Tema 2

Tema 2: El concepto de AGENTE.
Arquitecturas
Tema 2: Estrategias de bsqueda no informada
Inteligencia Artificial
Objetivos
Conocer el concepto de agente inteligente y el ciclo de vida percepcin, decisin y actuacin. Conocer las arquitecturas posibles para construir un agente. Conocer el concepto de Sistema MultiAgente (SMA) y los problemas que conlleva Adquirir las habilidades bsicas para construir sistemas capaces de resolver problemas mediante tcnicas de IA.
Objetivos
Conocer el concepto de agente inteligente y el ciclo de vida percepcin, decisin y actuacin. Adquirir las habilidades bsicas para construir sistemas capaces de resolver problemas mediante tcnicas de IA. Entender que la resolucin de problemas en IA implica definir una representacin del problema y un proceso de bsqueda de la solucin. Conocer la representacin de problemas basados en estados (estado inicial, objetivo y espacio de bsqueda) para ser resueltos con tcnicas computacionales. Conocer las tcnicas ms representativas de bsqueda no informada en un espacio de estados (en profundidad, en anchura y sus variantes), y saber analizar su eficiencia en tiempo y espacio.
Estudia este tema en

Nils J. Nilsson, Inteligencia Artificial: Una nueva sntesis, Ed. Mc Graw Hill, 2000. pp. 17-32, 63-74, 103-122, 147-162
Contenido
Diseo de un agente reactivo: arquitecturas de agentes Agentes reactivos con memoria Diseo de un agente deliberativo: bsqueda Ejemplos
Concepto de Agente
Un Agente es cualquier sistema (de ordenador) situado en algn entorno, que es capaz de realizar acciones de forma autnoma y que es flexible para lograr los objetivos planteados.
El agente recibe entradas sensoriales de un entorno en donde est situado y realiza acciones que cambian dicho entorno El sistema es capaz de actuar sin la intervencin directa de los humanos y tiene control sobre sus propias acciones y estado interno
Tema 1: Introduccin a la Inteligencia Artificial Inteligencia Artificial 6
Agentes inteligentes (racionales)
Agentes e Inteligencia Artificial

Inteligencia Artificial: mbito cientifico/tcnico dedicado a la construccin de agentes que exhiban comportamiento inteligente, (RACIONALIDAD) Los agentes permiten dar una nueva forma de mostrar la Inteligencia Artificial
Caractersticas de los Agentes

*Capacidad Estmulo -Respuesta: el agente debe percibir el entorno y responder de una forma temporal a los cambios que ocurren en dicho entorno, *Pro-activo: los agentes no deben simplemente actuar en respuesta a su entorno, deben de ser capaces de exhibir comportamientos dirigidos a lograr objetivos, y tomar la iniciativa cuando sea apropiado, *Autonomia :El sistema es capaz de actuar sin la intervencin directa de los humanos y tiene control sobre sus propias acciones y estado interno Capacidad Social: los agentes deben de ser capaces de interactuar, cuando sea apropiado, con otros agentes artificiales o humanos para completar su propio proceso de resolucin del problema y ayudar a otros con sus actividades. *: Caracteristicas indispensables
Sistemas basados en agentes

Un Sistema Basado en Agentes ser un sistema en el que la abstraccin clave utilizada es precisamente la de agente Sistemas multi-agente: un sistema diseado e implementado con varios agentes interactuando Los sistemas multi-agente son interesantes para representar problemas que tienen
mltiples formas de ser resueltos, mltiples perspectivas y/o mltiples entidades para resolver el problema
Interaccin entre agentes

