Pseudoinverse and Damped Least Squares methods). Zachowanie możemy też składać łącząc i dostosowując zachowania prostsze; repertuar zachowań pierwotnych musimy wtedy zaprogramować ręcznie lub pozyskać innymi metodami (zadanie ciekawe same w sobie). Przeczytaj Primitive-Based Movement Classification for Humanoid Imitation. W jaki sposób wyniki z poprzedniego akapitu stosują się tutaj? Zaprogramuj ramię z dwoma stawami naśladujące zachowanie ramienia z trzema stawami, lub ciekawszy problem, wykorzystując składanie zachowań bazowych.

Zachowania służą celom agentów, realizowanym w ramach społeczności agentów. Często obserwując zachowania wnioskujemy o celach agentów. Przeczytaj Imitation as a First Step to Social Learning in Synthetic Characters: A Graph-based Approach. Zaprogramuj środowisko analogiczne do zaprezentowanego w tej pracy.

ObowiÄ…zkowe jest rozwiÄ…zanie zadaÅ„, które robimy na pracowni, w postaci “to rzeczywiÅ›cie dziaÅ‚a”, tzn. można uproÅ›cić treść / warunki zadania, o ile to go nie strywializuje, nie oczekujÄ™ peÅ‚nych rozwiÄ…zaÅ„ uwzglÄ™dniajÄ…cych wszystkie propozycje z treÅ›ci. RozwiÄ…zanie ich stanowi warunek konieczny zaliczenia, poza tym ocena jest na podstawie projektów/referatów. Treść ciekawszych zadaÅ„ można wybrać na temat projektu.

Tzn. w tej chwili obowiÄ…zuje tylko zadanie 3 z poprzedniej pracowni. lukstafi? March 27, 2007, at 06:45 PMlukstafi

• Komputer może wykonywać n zadań jednocześnie, przy czym każdemu zadaniu przydziela ustaloną ilość mocy obliczeniowej, tak że ite zadanie wykonuje się w czasie \frac{MI_i}{MIPS_i}, oraz MIPS_1 + \dots + MIPS_n \leq MIPS. Podobnie suma pamięci wymaganych przez poszczególne zadania jest mniejsza od ilości pamięci dostępnej na komputerze.

1. (Włąsna implementacja) Zaprogramuj algorytm wychodzenia z labiryntu oraz wizualizację jego działania. (Wizualizacja powinna być prosta.)

1. (OpenSteer) Boidy poruszające się w formacjach. W programach nie wykorzystuj narzuconej z góry trajektorii ani nie przechowuj informacji o wszystkich boidach, posługuj się tylko “lokalnymi” obserwacjami boidów. Formacje powinny się dostosowywać do ilości boidów w grupie.

1. () Zaprogramuj algorytm wychodzenia z labiryntu oraz wizualizację jego działania.
2. (JADE) Zaprogramuj system dystrybucji zasobów obliczeniowych jako system aukcyjny (Vickrey’s Auction). Zadaniem obowiązkowym na pracownię jest zaprogramowanie jakiejś minimalnej, uproszczonej formy systemu.

1. (RoboCup Soccer Simulator - preferowany, lub OpenSteer) Zaprogramuj graczy drużyny piłkarskiej. Porównaj strategie m.in.:
   • gry pozycyjnej (gracze mają przydzielone obszary aktywności)
   • krycia (gracze mają przydzielonych kontrgraczy)
   • aktywnego szukania wolnego pola gry

1. (JADE) Zaprogramuj system dystrybucji zasobów obliczeniowych jako system aukcyjny (Vickrey’s Auction). Zadaniem obowiązkowym na pracownię jest zaprogramowanie jakiejś minimalnej, uproszczonej formy systemu.

1. (JADE) Zaprogramuj system dystrybucji zasobów obliczeniowych jako system aukcyjny (Vickret’s Auction). Zadaniem obowiązkowym na pracownię jest zaprogramowanie jakiejś minimalnej, uproszczonej formy systemu.

• Porównaj kilka strategii dla agentów-komputerów.

1. (JADE) Zaprogramuj system dystrybucji zasobów obliczeniowych jako system aukcyjny. Zadaniem obowiązkowym na pracownię jest zaprogramowanie jakiejś minimalnej, uproszczonej formy systemu.

• Modelujemy sieć komputerową, w której każdy komputer ma określoną moc obliczeniową (dalej nazywaną MIPS) i określoną pamięć operacyjną.

