agentes inteligentes fisicos

AGENTESAGENTESRACIONALESRACIONALES

FÍSICOS

Pontificia Universidad JaverianaFacultad de IngenieríaFacultad de IngenieríaGrupos de Investigación SIDRe – SIRP - TakinaIng. Enrique González Ph.D.

Curso Robótica Móvil 2007-3

Por Qué Agentes?

Entidad AutónomaEntidad Autónoma EEnn

ConocimientoConocimiento

RecursosRecursosccaappssssuullaa

E tid d R i lE tid d R i l

ServiciosServicios

ConductaConductaEntidad RacionalEntidad Racional ConductaConducta

E tid d S i lE tid d S i lCC

Entidad SocialEntidad Social ooooppee

RobotRobotAutónomoAutónomo

Pontificia Universidad Javeriana Ing. Enrique González Ph.D.

eerraa

SocialSocial

Aplicaciones SMAAdministración Distribuida de Proyectos

RAPPID, Processlink

N i C i El ó iNegocios y Comercio ElectrónicovReps, Agent–Based Market Space

R il ió d I f ióRecopilación de InformaciónMySpiders, Ebot, NetSumm

RobóticaRobóticaRobótica Cooperativa → RoboCup

Otros Campos de Aplicación de SMAOtros Campos de Aplicación de SMAasistentes personales y financieros, supervisión hospitalaria, bancarios, difusión de noticias y p ypublicidad, realidad virtual y avatares, control de procesos y manufactura


Agentes RacionalesAgentes RacionalesAgentes RacionalesAgentes Racionales


Qué es un Agente Racional?

Hacer lo CorrectoHacer lo CorrectoA t R i l tA t R i l tActuar RacionalmenteActuar Racionalmente

Ideal : MaximizarIdeal : Maximizar

ExitoExito

EvaluarEvaluarEvaluarEvaluar

Definición de Agente

ObjetivosObjetivos ComportamientoComportamientoObjetivosObjetivos ComportamientoComportamiento

ActúaActúa

P ibP ib

ModelaModela

PercibePercibeRecursos PropiosRecursos Propios

Ofrece ServiciosOfrece ServiciosComunicaComunica

ReproduceReproducePontificia Universidad Javeriana Ing. Enrique González Ph.D.

Características de un Agente

SituadoSituadoControl ParcialControl Parcial

Habita AmbienteHabita Ambiente PuedePuedeInfluenciarloInfluenciarlo

AgenteAgente AutónomoAutónomoNo IntervenciónNo Intervención

ExternaExternaAutónomoAutónomoEfectua AccionesEfectua Acciones

ExternaExterna

Estado InternoEstado InternoComportamientoComportamiento

ProActivoProActivo

ComportamientoComportamiento

Decidir yDecidir yProActivoProActivoAlcanza ObjetivosAlcanza Objetivos

Decidir yDecidir yActuarActuar


Agente y su Entorno

AmbienteSensores

Ti

Efectores

AmbienteTi+1

Efectores


Mapeo Percepción/Acción

Secuencia de PercepciónAmbienteTi Metas

MapeoMapeo

AmbienteTi+n

AcciónCorrecta

Acción 1... ?

Ti n

Acción M?


Arquitectura del Agente

Arquitectura

Hardware

SoftwareSoftwareOperativo

Programa Agente


Mapeo – Toma de DecisionesSistema Basados en Reglas

Reglas tipo “SI <condición> ENT <acción>Evaluación concurrente y disparo controlado

Sistemas DifusosReglas basadas en variables lingüísticasManejo explicito de la ambigüedad

Redes NeuronalesUnidades de procesamiento multi-conectadasCapacidad de aprendizaje a partir de ejemplos

Algoritmos GenéticosgEvolución del sistema basado en su calidad para alcanzar sus metas en un ambiente particular


Tipos de AgentesAgente Comunicativo Puro

Representación Parcial de otros AgentesRepresentación Parcial de otros Agentes

S

Comportamiento depende de las ComunicacionesComportamiento depende de las Comunicaciones

Agente Situado Puro

I l A bi t i R t lI l A bi t i R t lInmerso en el Ambiente sin RepresentarloInmerso en el Ambiente sin Representarlo