Cooperacin: trabajar juntos para resolver algo Coordinacin: organizar una actividad para evitar las interacciones perjudiciales y explotar las beneficiosas Negociacin: llegar a un acuerdo que sea aceptable por todas las partes implicadas
Tema 1: Introduccin a la Inteligencia Artificial
11
Sistemas Multi-Agente
Inteligencia Artificial Distribuida
Resolucin de Problemas Distribuida Sistemas Multi-Agente
12
Sistemas Multiagente
SMA: una red ms o menos unida de resolvedores de problemas que trabajan conjuntamente para resolver problemas que estn ms all de las capacidades individuales o del conocimiento de cada uno de ellos Resolvedor = agente (autnomo y de naturaleza heterognea)
13
Caractersticas de un SMA
Cada agente tiene informacin incompleta, o no todas las capacidades para resolver el problema, as cada agente tiene un punto de vista limitado. No hay un sistema de control global. Los datos no estn centralizados. La computacin es asncrona.
14
Cooperacin y Negociacin
Cooperacin: herramienta fundamental en la formacin de equipos (p.e. ROBOCUP)
Negociacin: coordinacin y resolucin de conflictos
15
Arquitecturas de Agentes
POR SU TOPOLOGIA Arquitecturas horizontales Arquitecturas verticales Arquitecturas hbridas
16
Arquitecturas horizontal y vertical
17
Arquitecturas de Agentes
POR SU NIVEL DE ABSTRACCIN Arquitecturas deliberativas Arquitecturas reactivas Arquitecturas hbridas
18
Arquitecturas deliberativas
Sistema de smbolos fsicos: un conjunto de entidades fsicas (smbolos) que pueden combinarse para formar estructuras, y que es capaz de ejecutar procesos que operan con dichos smbolos de acuerdo a conjuntos de instrucciones codificadas simblicamente. La hiptesis de sistema de smbolos fsicos dice que tales sistemas son capaces de generar acciones inteligentes. Agente deliberativo: aquel que contiene un modelo simblico del mundo explcitamente representado, y cuyas decisiones se realizan a travs de un razonamiento lgico basado en emparejamientos de patrones y manipulaciones simblicas.
19
Arquitecturas deliberativas
El problema de trasladar en un tiempo razonable para que sea til el mundo real en una descripcin simblica precisa y adecuada El problema de representar simblicamente la informacin acerca de entidades y procesos complejos del mundo real, y como conseguir que los agentes razonen con esta informacin para que los resultados sean tiles Los agentes suelen tener estructura vertical
Arquitecturas Reactivas
Una arquitectura reactiva es aquella que no incluye ninguna clase de modelo centralizado de representacin simblica del mundo, y no hace uso de razonamiento complejo
El comportamiento inteligente puede ser generado sin una representacin explcita de la clase que la IA simblica propone El comportamiento inteligente puede ser generado sin un razonamiento abstracto explcito de la clase que la IA propone La inteligencia es una propiedad emergente de ciertos sistemas complejos
Arquitecturas Reactivas
La inteligencia real est situada en el mundo, y no es sistemas incorpreos tales como la demostracin de teoremas o los sistemas expertos El comportamiento inteligente surge como el resultado de la interaccin del agente con su entorno. La inteligencia est en el ojo de espectador no es una propiedad innata ni aislada Los agentes suelen tener arquitectura horizontal
22
Arquitecturas Hbridas
Estructura vertical Estructuras mixtas
23
Ejemplo de agentes reactivo: un robot que recorre un pasillo
24
Ejemplo de agente deliberativo: Problema del viajante de comercio
25
Ejemplo de arquitectura hbrida

Agente capaz de cambiar la rueda de un coche: Sacar gato deliberacin Quitar rueda pinchada Sacar rueda nueva Poner rueda nueva Quitar gato reaccin Guardar gato
Diseo de un agente reactivo

Percepcin y Accin: El agente reactivo percibe su entorno a travs de sensores.
Entradas de Sensores Procesamiento de entradas Representacin interna perceptual
Procesa la informacin percibida y hace una representacin interna de la misma. Escoge una accin, entre las posibles, considerando la informacin percibida. Transforma la accin en seales para los actuadores y la realiza.
Seleccin de accin
Procesamiento de salidas Accin
27

Ejemplo: Supongamos un robot en un mundo dividido en cuadrculas. El robot puede percibir si las 8 casillas vecinas estn libres o no, con un sensor si por cada casilla i. El objetivo del robot es ir a una pared y seguir su permetro indefinidamente. Tiene 4 posibles movimientos (de 1 casilla cada uno): Ir a Norte, Sur, Este u Oeste. No se permite que el entorno contenga pasillos estrechos (aquellas casillas rodeadas por dos o ms obstculos a ambos lados).
Tema 2: Estrategias de bsqueda no informada Inteligencia Artificial 28
Representaciones del mundo

Representaciones del mundo:
modelos icnicos modelos basados en caractersticas
El mundo espacial cuadriculado
29
30
Representacin
Sensores: S1 S8 S7 S6 S2 S3 S4 S5
Usaremos un vector de 8 componentes. Cada componente i vale 0 si el sensor si no detecta obstculo y vale 1 si lo detecta. Ejemplo posicin A:
Movimientos:
A B
A=
31
Movimientos posibles
NORTE: mueve el robot una celda hacia arriba ESTE: mueve el robot una celda a la derecha SUR: mueve el robot una celda hacia abajo OESTE: mueve el robot una celda a la izquierda
TRABAJO DEL DISEADOR:

desarrollar una funcin definida sobre las entradas sensoriales que seleccione la accin apropiada en cada momento para llevar a cabo con xito la tarea del robot.
32
Proceso en dos fases

