Emacs Artificial General Intelligence Algorithmic Game Theory: Prediction Markets (po polsku) Systemy Inteligentnych Agentów
|
Agents.Zadania HistoryHide minor edits - Show changes to markup March 04, 2008, at 10:32 PM
by - IR: Knowledge-based agents link
Changed lines 55-56 from:
to:
Changed lines 75-76 from:
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. to:
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. October 06, 2007, at 06:59 PM
by - Baum IR
Changed lines 54-55 from:
to:
Changed lines 74-75 from:
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. to:
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. October 03, 2007, at 02:37 PM
by - typo
Changed lines 40-41 from:
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. to:
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. Changed lines 73-74 from:
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. to:
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. May 18, 2007, at 07:33 PM
by - search engine
Changed lines 40-41 from:
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. to:
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. Changed lines 49-50 from:
to:
Changed lines 73-74 from:
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. to:
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. May 10, 2007, at 12:37 AM
by - bug again!
Changed lines 1-89 from:
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, w = w_1 \ldots w_n
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 [i \cdots j; A \rightarrow \alpha \circ \beta \bullet \gamma; f(\vec{x}); \mu; \theta; \Phi]
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
\frac{ \begin{array}{c} { [i \cdots j; A; f(\vec{x}); \mu; \theta; \Phi_1] } \\ { [j \cdots k; B \rightarrow \alpha \bullet \beta; g(\vec{y}); \nu; \psi; \Phi_2] } \end{array} }{ \begin{array}{c} [i \cdots k; B; [\triangle_1 := f(\vec{x})]g(\vec{y},\vec{\triangle}); \mu, \nu; \\ \psi, PosU(\theta); \Phi_1 \wedge \Phi_2 \wedge A \leq ATy(\triangle_1)] \end{array} } \; \begin{array}{c} Rel(f(\vec{x})) \wedge |NT(\beta)| = |\vec{\triangle}| \wedge \\ Gaps(g(\vec{y}, \vec{\triangle})) = \{ \triangle_1 \} \end{array}
Rules that are always applied whenever possible
\frac{ [i \cdots j; A; f(\vec{x}); \mu,M,\nu; \theta; \Phi_1] }{ [i \cdots j; A; M(f(\vec{x})); \mu,\nu; \theta; \Phi_1 \wedge A \leq ModTy(M)] }
Main rulesbullet-right rules
\frac{ [i \cdots j; A \rightarrow \alpha \bullet B \beta; f(\vec{x}); \mu; \theta; \Phi_1] \qquad [j \cdots k; C; g(\vec{y}); \nu; \psi; \Phi_2] }{ [i \cdots k; A \rightarrow \alpha B \bullet \beta; f(\vec{x},g(\vec{y})); \mu,\nu; \theta,PosU(\psi); \Phi_1 \wedge \Phi_2 \wedge C \leq B] }
\frac{ [i \cdots j; A \rightarrow \alpha \bullet w_{j+1} \beta; f(\vec{x}); \mu; \theta; \Phi] }{ [i \cdots j+1; A \rightarrow \alpha w_{j+1} \bullet \beta; f(\vec{x}); \mu; \theta; \Phi] }
\frac{ [i \cdots j; A \rightarrow \alpha \bullet \beta; f(\vec{x}); \mu; \theta; \Phi_1] \qquad [j \cdots k; C; g(\vec{y}); \nu; \psi; \Phi_2] }{ [i \cdots k; A \rightarrow \alpha \bullet \beta; f(\vec{x}); \mu,g(\vec{y}),\nu; \theta, PosU(\psi); \Phi_1 \wedge \Phi_2] } \quad Mod(g(\vec{y}))
\frac{ [i \cdots j; C; g(\vec{y}); \mu; \theta; \Phi_1] }{ [i \cdots j; A \rightarrow B \bullet \alpha; f(g(\vec{y})); \mu; PosU(\theta); \Phi_1 \wedge C \leq B] } \quad \begin{array}{c} NT (\alpha) = \alpha \wedge \\ Cat(C) = Cat(B) \end{array}
\frac{ }{ [i \cdots i+1; A \rightarrow \alpha \circ w_{i+1} \bullet \beta; f(); ; ; \Phi_0] } \quad NT(\alpha) = \alpha
circle-left rules
\frac{ [j \cdots k; A \rightarrow \alpha B \circ \beta \bullet \gamma; f(\vec{x}); \mu; \theta; \Phi_1] \qquad [i \cdots j; C; g(\vec{y}); \nu; \psi; \Phi_2] }{ [i \cdots k; A \rightarrow \alpha \circ B \beta \bullet \gamma; f(g(\vec{y}),\vec{x}); \mu,\nu; \theta,PosU(\psi); \Phi_1 \wedge \Phi_2 \wedge C \leq B] }
\frac{ [j \cdots k; A \rightarrow \alpha \circ \beta \bullet \gamma; f(\vec{x}); \mu; \theta; \Phi_1] \qquad [i \cdots j; C; g(\vec{y}); \nu; \psi; \Phi_2] }{ [i \cdots k; A \rightarrow \alpha \circ \beta \bullet \gamma; f(\vec{x}); \mu,g(\vec{y}),\nu; \theta, PosU(\psi); \Phi_1 \wedge \Phi_2] } \; Mod(g(\vec{y}))
We will call Combine and Modifier-intro as basic circle-left rules.