Comportamiento depende solo de las PercepcionesComportamiento depende solo de las Percepciones


Tipos de AgentesAgente Cognitivo/Deliberativo

Planificación con Capacidad de AnticiparPlanificación con Capacidad de Anticipar

Razonamiento utilizando una Representación del AmbienteRazonamiento utilizando una Representación del Ambiente

Agente Reactivo Puro

I l A bi t i R t lI l A bi t i R t lInmerso en el Ambiente sin RepresentarloInmerso en el Ambiente sin Representarlo

Comportamiento Generado por Reacciones a los EstímulosComportamiento Generado por Reacciones a los Estímulos


Tipos de Agentes

Tipo deAgente

AspectoAgentes

CognitivosAgentes

Reactivos

Planificación

SI - Capacidad deAnticipar y Predecir

Eventos Futuros

NO HayReacciones Directas

a los Estímulos

Representacióndel Mundo

SI - Razonar sobrelas Representaciones

del Mundo

NO HayRepresentación

Explícitadel Mundo Explícita

Tipos de AgentesEjemplo Agente CognitivoEjemplo Agente Cognitivo

Pb. →Abrir puerta cerrada con llave

Plan Abrir_Puerta

I h t it d d tá l ll- Ir hasta sito donde está la llave- Tomar la llave- Ir hasta la puerta- Abrir la puerta con la llave

Tipos de AgentesEjemplo Agente ReactivoEjemplo Agente Reactivo

Pb. →Abrir puerta cerrada con llave

Reglas Condición-Acción

R1. Estoy frente a la puerta y tengo la llave→Abrir puerta con llave

R2. Estoy frente a la puerta y no tengo la llave→ Ir a buscar la llave→ Ir a buscar la llave

R3. Puerta no abre y no tengo la llave→ Ir a buscar la llave

R4 Ll f t iR4. Llave frente a mi→ Tomar la llave e ir a la puerta

Agente ReactivoAcciones Situadas

Utilizar el ambiente como memoriaAcción depende de la posición y del estado del mundo percibidoLa noción de “pista” permite el reconocimiento de cada situación y el disparo de las acciones asociadasLos perceptos se definen como una

bi ió d “ i t ”combinación de “pistas”SI <percepto> ENT <acción>

Agente ReactivoAcciones Situadas

Los objetivos están en el ambienteExploración y marcado

Evidencia de la Importancia del Ambiente para Dirigir la AcciónEvidencia de la Importancia del Ambiente para Dirigir la Acción

Arquitectura de AgentesArquitectura de AgentesR i lR i lRacionalesRacionales


Estructura Agente Reactivo

AgenteSensores

Percepción

Am

biienteReglas condición-acción Decisión

Efectores

Estructura Agente Deliberativo

AgenteSensores

Modelodel Mundo

Estado Interno

Secuencia de Percepción

Am

b

Efectos de mis Acciones

bienteDecisiónReglas condición-acción DecisiónRed Neuronal DecisiónLógica Difusa DecisiónTécnicas de Aprendizaje e

Efectores

Estructura Agente Predictivo

AgenteSensores

Modelodel Mundo

Estado Interno

Secuencia de Percepción

Am

b

Efectos de mis Acciones

P di ió

bienteMetas Explícitas Decisión

Predicción

e

Efectores

Arquitectura de AgenteAproximación LógicaAproximación Lógica

Programa Agente Alta Complejidadde Cálculo

C difi d Ló iAsume Racionalidad

Codificado en LógicaRepresentación Simbólica

Calculativa

Pbs con Ambientes

Formalismo Simbólico

Pbs con AmbientesComplejos-Dinámicos

o a s o S bó coSemántica Elegante

Arquitectura de AgenteAproximación ComportamentalAproximación Comportamental

Programa AgenteNo Explícito - No Memoria

Simplicidad y Economía“Tractability”

C t i t

RobustezResistencia a Fallas

ComportamientoNo “Disembodied” Localidad

Información SuficienteVisión a Corto Plazo

Inteligencia “Emerge” Aprendizaje Limitadog gde la Interacción

Aprendizaje Limitado

Metodología??

Arquitectura de AgenteBDI Believe Desire IntentionBDI - Believe-Desire-Intention

DeliberaciónQué Metas Alcanzar?