Procesamiento perceptual Fase de clculo de la accin
33
Percepcin y accin
Percepcin:
Accin:
si todas las caractersticas son cero, moverse al norte si x1=1 y x2=0, moverse al este si x2=1 y x3=0, moverse al sur si x3=1 y x4=0, moverse al oeste si x4=1 y x1=0, moverse al norte
Inteligencia Artificial 34
Algunas tcnicas para agentes reactivos

Agentes en una tabla, Sistemas de produccin, Redes Neuronales, Arquitecturas de subsuncin, Etc.
35
Sistemas de Produccin
c1a1 c2a2 ciai

cmam
en donde Ci es una funcin booleana definida sobre el vector de caractersticas, habitualmente una conjuncin de literales booleanos.
Sistemas de Produccin
Ejecucin del sistema de produccin: 1. Se selecciona la primera regla y se comprueba si se cumple su condicin. En caso contrario, se contina con la siguiente hasta que se encuentre una regla con condicin con valor 1. 2. La accin de la primera regla encontrada cuya condicin sea 1 es la que se ejecuta. Su accin puede ser: 2.1. La ejecucin de una o varias acciones primitivas 2.2. Una llamada a otro sistema de produccin 3. Accin por defecto: La ltima regla de produccin del sistema debe ser del tipo 1A, para ejecutar una accin en caso de que ninguna de las reglas anteriores cumpla su condicin de ejecucin
37
Tarea de seguimiento de bordes

Ejemplo de proceso sin fin
38
Tarea llevar al robot a una esquina cncava
Ejemplo de proceso con objetivo
39
Redes
Unidad Lgica con Umbral
Red neuronal: red de unidades lgicas con umbral

Arquitectura de subsuncin
La arquitectura de subsuncin consiste en agrupar mdulos de comportamiento. Cada mdulo de comportamiento tiene una accin asociada, recibe la percepcin directamente y comprueba una condicin. Si esta se cumple, el mdulo devuelve la accin a realizar. Un mdulo se puede subsumir en otro. Si el mdulo superior del esquema se cumple, se ejecuta este en lugar de los mdulos inferiores.
Arquitectura de subsuncin
Percepcin Calcular Accin Calcular Accin Calcular Accin Calcular Accin Accin
Percepcin Seales Sensoriales Percepcin Percepcin
42
Agentes reactivos con memoria

Limitaciones del sistema sensorial de un agente. Mejorar la precisin teniendo en cuenta la historia sensorial previa: sistemas con memoria
43

la representacin de un estado en el instante t+1 es funcin de la entradas sensoriales en el instante t+1, la representacin del estado en el instante anterior t y la accin seleccionada en el instante anterior t.
Vector de catactersticas Xt
1 1 0
Entrada sensorial
Procesamiento perceptual Xt-1 at-1 Memoria
0 . . . 1
Seleccin de Accin at Accin
44
Ejemplo
Usaremos las caractersticas wi=si i=2,4,6,8 y las caractersticas restantes del siguiente modo
w1=1 si en el instante anterior w2=1 y el robot se movi al este w3=1 si en el instante anterior w4=1 y el robot se movi al sur w5=1 si en el instante anterior w6=1 y el robot se movi al oeste w7=1 si en el instante anterior w8=1 y el robot se movi al norte
45
Implementacin de la memoria con representaciones icnicas

Adicionalmente el robot podra utilizar otras estructuras de datos: matriz que almacene el mapa con las casillas libres u ocupadas en el momento en el que se percibieron.
46
Campo de potencial artificial

Componente atractiva:
Componente repulsiva:
Potencial:
47
48
Implementacin de la memoria con sistemas basados en pizarras

Son extensiones de los sistemas de produccin. En el agente existen varios programas denominados Mdulos de Conocimiento (MC), formados por una parte de condicin y otra parte de accin. Existe una memoria comn a todos los MC denominada pizarra.
Informacin Sensorial MC1 MC4
MC2
PIZARRA
MC5
...
MC3 Efectos de salida MCn
49