\begin{array}{c} { [k \cdots l; A \rightarrow \alpha B \circ \beta \bullet \gamma; f(\vec{x}); \mu_1; \theta_1; \Phi_1] } \\ { [i \cdots j; C; g(\vec{y}); \mu_2; \theta_2; \Phi_2] } \\ { [j \cdots k; D \rightarrow \delta \bullet \rho; h(\vec{z}); \mu_3; \theta_3; \Phi_3] } \\ \overline{ \begin{array}{c} [i \cdots l; A \rightarrow \alpha \circ B \beta \bullet \gamma; f(g(\vec{y}),\vec{x}); \mu_1,\mu_2,\mu_3; \\ (h (\vec{z}, \vec{\triangle}),|\alpha|),\theta_1,PosU(\theta_2), PosU(\theta_3); \\ \Phi_1 \wedge \Phi_2 \wedge \Phi_3 \wedge C \leq B] \end{array} } \end{array} \quad \begin{array}{c} |\vec{\triangle}| = |NT(\rho)| \wedge \\ \textit{no "basic} \\ \textit{circle-left} \\ \textit{rule" applies} \end{array}
\begin{array}{c} { [k \cdots l; A \rightarrow \alpha B \circ \beta \bullet \gamma; f(\vec{x}); \mu_1; \theta_1; \Phi_1] } \\ { [i \cdots j; C; g(\vec{y}); \mu_2; \theta_2; \Phi_2] } \\ { {\bf{Relativization}} \vdash [j \cdots k; D; h(\vec{z}); \mu_3; \theta_3; \Phi_3] } \\ \overline{ \begin{array}{c} [i \cdots l; A \rightarrow \alpha \circ B \beta \bullet \gamma; f(g(\vec{y}),\vec{x}); \mu_1,\mu_2,\mu_3; \\ (h (\vec{z}),|\alpha|),\theta_1,PosU(\theta_2), PosU(\theta_3); \\ \Phi_1 \wedge \Phi_2 \wedge \Phi_3 \wedge C \leq B] \end{array} } \end{array} \begin{array}{c} \textit{no "basic} \\ \textit{circle-left} \\ \textit{rule" applies} \end{array}
\frac{ [i \cdots j; A \rightarrow \alpha B \circ \beta \bullet \gamma; f(\vec{x}); \mu; \theta; \Phi] }{ [i \cdots j; A \rightarrow \alpha \circ B \beta \bullet \gamma; f(\triangle, \vec{x}); \mu; \theta; \Phi] } \quad \begin{array}{c} \textit{no other} \\ \textit{"circle-left"} \\ \textit{rule applies} \end{array}
Collecting passive parse items (closed edges)
\frac{ [i \cdots j; A; f(\vec{x}); \Phi_1] \qquad [j \cdots k; B; g(\vec{y}); \Phi_2] }{ [i \cdots k; (A, B); C(f(\vec{x}), g(\vec{y})); \Phi_1 \wedge \Phi_2 ] } \quad \begin{array}{c} \textit{smallest such } i \\ \textit{biggest such } k \end{array}
to:
(:toc:) Omówione propozycje projektówPropozycje 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. FormacjeW 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:
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:
Uczenie się (indukcja) sieci behawioralnychSieci 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. NaśladowanieZazwyczaj 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:
Information Retrieval AgentsLinki:
Nowe propozycje projektówSystemy wieloagentowe w ocenianiu / planowaniu / projektowaniu miast / budynków / etc.