R i

Medios y FinesCómo Alcanzar las Metas?

Razonamiento

Cómo Alcanzar las Metas?

AmbienteCreencias Ambiente

Estado Interno

Creencias

Otros Agentes


DeliberaciónQué Metas Alcanzar?

R i

Medios y FinesCómo Alcanzar las Metas?

Razonamiento

OpcionesDeseos

Cómo Alcanzar las Metas?

OpcionesDisponibles

d d

Deseos

Dependen deCreencias e Intenciones


Razonamiento PrácticoDescomposición Funcional

R i

ImplementaciónEficiente

Razonamiento

Eficiente

Compromiso MetaIntenciones Compromiso - Meta

Persisten - Desisten

Intenciones

Impulsan a la Acción

Arquitectura de AgenteArquitecturas por CapasArquitecturas por Capas

Capas HorizontalesConexión Sensor-Acción

Capas de Diferente

Capas VerticalesUn Nivel Sensor-Acción

Capas de DiferenteNivel de Abstracción

SimplicidadReducción de Interacciones

Un Nivel Sensor-AcciónSimplicidad ConceptualCapas Independientes

Competencia entre CapasM di d

Capa N-1

......

Capa N

Sensor AcciónSecuencialidadN T l i F ll

Capa N

-

......

Capa N

Capa 1Sensor Acción

Capa N

-

......

Capa N

Capa 1

Sensor

AcciónMediadorCapa 1

No Tolerancia a Fallas

-1 N -1 N

Acción

Herramientas Desarrollo SMA BESA C i

BESA → PUJNivel Agente

BESA Container

BESA Agent

Guard 1

Channel

gparalelismo internomecanismo selector

Ni l O i ió

Guard_1

Guard_2

Guard_M

Nivel Organizaciónapoyo a la cooperación

Guard

Selector

roles sociales

Nivel Sistemafacilitadores

Beh

avio

r_1

Beh

avio

r_2

Beh

avio

r_NAgent

State

Event

Mailbox

facilitadoresdirectorios

interoperabilidad Output Events

Input Events

Pontificia Universidad Javeriana Ing. Enrique González Ph.D.Behavior-oriented, Event-driven, Social-based Agent-framework

AgentesAgentesAgentesAgentesenenenen

Sistemas MultiAgentesSistemas MultiAgentes


Agente en el Contexto SMA

AmbienteAmbiente

Leyes del UniversoLeyes del Universo

Objetos AmbienteObjetos AmbienteConjunto de AgentesConjunto de Agentes

jj

Operaciones sobre los ObjetosOperaciones sobre los ObjetosRelaciones entre AgentesRelaciones entre Agentes


Organizaciones MultiAgentes

UNIDAD ORGANIZACIONAL

IndividuosIndividuos UnidadUnidadRelacionadosRelacionadosPontificia Universidad Javeriana Ing. Enrique González Ph.D.

Organizaciones MultiAgentes

Recursividad SistémicaRecursividad SistémicaDiferentes RolesDiferentes RolesPontificia Universidad Javeriana Ing. Enrique González Ph.D.

Organizaciones MultiAgentesPerspectivas de Análisis

Análisis Funcional

Perspectivas de Análisis

Análisis FuncionalQué hacer en la organización ?Vista como un sistema de rolesVista como un sistema de roles

Análisis EstructuralCó t i l i ió ?Cómo construir la organización ?Dar un orden al conjunto de interacciones.

Parámetros de ConcretizaciónDistribución de habilidades entre los agentes


Perspectivas de Análisis

Análisis Funcional

Representacional, organizacional, conativa, interactiva, productiva, preservativaFunciones

Dimensiones d l A áli i Física social relacional ambiental personaldel Análisis

Relaciones Abstractas

Física, social, relacional, ambiental, personal

Reconocimiento, comunicación, subordinación, operativa, informativa,

conflictiva competitiva

Organización

Estructura de Subordinación

Análisis

conflictiva, competitiva

Jerárquica, igualitaria

Organización

Acoplamiento

Constitución

EstructuralFijo, variable, evolutivo

Predefinido, emergente

Especialización

Constitución

Parámetros de Concretización

Predefinido, emergente

Especializado, totipotente

RedundanciaConcretización

Redundante, no-redundante


Análisis FuncionalFunciones en una OrganizaciónFunciones en una Organización

VEGETATIVA SupervivenciaSupervivencia

REPRESENTACIONAL Modelo del AmbienteModelo del Ambiente

PRODUCTIVA Actividades ProblemaActividades Problema

CONATIVA Motivación Motivación -- DecisiónDecisión

ORGANIZACIONAL Planear Planear -- CoordinarCoordinarORGANIZACIONAL Planear Planear -- CoordinarCoordinar