Cada MC es experto en una parte concreta del problema a resolver. Cuando se cumple su condicin, un MC puede actualizar la pizarra, realizar una accin concreta o ambas. Es necesario implementar un programa de resolucin de conflictos cuando dos MCs pueden actuar simultneamente, decidiendo cul acta y cul no o, en su caso, el orden de ejecucin de ambos.
50

La actualizacin de una parte de la pizarra correspondiente a un MC puede desencadenar la ejecucin de otros MCs. La pizarra, por tanto, alberga la solucin que se est construyendo conforme al objetivo general del agente.
Informacin Sensorial MC1 MC4
MC2
PIZARRA
MC5
...
MC3 Efectos de salida MCn
51

Ejemplo: Robot para salir de un laberinto.
La pizarra contiene la informacin leda desde los sensores (que puede ser imperfecta debido a errores de los mismos). Tambin contiene un mapa del laberinto, que puede tener errores debido a previas lecturas errneas de los sensores, junto con la posicin del robot en el mapa. Contamos con 4 mdulos MC de accin de movimiento (Norte, Sur, Este, Oeste). Contamos con 2 MC adicionales: Rellenador de huecos para rellenar el mapa del laberinto. Filtro sensorial para arreglar errores en el mapa.
52

Implementacin de la memoria con sistemas basados en pizarras. Ejemplo: Agente en el mundo cuadriculado.
MC Norte MC Oeste
Mapa del entorno

Rellenador de huecos
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 0 0 0 ? ? ? ? ? 1 1 0 ? ? ? 1 0 0 0 0 ? ? ?
En el ejemplo, el filtro sensorial detecta un error entre la percepcin y el estado del mundo.
Accin
Entradas Sensoriales
Filtro sensorial
? R 0 0 0 0 ? ? ? 0 0 1 1 ? ? ? ? ? ? ? ? ? ? ?
1 0 0 ? R 1 1 0 0
MC Este
MC Sur
Percepcin
El rellenador de huecos usa la informacin sensorial para rellenar las nuevas casillas desconocidas por el robot.
53
Ejemplo de agente reactivo: un robot que recorre un pasillo
54
Ejemplos de agente reactivo: un agente que juega al tres en raya
55
Caractersticas de los agentes reactivos

Se disean completamente y por tanto es necesario anticipar todas las posibles reacciones para todas las situaciones
Realizan pocos clculos Almacenan todo en memoria
56
Diseo de un agente deliberativo

El agente dispone de un modelo del mundo en el que habita, El agente dispone de un modelo de los efectos de sus acciones sobre el mundo, El agente es capaz de razonar sobre esos modelos para decidir que hacer para conseguir un objetivo.
57
El espacio de estados
Modelo del mundo/Estado del agente: representacin Espacio de estados Operadores de cambio de estado: acciones del agente. Acciones del agente: representacin
58
La bsqueda en un espacio de estados

Problema: El agente se encuentra en un estado inicial (origen, de partida, etc), Se desea alcanzar un estado final (meta, objetivo, etc.) Bsqueda en el espacio de estados Resolucin del problema mediante anlisis de las distintas acciones

A la secuencia de acciones que lleva al agente desde un estado inicial hasta un estado destino se denomina plan. La bsqueda de dicha secuencia se denomina planificacin. En este curso veremos modelos elementales de planificacin.
60

Representacin en forma de grafo (grafo de estados) : Nodo: estado = estructura de datos Arco: asociado a una accin. Une un nodo (estado) con el nodo (estado) resultante de la accin. Bsqueda en espacio de estados: bsqueda en grafos
Bsqueda en Grafos
Grafos explcitos: nodos y arcos que unen dichos nodos. Grafos implcitos: reglas de representacin de estados y reglas de cambio de estado por medio de operadores.
62
Bsqueda en espacios de estados

Pequeo: se puede representar la totalidad del espacio de estados con un grafo explicito y puede buscarse un camino que nos lleve desde el estado inicial hasta el estado objetivo.
Grande : se va generando un grafo explcito segn

se va resolviendo el problema en cada paso. Tcnicas de busqueda. Grafo del Espacio vs. Grafo de la busqueda ( arbol)
Pequeo: El mundo de bloques

Supongamos un mundo compuesto por una mesa sobre la que hay tres bloques: A, B, C. En cada momento, se conoce el estado del sistema. Lo modelamos como una lista de listas de (objetos sobre objetos): ((A),(BC)); ((AB),(C))
64
El mundo de los bloques