Symulacje agentowe w antropologii poznawczej
Psychologia poznawcza a hybrydowe architektury agentówProjekt 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
May 10, 2007, at 12:20 AM
by - more explicit determinization
Changed lines 1-95 from:
(:toc:) Omówione propozycje projektówPropozycje 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. FormacjeW 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:
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:
Uczenie się (indukcja) sieci behawioralnychSieci 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. NaśladowanieZazwyczaj 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:
Information Retrieval AgentsLinki:
Nowe propozycje projektówSystemy wieloagentowe w ocenianiu / planowaniu / projektowaniu miast / budynków / etc.
Symulacje agentowe w antropologii poznawczej
Psychologia poznawcza a hybrydowe architektury agentówProjekt 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
to:
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, w = w_1 \ldots w_n
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 [i \cdots j; A \rightarrow \alpha \circ \beta \bullet \gamma; f(\vec{x}); \mu; \theta; \Phi]
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
\frac{ \begin{array}{c} { [i \cdots j; A; f(\vec{x}); \mu; \theta; \Phi_1] } \\ { [j \cdots k; B \rightarrow \alpha \bullet \beta; g(\vec{y}); \nu; \psi; \Phi_2] } \end{array} }{ \begin{array}{c} [i \cdots k; B; [\triangle_1 := f(\vec{x})]g(\vec{y},\vec{\triangle}); \mu, \nu; \\ \psi, PosU(\theta); \Phi_1 \wedge \Phi_2 \wedge A \leq ATy(\triangle_1)] \end{array} } \; \begin{array}{c} Rel(f(\vec{x})) \wedge |NT(\beta)| = |\vec{\triangle}| \wedge \\ Gaps(g(\vec{y}, \vec{\triangle})) = \{ \triangle_1 \} \end{array}
Rules that are always applied whenever possible
\frac{ [i \cdots j; A; f(\vec{x}); \mu,M,\nu; \theta; \Phi_1] }{ [i \cdots j; A; M(f(\vec{x})); \mu,\nu; \theta; \Phi_1 \wedge A \leq ModTy(M)] }
Main rulesbullet-right rules
\frac{ [i \cdots j; A \rightarrow \alpha \bullet B \beta; f(\vec{x}); \mu; \theta; \Phi_1] \qquad [j \cdots k; C; g(\vec{y}); \nu; \psi; \Phi_2] }{ [i \cdots k; A \rightarrow \alpha B \bullet \beta; f(\vec{x},g(\vec{y})); \mu,\nu; \theta,PosU(\psi); \Phi_1 \wedge \Phi_2 \wedge C \leq B] }
\frac{ [i \cdots j; A \rightarrow \alpha \bullet w_{j+1} \beta; f(\vec{x}); \mu; \theta; \Phi] }{ [i \cdots j+1; A \rightarrow \alpha w_{j+1} \bullet \beta; f(\vec{x}); \mu; \theta; \Phi] }
\frac{ [i \cdots j; A \rightarrow \alpha \bullet \beta; f(\vec{x}); \mu; \theta; \Phi_1] \qquad [j \cdots k; C; g(\vec{y}); \nu; \psi; \Phi_2] }{ [i \cdots k; A \rightarrow \alpha \bullet \beta; f(\vec{x}); \mu,g(\vec{y}),\nu; \theta, PosU(\psi); \Phi_1 \wedge \Phi_2] } \quad Mod(g(\vec{y}))
\frac{ [i \cdots j; C; g(\vec{y}); \mu; \theta; \Phi_1] }{ [i \cdots j; A \rightarrow B \bullet \alpha; f(g(\vec{y})); \mu; PosU(\theta); \Phi_1 \wedge C \leq B] } \quad \begin{array}{c} NT (\alpha) = \alpha \wedge \\ Cat(C) = Cat(B) \end{array}
\frac{ }{ [i \cdots i+1; A \rightarrow \alpha \circ w_{i+1} \bullet \beta; f(); ; ; \Phi_0] } \quad NT(\alpha) = \alpha
circle-left rules
\frac{ [j \cdots k; A \rightarrow \alpha B \circ \beta \bullet \gamma; f(\vec{x}); \mu; \theta; \Phi_1] \qquad [i \cdots j; C; g(\vec{y}); \nu; \psi; \Phi_2] }{ [i \cdots k; A \rightarrow \alpha \circ B \beta \bullet \gamma; f(g(\vec{y}),\vec{x}); \mu,\nu; \theta,PosU(\psi); \Phi_1 \wedge \Phi_2 \wedge C \leq B] }
\frac{ [j \cdots k; A \rightarrow \alpha \circ \beta \bullet \gamma; f(\vec{x}); \mu; \theta; \Phi_1] \qquad [i \cdots j; C; g(\vec{y}); \nu; \psi; \Phi_2] }{ [i \cdots k; A \rightarrow \alpha \circ \beta \bullet \gamma; f(\vec{x}); \mu,g(\vec{y}),\nu; \theta, PosU(\psi); \Phi_1 \wedge \Phi_2] } \; Mod(g(\vec{y}))