PERCEPTIVA EJECUTIVAPERCEPTIVA EJECUTIVAInteracciónInteracción


Análisis EstructuralEstructuras de Subordinación

Jerárquica

Estructuras de Subordinación

JerárquicaCadena de mandoCompetencia en niveles bajosCompetencia en niveles bajosMilitar

IgualitariaParticipación uniforme en toma de decisionespMercados


Parámetros de ConcretizaciónOrganización de Habilidades

R d d i

Organización de Habilidades

Redundancia

Tx Ty Tz Tx

AT AT AT AeAe Ae

Tx Ty Tz Tx Ty Tz

AT Ax Ay Az

Especialización


Interacción - Definición

ComportamientoComportamientoAgrupamiento de AgentesAgrupamiento de Agentes

ComportamientoComportamientoResultanteResultante

Satisfacer Objetivos y MetasSatisfacer Objetivos y Metas

Recursos y CapacidadesRecursos y Capacidades InteracciónInteracción

L I t ió l C t d B

Recursos y CapacidadesRecursos y Capacidades InteracciónInteracción

La Interacción es el Componente de Basede Toda Organización

A la vez Fuente y ProductoPontificia Universidad Javeriana Ing. Enrique González Ph.D.

Interacción - Condiciones

AAPerciben Perciben –– ActúanActúan

AgentesAgentesComunicanComunican

Metas CompatiblesMetas Compatibles

SituacionesSituaciones Unir CapacidadesUnir Capacidades

Compartir RecursosCompartir Recursos

Comportamiento Colectivo EMERGE de la InteracciónPontificia Universidad Javeriana Ing. Enrique González Ph.D.

CooperaciónObjetivo ComúnObjetivo Común

Acción Coordinada

Concurrencia

C ióC ió

Recursos Compartidos

RobustezCooperaciónCooperación Robustez

Acción No RedundanteAcción No-Redundante

Conflicto No-Persistente

Eficiencia del TrabajoEficiencia del Trabajo

Solución de ConflictosSolución de ConflictosPontificia Universidad Javeriana Ing. Enrique González Ph.D.

Cooperación

ColaboraciónColaboración Asignación Tareas/Recursos

Coordinación de AccionesCoordinación de Acciones+ Planificar y Sincronizar

Solución de ConflictosSolución de Conflictos+

Objetivos y Recursos

CooperaciónCooperación ComunicaciónComunicaciónpp

Explícita - MensajesProtocolos de InteracciónProtocolos de Interacción

Implícita - AmbientePontificia Universidad Javeriana Ing. Enrique González Ph.D.

Protocolos de InteracciónProtocolos de Interacción

AgentesAgentesAgentesAgentesyyyy

Modelo de la AcciónModelo de la Acción


Modelos en Agentes

ModeloModelo ImagenImagenHomomorfaHomomorfa RealidadRealidad

Abstracción

Manipulación

Aplicar

Resultados

AccionesAccionesComplejidadComplejidad

AgenteAgente ComportamientoComportamientoComplejidadComplejidad

ParalelismoParalelismoInteraccionesInteracciones

Modelo de la Acción en SMA

Mundo EvolucionaMundo EvolucionaAcciónAcción

M difi ió d l E t dM difi ió d l E t dModificación del EstadoModificación del Estado

Encadenamiento de EventosEncadenamiento de Eventos

Movimiento FísicoMovimiento FísicoParalelismoParalelismo

Encadenamiento de EventosEncadenamiento de Eventos

IntenciónIntención

Reacción del Ambiente ??Reacción del Ambiente ??ResultadoResultado

Agentes y AcciónTransformación del Estado GlobalTransformación del Estado Global

Strips - listas precondición/suprimir/agregar

Respuesta al EstímuloRespuesta al EstímuloSistema reactivo - arquitectura “subsupción”