En cada momento, se dispone de la operacin mover(x,y) para poner x sobre y, donde x={A, B, C} e y={A, B, C, Suelo}. Asumimos que se descartan los operadores imposibles mover(A,A), mover(B,B), mover(C,C), etc., para cada estado.
65
El mundo de los bloques

((A),(B),(C))
Mo ver (A ,C)
B) , A ( ver o M
Mov er(C M ,B) ov e

r(C ,A )
Mover(B,A)
,C) (B ver Mo
((AB),(C))
((A),(CB))
((B),(AC)) ((BA),(C)) ((BC),(A)) ((CA),(B))
66
El mundo de bloques
Estado inicial: todos los bloques estn directamente sobre la mesa: ((A), (B), (C)) Estado objetivo: A quede sobre B, B quede sobre C, y C est en la mesa:((ABC)).
A B C ((ABC))
A B C ((A),(B),(C))
67
Espacio (Grafo) de estados en el mundo de bloques

((BAC)) ((CAB)) ((B),(AC))
C) ) ((BAC)) , B m( (B,S m ((CA),(B))
m(A ,B) m(A,C )
) ,S (B m A) B, m(
m (C ,S )
((BA),(C))
m(A ((AB),(C)) m( ,B) A,S)
((A),(B),(C))
) ,S B ( m
m( B, A)
m(C,B) m(B,A)
m( C,A m( ) C, S)
) ,C S) A , m( m(A
((ACB))
,A) m(C ,B) m(C
m(C,B)
) C,A m(
((CBA))
,C) m(A ) S A, m(
,B) ((A),(CB)) m(C ,S) m(C
S) B, m( C) B, m(
((A),(BC))
m(A,B)
m(A,S)
m(C,S)
((ABC))
68
Bsqueda
Estado Objetivo
Estado Objetivo
Estado Objetivo
1 2 2
69
Bsqueda
Ejemplo de planificacin en el mundo de los bloques: Planificacin de acciones.
Estado Inicial: ((ABC))
0 3 Estado Objetivo 3 4
1 2 2
4 3
Accin 1: Mover(A, Suelo) Accin 2: Mover(B, Suelo) Accin 3: Mover(A, C) Accin 4: Mover(B, A) Estado objetivo alcanzado: ((BAC))
3 Estado Inicial
Propagacin de movimientos: Recorrido en anchura. Bsqueda del plan: Recorrido en profundidad.

Ejemplo de agente deliberativo: Problema del mono y los pltanos
Un mono est en la puerta de una habitacin. En el centro de la habitacin hay un pltano colgado del techo, pero no puede alcanzarle desde el suelo. En la ventana de la habitacin hay una caja, que el mono puede mover y a la que puede encaramarse para alcanzar el pltano. El mono puede realizar las siguientes acciones: desplazarse de la puerta al centro, del centro a la ventana y viceversa; empujar la caja a la vez que se desplaza; subirse y bajarse de la caja; coger el pltano. El problema consiste en encontrar una secuencia de acciones que permita al mono coger el pltano.
Problema del mono y los pltanos

Como estado se puede utilizar una lista con cuatro elementos (X, Y, W, Z) donde:
X: posicin del mono en la habitacin (puerta, centro, ventana). Y: situacin del mono respecto a la caja (suelo, caja). W: posicin de la caja en la habitacin (puerta, centro, ventana). Z: posesin del pltano (tiene, no_tiene).
Para describir todas las posibles acciones del mono, se necesitan seis operadores: andar, empujar, subir, bajar, coger y soltar. Sin embargo, para el problema que nos ocupa, son suficientes cuatro operadores: andar, empujar, subir y coger; nos limitaremos a estos 4 operadores . El operador andar se puede definir como: para indicar que el mono se desplaza de la posicin X a la posicin Y. El estado se puede representar por la estructura estado(X, Y, W, Z), que simplemente refleja la definicin del estado.
(X, suelo, W, Z) -------> (Y, suelo, W, Z)
72
Ejemplo de agente deliberativo: Problema del viajante de comercio
73
Ejemplo de agente deliberativo: Mapa de Carreteras
74
Ejemplo de un agente deliberativo: Problema de la aspiradora
75
76
Problema de la aspiradora
77
Problema de la aspiradora Russell Norvig
78
Espacio de estados Grande
79