We will call Combine and Modifier-intro as basic circle-left rules.
\begin{array}{c} { [k \cdots l; A \rightarrow \alpha B \circ \beta \bullet \gamma; f(\vec{x}); \mu_1; \theta_1; \Phi_1] } \\ { [i \cdots j; C; g(\vec{y}); \mu_2; \theta_2; \Phi_2] } \\ { [j \cdots k; D \rightarrow \delta \bullet \rho; h(\vec{z}); \mu_3; \theta_3; \Phi_3] } \\ \overline{ \begin{array}{c} [i \cdots l; A \rightarrow \alpha \circ B \beta \bullet \gamma; f(g(\vec{y}),\vec{x}); \mu_1,\mu_2,\mu_3; \\ (h (\vec{z}, \vec{\triangle}),|\alpha|),\theta_1,PosU(\theta_2), PosU(\theta_3); \\ \Phi_1 \wedge \Phi_2 \wedge \Phi_3 \wedge C \leq B] \end{array} } \end{array} \quad \begin{array}{c} |\vec{\triangle}| = |NT(\rho)| \wedge \\ \textit{no "basic} \\ \textit{circle-left} \\ \textit{rule" applies} \end{array}
\begin{array}{c} { [k \cdots l; A \rightarrow \alpha B \circ \beta \bullet \gamma; f(\vec{x}); \mu_1; \theta_1; \Phi_1] } \\ { [i \cdots j; C; g(\vec{y}); \mu_2; \theta_2; \Phi_2] } \\ { {\bf{Relativization}} \vdash [j \cdots k; D; h(\vec{z}); \mu_3; \theta_3; \Phi_3] } \\ \overline{ \begin{array}{c} [i \cdots l; A \rightarrow \alpha \circ B \beta \bullet \gamma; f(g(\vec{y}),\vec{x}); \mu_1,\mu_2,\mu_3; \\ (h (\vec{z}),|\alpha|),\theta_1,PosU(\theta_2), PosU(\theta_3); \\ \Phi_1 \wedge \Phi_2 \wedge \Phi_3 \wedge C \leq B] \end{array} } \end{array} \begin{array}{c} \textit{no "basic} \\ \textit{circle-left} \\ \textit{rule" applies} \end{array}
\frac{ [i \cdots j; A \rightarrow \alpha B \circ \beta \bullet \gamma; f(\vec{x}); \mu; \theta; \Phi] }{ [i \cdots j; A \rightarrow \alpha \circ B \beta \bullet \gamma; f(\triangle, \vec{x}); \mu; \theta; \Phi] } \quad \begin{array}{c} \textit{no other} \\ \textit{"circle-left"} \\ \textit{rule applies} \end{array}
Collecting passive parse items (closed edges)
\frac{ [i \cdots j; A; f(\vec{x}); \Phi_1] \qquad [j \cdots k; B; g(\vec{y}); \Phi_2] }{ [i \cdots k; (A, B); C(f(\vec{x}), g(\vec{y})); \Phi_1 \wedge \Phi_2 ] } \quad \begin{array}{c} \textit{smallest such } i \\ \textit{biggest such } k \end{array}
May 09, 2007, at 09:38 PM
by - IR link: good search engine
Changed lines 40-41 from:
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. to:
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. Changed line 49 from:
to:
Changed lines 52-53 from:
to:
Changed lines 72-73 from:
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. to:
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. Changed lines 67-68 from:
to:
April 29, 2007, at 01:08 PM
by - context IR
Changed lines 40-41 from:
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. to:
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. Changed line 49 from:
to:
Changed lines 51-52 from:
to:
Changed lines 70-71 from:
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. to:
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. April 17, 2007, at 01:40 AM
by - nowe linki
Changed lines 40-43 from:
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. to:
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:
Changed line 49 from:
to:
Changed lines 54-55 from:
Systemy wieloagentowe w planowaniu (projektowaniu) miastto:
Systemy wieloagentowe w ocenianiu / planowaniu / projektowaniu miast / budynków / etc.Changed lines 59-60 from:
to:
Changed lines 69-70 from:
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. to:
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. April 16, 2007, at 09:01 PM
by - linki dla nowych projektow
Added line 54:
Changed lines 62-63 from:
to:
Changed lines 64-65 from:
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. to:
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. April 16, 2007, at 03:26 PM
by - IR agents
Added lines 44-49:
Information Retrieval AgentsLinki:
April 15, 2007, at 10:31 PM
by - AGI link (architektury hybrydowe)
Changed lines 58-59 from:
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. to:
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. Changed lines 30-31 from:
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. to:
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. April 15, 2007, at 07:02 PM
by - teoria schematow, proceedingsy o imitacji
Changed lines 30-35 from:
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. to:
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. Changed lines 40-41 from:
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. to:
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. Changed lines 58-59 from:
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. to:
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. Changed lines 58-59 from:
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. to:
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. April 12, 2007, at 04:24 AM
by - nowe propozycje projektow
Added lines 48-50:
April 12, 2007, at 04:05 AM
by - architektury hybrydowe
Changed lines 53-56 from:
Teoria świadomości a hybrydowe architektury agentówProjekt 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. to:
Psychologia poznawcza a hybrydowe architektury agentówProjekt 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. April 12, 2007, at 02:52 AM
by - uzupelnienie nasladowania (segmentacja, strategie spoleczne), zarys nowych propozycji
Changed lines 1-19 from:
to:
(:toc:) Omówione propozycje projektówPropozycje 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. Changed lines 40-43 from:
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. to:
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 projektówSystemy wieloagentowe w planowaniu (projektowaniu) miastSymulacje agentowe w antropologii poznawczej
Teoria świadomości a hybrydowe architektury agentówProjekt 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
Changed line 34 from:
to:
April 05, 2007, at 04:36 AM
by - artykuł do behav nets
Changed lines 41-42 from:
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. to:
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. April 05, 2007, at 12:27 AM
by - projekty: formacje
Changed lines 22-23 from:
to:
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:
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:
April 04, 2007, at 08:56 PM
by - typo
Added line 23:
Changed lines 36-37 from:
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. to:
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. April 04, 2007, at 08:29 PM
by - projekty: adaptujace sie sieci behawioralne
Changed lines 25-32 from:
to:
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. April 04, 2007, at 05:56 PM
by - projekty: nasladowanie
Changed lines 1-11 from:
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
to:
Added lines 19-33:
FormacjeUczenie się (indukcja) sieci behawioralnychNaśladowanieZazwyczaj 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. Added lines 1-10:
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 Changed line 8 from:
to:
Changed line 4 from:
to:
Changed line 1 from:
to:
Changed lines 4-5 from:
to:
Added lines 15-18:
Changed line 5 from:
to:
Changed line 5 from:
to:
Changed line 14 from:
to:
Changed line 5 from:
to:
Changed line 6 from:
to:
Changed line 11 from:
to:
Changed line 8 from:
to:
Changed line 8 from:
to:
Changed lines 3-4 from:
to:
Changed line 4 from:
to:
Added line 4:
Changed line 1 from:
to:
Changed line 1 from:
to:
Added lines 1-3:
|