P I f átiProceso InformáticoAutómatas y redes de Petri

M difi ió L lModificación LocalAutómatas celulares

Desplazamiento FísicoCampos de potencial y grillas espaciales

Consigna de ControlSistemas dinámicos realimentados


Transformación del Estado

EstadoCaracterizar cada Situación posibleCaracterizar cada Situación posible

OperadorPermite pasar de un estado a otroPermite pasar de un estado a otro

Operadores Tipo STRIPSLista de PrecondicionesLista de PrecondicionesLista de SuprimirLista de AdicionarLista de Adicionar


Est1={posR(Clotilde,2), posH(llave,12)}Operador irSur(x)

pre: posR(X,L1), sur(L1,L2)sup: posR(X,L1)adic: posR(X,L2)


Planificar por ObjetivosBuscar operadores que adicionan al estado los hechos del objetivoBuscar que al operador se le cumplan las precondicionesAplicar el operador modificando el estado


Limites y RestriccionesN ibl l l liNo es posible expresar el paralelismoNo se puede representar el desarrollo de la acción Difícil incl ir la ca salidadacción. Difícil incluir la causalidadDébil concepción de la descripción de la acciónacciónDébil y limitada concepción de la acción

Postulado de Estaticidad Leyes de NewtonPostulado de Estaticidad - Leyes de NewtonPostulado de Secuencialidad - No ConcurrenciaPostulado de Universalidad - Solo el ResultadoPostulado de Universalidad Solo el Resultado


Limites y RestriccionesCó d ibi C li ió ??Cómo describir una Colisión??

Describir explícitamente todo !!Pasar el tiempo como parámetro !!

Respuesta a la InfluenciaIntención

Gesto de intentar realizar una acciónGes o de e a ea a u a acc óResultado

Reacción del ambiente al gestoReacción del ambiente al gesto

Separación de de la Acción Producida por los AgentesSeparación de de la Acción Producida por los AgentesSeparación de de la Acción Producida por los AgentesSeparación de de la Acción Producida por los Agentesdel producto Real de la misma en el Ambientedel producto Real de la misma en el Ambiente

Extensión del modelo de Transformación de EstadosAdición de una estructura que representa las Tentativas de Acción

Acción como Proceso

Mundo como Conjunto de ProcesosEntidadesEntidadesComportamientoInteraccionesInteracciones

Representación del ComportamientoA tó t d E t d Fi itAutómatas de Estados FinitosAutómatas con RegistrosRedes de Petri

Los Procesos pueden Acoplarse y Ejecutarse en ParaleloLos Procesos pueden Acoplarse y Ejecutarse en Paralelo


Autómatas de Estados FinitosGrafo OrientadoGrafo OrientadoEstado

Representa una situaciónRepresenta una situaciónTransición

Evento permite cambiar de estadoEvento permite cambiar de estadoUna Acción se asocia a la transición

Ventajas y DesventajasVentajas y DesventajasSimples de manipularLimitados para comportamiento complejoLimitados para comportamiento complejo

numero estados / secuencial / sin memoria

Acción como ProcesoAutómatas de Estados Finitos


Autómatas con Registros - ATNMayor descripciónMayor descripciónPérdida de propiedadesEstado contiene registros que pueden serEstado contiene registros que pueden ser manipulados durante las transicionesFactorizar las informaciones que deberíanFactorizar las informaciones que deberían estar repartidas sobre varios estados en un autómata de estados finitos


Autómatas con Registros - ATN

Acción como ProcesoRedes de Petri

Modelo formal con propiedades matemáticamente demostrablesRepresenta el aspecto dinámico mediante el desplazamiento de “marcas” en un grafoSitio

Nodo donde se puede albergar una marcaTransición

Validada si todos los sitios de entrada contienen marcasEl paso de una transición suprime una marca deEl paso de una transición suprime una marca de todas los sitios de entrada y adiciona una marca a todos los sitios de salida