Estado: configuracin del tablero
una matriz 3x3 con entradas del 0 al 8 un vector de 9 trminos de 0 a 8.
Movimientos:
Mover casillas adyacentes al hueco Mover hueco a casillas adyacentes (4 pos. Max.)
80

Numero de estados: 9! , en realidad 9!/2 9!=362.880 Imposible representar explcitamente todo el grafo de estados. Necesidad de recurrir al grafo implcito y explicitar solo el grafo o rbol de bsqueda. Necesidad de tcnicas de bsqueda.
81
Tcnicas de Bsqueda
Reglas Acciones Operadores Base de Conocimiento
Estrategia de Control
82
Estrategias de control (Russelll-Norvig)

Escoger el nodo a expandir, Escoger como expandirlo. Debe producir cambios Debe ser sistemtica Debe garantizar construir la solucin
83
Rendimiento de una estrategia de Control

Completitud: encuentra una solucin(si existe)? Optimalidad: Encuentra una solucin optima en algun sentido? Complejidad en tiempo, Complejidad en espacio, irrevocable vs tentativa Costo de la bsqueda, Costo total.
Tipos de busqueda
Busqueda sin informacin: El siguiente nodo a expandir se escoge sin emplear conocimiento explicito sobre la distancia entre el nodo en curso y el objetivo. Busqueda heuristica: El siguiengte nodo a expandir emplea algun tipo de informacin para guiar la busqueda
Tema 3: Mtodos de bsqueda heurstica
85

Tema 2

Cargado por

Copyright:

Formatos disponibles

Tema 2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema 2

Cargado por

Copyright:

Formatos disponibles

Tema 2: El concepto de AGENTE.

Tema 2: Estrategias de bsqueda no informada

Tema 2: Estrategias de bsqueda no informada

Tema 2: Estrategias de bsqueda no informada

Estudia este tema en

Tema 2: Estrategias de bsqueda no informada

Tema 2: Estrategias de bsqueda no informada

Agentes inteligentes (racionales)

Tema 2: Estrategias de bsqueda no informada

Agentes e Inteligencia Artificial

Caractersticas de los Agentes

Sistemas basados en agentes

Interaccin entre agentes

Tema 1: Introduccin a la Inteligencia Artificial

Tema 1: Introduccin a la Inteligencia Artificial

Tema 1: Introduccin a la Inteligencia Artificial

Tema 1: Introduccin a la Inteligencia Artificial

Negociacin: coordinacin y resolucin de conflictos

Tema 1: Introduccin a la Inteligencia Artificial

Tema 1: Introduccin a la Inteligencia Artificial

Arquitecturas horizontal y vertical

Tema 1: Introduccin a la Inteligencia Artificial

Tema 1: Introduccin a la Inteligencia Artificial

Tema 1: Introduccin a la Inteligencia Artificial

Tema 1: Introduccin a la Inteligencia Artificial

Tema 1: Introduccin a la Inteligencia Artificial

Ejemplo de agentes reactivo: un robot que recorre un pasillo

Tema 1: Introduccin a la Inteligencia Artificial

Ejemplo de agente deliberativo: Problema del viajante de comercio

Tema 1: Introduccin a la Inteligencia Artificial

Ejemplo de arquitectura hbrida

Diseo de un agente reactivo

Entradas de Sensores Procesamiento de entradas Representacin interna perceptual

Procesamiento de salidas Accin

Tema 2: Estrategias de bsqueda no informada

Diseo de un agente reactivo

Representaciones del mundo

El mundo espacial cuadriculado

Tema 2: Estrategias de bsqueda no informada

Diseo de un agente reactivo

Tema 2: Estrategias de bsqueda no informada

Tema 2: Estrategias de bsqueda no informada

TRABAJO DEL DISEADOR:

Tema 2: Estrategias de bsqueda no informada

Proceso en dos fases

Tema 2: Estrategias de bsqueda no informada

Tema 2: Estrategias de bsqueda no informada

Algunas tcnicas para agentes reactivos

Tema 2: Estrategias de bsqueda no informada

Tema 2: Estrategias de bsqueda no informada

Tema 2: Estrategias de bsqueda no informada

Tarea de seguimiento de bordes

Tema 2: Estrategias de bsqueda no informada

Tarea llevar al robot a una esquina cncava

Ejemplo de proceso con objetivo

Tema 2: Estrategias de bsqueda no informada

Red neuronal: red de unidades lgicas con umbral

Percepcin Seales Sensoriales Percepcin Percepcin

Tema 2: Estrategias de bsqueda no informada