• Zleceniodawca wybiera komputer, który zaproponował najniższą cenę, ale wypłaca mu drugą najniższą kwotę (najniższą cenę spośród pozostałych propozycji).

• Komputer może wykonywać n zadań jednocześnie, przy czym każdemu zadaniu przydziela ustaloną ilość mocy obliczeniowej, tak że ite zadanie wykonuje się w czasie \frac{MIPS_i}{MI_i}, oraz MIPS_1 + \dots + MIPS_n \leq MIPS. Podobnie suma pamięci wymaganych przez poszczególne zadania jest mniejsza od ilości pamięci dostępnej na komputerze.

• Komputer może wykonywać n zadań jednocześnie, przy czym każdemu zadaniu przydziela ustaloną ilość mocy obliczeniowej, tak że ite zadanie wykonuje się w czasie \frac{MIPS_i}{MI_i}, oraz MIPS_1 + \dots + MIPS_n <= MIPS. Podobnie suma pamięci wymaganych przez poszczególne zadania jest mniejsza od ilości pamięci dostępnej na komputerze.

1. Zaprogramuj boidy poruszające się na płaszczyźnie tak, aby poruszające się grupy samoczynnie formowały okręgi (n-kąty foremne). Prędkość okręgu powinna zgrubsza pokrywać się z prędkością boidów (wykluczamy sytuację, w której boidy większość energii marnują na jeżdżenie w kółko).

1. Zaprogramuj algorytm wychodzenia z labiryntu oraz wizualizację jego działania.
2. (JADE) Zaprogramuj system dystrybucji zasobów obliczeniowych jako system aukcyjny.
   • Modelujemy sieć komputerową, w której każdy komputer ma określoną moc obliczeniową (mierzoną w MIPS) i określoną pamięć operacyjną.
   • Zadania wykonywane w sieci wymagają określonej ilości MI do wykonania, oraz dla uproszczenia określonej ilości pamięci w każdej chwili wykonywania.
   • Komputer może wykonywać n zadań jednocześnie, przy czym każdemu zadaniu przydziela ustaloną ilość mocy obliczeniowej, tak że ite zadanie wykonuje się w czasie \frac{MIPS_i, MI_i}, oraz MIPS_1 + \dots + MIPS_n <= MIPS. Podobnie suma pamięci wymaganych przez poszczególne zadania jest mniejsza od ilości pamięci dostępnej na komputerze.
   • Zleceniodawca zadania wyznacza minimalną moc obliczeniową jakiej wymaga oraz maksymalną cenę jaką może zapłacić.
   • Komputer, który chce i może wykonać zadanie, proponuje swoją cenę, nie znając propozycji innych komputerów.
   • Zleceniodawca wybiera komputer, który zaproponował najniższą cenę, ale wypłaca mu cenę drugą najniższą kwotę (najniższą cenę spośród pozostałych propozycji).
   • Celem komputerów jest zarobienie jak najwięcej w dłuższym okresie.
   • Zaprogramuj agentów modelujących komputery w sieci i agentów modelujących zleceniodawców. Dla celów symulacji zaprogramuj generator zleceń.
   • Porównaj kilka strategii agentów-komputerów.

1. Zaprogramuj algorytm wychodzenia z labiryntu oraz wizualizację jego działania.

1. Zaprogramuj algorytm wychodzenia z labiryntu oraz wizualizacjê jego dzia³ania.

1. (OpenSteer) Boidy poruszające się w formacjach. W programach nie wykorzystuj narzuconej z góry trajektorii ani nie przechowuj informacji o wszystkich boidach, posługuj się tylko “lokalnymi” obserwacjami boidów. Formacje powinny się dostosowywać do ilości boidów w grupie.

1. (OpenSteer) Boidy poruszające się w formacjach. W programach nie wykorzystuj narzuconej z góry trajektorii ani nie przechowuj informacji o wszystkich boidach, posługuj się tylko “lokalnymi” obserwacjami boidów.

1. (OpenSteer) Boidy poruszające się w formacjach. W programach nie wykorzystuj narzuconej z góry trajektorii ani nie przechowuj informacji o wszystkich boidach, posługuj się tylko “lokalnymi” obserwacjami boidów.
   1. Zaprogramuj boidy poruszające się w trzech wymiarach tak, aby samoczynnie formowały “klucze”.
   2. Zaprogramuj boidy poruszające się na płaszczyźnie tak, aby poruszające się grupy samoczynnie formowały okręgi (n-kąty foremne).