Acción como ProcesoRedes de Petri

Acción como ProcesoRedes de Petri con Inhibidores

Acción como ProcesoRedes de Petri Coloreadas

Distinguir las marcas con valoresTransiciones como reglas disparables

Acción como DesplazamientoCaracterísticas

Agentes situadosAmbiente como un espacio métrico

Campos de PotencialCampos de PotencialSe pueden combinar y superponer

Fuerzas atractivas hacia el objetivo

Fuerzas repulsivas de los obstáculos

Acción como DesplazamientoCampos de Potencial

Seguir el Gradiente

Acción como DesplazamientoVentajas

Eficiente para caso de desplazamientos físicosGestión de la coordinación de agentes

DesventajasNo integra la concepción lógica de la o teg a a co cepc ó óg ca de aintención y la acciónImposible representar situaciones en las p pque no hay un espacio métricoDifícil realizar un seguimiento de la evolución global del sistema

Acción Modificación LocalFilosofía

Toda acción produce únicamente perturbaciones localesEl mundo compuesto por un conjunto de entes conectadosCada ente reacciona en forma independiente de acuerdo a sus percepciones locales

Acción Modificación LocalAutómatas Celulares

Conjunto de autómatas de estados finitos repartidos sobre nodos de una red periódicaLas entradas de una célula está ligada al estado de las células vecinas


Juego de la VidaNacimiento si exactamente tres vecinos vivosMuerte permanece vivo si dos o tres vecinos i ivivos sino muere

Emergen configuraciones complejas y estables


SMA degeneradosSMA degeneradosModelos de propagación de señales

Acción como ComandoTeoría de Control Cibernético

Variables de ComandoAcción consiste en variar cierto número de parámetros de entrada

Acción actividad compleja dirigida hacia un Objetivo

Incluye mecanismos de retroacciónIncluye mecanismos de retroacción

Las Acciones de los Agentes deben tener en consideración lasLas Acciones de los Agentes deben tener en consideración lasReacciones del MedioReacciones del Medio

b t l C i i b t l C i iy saber aportar las Correcciones necesariasy saber aportar las Correcciones necesarias

Acción como ComandoTeoría de Control Cibernético

ImplementaciónImplementaciónA t Fí iA t Fí iAgentes FísicosAgentes Físicos


Construcción de SW para AFModelo Sensorial ActuadoresModelo Sensorial-Actuadores

Sincrónicosla ejecución se bloquea hasta tener respuestala ejecución se bloquea hasta tener respuesta

Asincrónicosla aparición de un evento indica la respuesta

Metodología BaseEspecificación de requerimientos en el contexto

identificación y análisis de metas del agente

Diseño arquitectónicoestructura modular internaestructura modular internaorientada a “behaviors” que interactúan

Implementación y Pruebasmapeo de behaviors a procesos y de interacciones a IPCimplantación basada en IT o en RTOS


Construcción de SW para AFEspecificación de RequerimientosEspecificación de Requerimientos

Descripción Detallada de la Tareaanálisis basado en el paradigma de agenteanálisis basado en el paradigma de agente

Análisis del Ambientecaracterización de sensores y actuadoresinteracción con otros entes activos externosmodelo a nivel sistema vs ambiente

Caracterización de Objetivos/MetasCaracterización de Objetivos/Metasidentificación de requerimientos a partir de la tareaidentificación de las metas a partir de los requerimientos

i ió d h bilid d l tasociación de habilidades y recursos a las metas


Construcción de SW para AFDiseño ArquitectónicoDiseño Arquitectónico

Especificación de Behaviorsasociar de metas a módulos/behaviors/procesosasociar de metas a módulos/behaviors/procesos

evitar conflictos por recursosminimizar interdependenciasintegrar metas afinesintegrar metas afines

determinar estado asociado al behavioridentificar informaciones que deben perdurar en el tiempo

Caracteri ación de InteraccionesCaracterización de Interaccionesidentificar necesidad de interacción

basada en metas o habilidades complementariasbasada en recursos → competencia – productor/consumidor

especificar y detallar interaccionesetiquetear en forma únicadefinir semántica e intencionalidadIdentificar datos asociados y requeridos


Construcción de SW para AFImplementaciónImplementación

mapeo de behaviors a procesosaproximación centrada en la IT de relojaproximación centrada en la IT de relojaproximación basada en tasks de RTOSaproximación orientada a sistemas multiagente

d i t i IPCmapeo de interacciones a IPCmemoria compartida protegida por banderasmecanismos RTOS

semáforos – colas de mensajes – señales - excepcionescomunicación semantizada entre agentes

P bPruebaspruebas unitarias

sensores actuadores behaviors interaccionessensores – actuadores – behaviors - interacciones

pruebas de sistemabasadas en prototipos que evolucionan incrementalmentePontificia Universidad Javeriana Ing. Enrique González Ph.D.

Ejemplo BSA

CENTERWATCH

CE

NTE

RLRL

WATCH

CE

NTE

R CE

NTE

R

(2)S

TOP

ACK TIME OUT

BSACONTROLD LOL

WATCH

ST

(3) ACK

ANUNCIO

FRONTWATCH

OP

ANUNCIO MOV CONTATRACTORPOSICIÓN

ANUNCIOMOV INIT/FIN

PROTOCOLO DE CONFLICTO

ANUNCIO MOV_CONTATRACTOR

COLISION

ACKSTOPS

MOVER ROBOT VELOCIDAD AL ROBOT

COLISION

ADAPTADOR

VELOCIDADES STOP FIN MOVE (3’)

ROBOT

CENTER

CONTROLBSA

WATCH

STOP WATCH (3)

COLISION

STOP COLIS, (3’)

ADAPTADORTELÉMETRO

( )

SENSOR DE CONTACTO

MEDIDAS

ADAPTADOR


CENTER

ROBOT

WATCH

STO

P(3

)

CONTROLBSA AKC (RET) (4)

WATCHMAPA

WATCHOBSREAL

STOP WATCH (3)

COLISIONADAPTADORTELÉMETRO

STOP COLIS, (3’)

SENSOR DE CONTACTO

MEDIDAS

ADAPTADOR


POSICIONX,Y,A LOCALIZACION

CENTER

ROBOTX,Y,A

Tc

WATCH

STO

P(3

)

STOP WATCH (3)

CONTROLBSA AKC (RET) (4)

WATCHSTOP

MAPMAKER

COLISIONADAPTADORTELÉMETRO

STOP COLIS, (3’)

SENSOR DE CONTACTO

MEDIDAS

ISR_CLK {

contEvPer1 ++;if (contEvPer1 == limitEvPer1) {

tratamientoEvPer1();();contEvPer1 = 0;

}

contEvPer2 ++;if (contEvPer2 == limitEvPer2) {

tratamientoEvPer2();tE P 2 0contEvPer2 = 0;

}

if (flagEvAsinc1) {if (flagEvAsinc1) {tratamientoEvAsinc1();}

}

}

TaskAsincronica {

hil (!fi ) {while (!fin) {

receiveBloqueante(msg);switch (msg.tipoEv) {( g p ) {

case Ev1:tratamientoEv1(msg.data); break;

case Ev2:tratamientoEv2(msg.data); break;

}}

}}

TaskPeriodica {TaskPeriodica {while (!fin) {

sleep(T);tratamientoEvPer();tratamientoEvPer();

}}

Bibliografía Agentes y SMAStuart J. Russell, Peter Norvig. "Inteligencia Artificial: Un Enfoque Moderno", Prentice Hall, 1996.Jacques Ferber. "Multi-Agent Systems: An Introduction To q g yDistributed Artificial Intelligence". Addison Wesley, 1999.Gerhard Weiss. "Multiagent Systems". MIT Press, 1999.Michael N. Huhns. "Readings in Agents". Morgan Kaufmann Publishers, 1998.Michael Woolridge. "Introduction to MultiAgent Systems". John Wiley & Sons, 2002.Joseph P. Bigus, Jennifer Bigus. "Constructing Intelligent Agents Using Java: Professional Developer's Guide". John Wiley & Sons, 2001.González E Bustacara C “Desarrollo de Aplicaciones Basadas enGonzález E., Bustacara C. Desarrollo de Aplicaciones Basadas en Sistemas MultiAgentes”, 1era Edición, Editorial PUJ, 2007.


AGENTES RACIONALES FÍSICOS

Gracias por su Atención

Enrique GonzálezqProfesor AsociadoPontificia Universidad JaverianaF lt d d I i íFacultad de IngenieríaGrupo de Investigaciòn SIRP

Contacto:email: [email protected]

agentes inteligentes fisicos

Technology