T

1
Tópicos de ProjetoMétodos de Computação
Inteligente 2003-1

• Jacques Robin
• CIn-UFPE

2
Tópicos

1. CIn-Project sistema de planejamento e gerencia
   de processo de desenvolvimento de software
   baseado em ontologias
2. Time de RoboCup Maracatu RFC 1.1
3. Agente explorador do Mundo do Wumpus
4. Simulador de Mesozoic Zoo in Orbit com interface
   de visualização e agente teste simples
5. Uma ontologia UML de corridas de carros com
   implementação parcial
6. Uma ontologia UML de jogos de bola com
   implementação parcial

3
CIn-Project
Ontologia Geral UML/OCL de Planejamento
e Gerenciamento de Projetos
Sub-Ontologia UML/OCL de Processos de Software
4
CIn-Project

• Sistema de planejamento e gerencia de projeto de
  software baseado em ontologias
• Exemplos de classes das ontologias gerais
• Tarefas e sub-tarefas
• Papeis
• Recursos humanos, hardware, software,
  comunicação, espaço físico
• Medidas custo, desempenho, prazo
• Tecnologias
• Exemplos de relacionamentos das ontologias
  gerais
• Dependências entre tarefas
• Alocação de recursos para cada sub-tarefa
• Desvios atrasos, overhead de custo, qualidade
  insuficiente
• Ponto de partida
• Procurar e reutilizar padrões de gerencia de
  projeto, processos de software e planejamento
  em IA
• Codificá-los em UML/OCL e em Flora

5
Processo de desenvolvimento dirigido por
ontologia de SMA baseado em conhecimento

• Modelagem
• Ontologia do domínio O
• Caracterização do ambiente C f(O)

• Requisitos
• Do SMA Rs

• Do simulador de ambiente Re f(Rs,As)
• De cada agente Ra f(Rs,As)

• Arquitetura social do SMA As f(C,Rs)

• Arquitetura interna do simulador Ae f(C,Re)
• Arquitetura interna de cada agente Aa
  f(C,Ra)

• De cada componente do simulador Rec
  f(Re,Ae)
• De cada componente de cada agente Rac
  f(Ra,Aa)

• Modelagem de cada BC do simulador Me
  f(O,Rec)
• Modelagem de cada BC de cada agente Ma
  f(O,Rac)

6
Engenharia dos requisitos SMA e simulador

• SMA
• Diagramas de casos de uso com restrições OCL
• Ligados a classes da ontologia
• Simulador do ambiente
• Diagramas de casos de uso com restrições OCL
• Ligados a classes da ontologia percepções e
  ações
• Funcionalidades desejáveis
• Simulação a velocidade normal
• Interrupção para inspeção e simulação passo a
  passo
• Retroceder, mudar parâmetro ou ação de um
  agente, e recomeçar
• Geração de logs do estado do ambiente, das
  percepções e ações dos agentes

7
Engenharia dos requisitos agentes

• Diagramas de casos de uso com restrições OCL
• Ligados a classes da ontologia percepções e
  ações
• Funcionalidades desejáveis
• Raciocínio a velocidade normal
• Interrupção para inspeção e execução passo a
  passo
• Retroceder no raciocino, mudar crença, objetivo,
  plano ou regras e recomeçar
• Geração de logs do seu raciocínio e das suas
  percepções, crenças, objetivos, planos,
  utilidades e ações

8
Engenharia dos requisitos GUI do simulador e
GUI dos agentes

• Diagramas de casos de uso ligados a classes da
  ontologia
• Funcionalidades desejáveis
• Visualização da simulação a velocidade normal
• Interrupção para inspeção execução passo a passo
• GUI do simulador
• Visualização dos estado do ambiente, das
  percepções e ações dos agentes
• Retroceder, mudar parâmetro ou dado do ambiente,
  ou ação ou percepção de um agente, e recomeçar
• GUI do agente
• Visualização do raciocínio, das crenças,
  objetivos, planos, utilidades e regras do agente
• Retroceder, mudar crença, objetivo, plano,
  utilidade ou regra do agente, e recomeçar
• Durante execução, ou a partir dos logs
  armazenados pelo simulador ou agentes

9
Modelagem da estrutura social do SMA

• Papeis interfaces UML encapsulando serviços
• Restrições OCL sobre alocação de papeis
• Unidades sociais pacotes UML
• Protocolos de comunicação e cooperação diagramas
  de interação Agent UML (www.auml.org)

10
Modelagem do simulador e dos agentes

• Arquiteturas internas do simulador e dos agentes
• Escolha dos componentes e bases de conhecimento
• Escolha da estrutura de controle entre
  componentes e bases de conhecimento
• Escolha do mecanismo de raciocínio de cada
  componente
• Escolha do método de aquisição do conhecimento
  para cada base
• Modelos do simulador e dos agentes
• No caso da aquisição manual do conhecimento
• Diagramas de classes com restrições OCL
  estendendo a ontologia
• Diagramas de estado para comportamentos

11
Implementação do simulador e dos agentes

• Para cada componente do simulador e de cada
  agente
• Escolha da linguagem L de representação de
  conhecimento
• Escolha da máquina de inferência raciocinando
  com L
• Caso da aquisição manual do conhecimento
• Codificação em L de cada elemento do modelo
• Caso da aquisição por aprendizagem de máquina
  processo em espiral consistindo do seguintes
  passos
• Codificação em L de um conjunto de exemplos de
  entrada-saída
• Escolha do algoritmo de aprendizagem
• Especificação do viés de aprendizagem
• Escolha da ferramenta de aprendizagem
• Ajuste dos parâmetros da ferramenta
• Treinamento com parte dos exemplos codificados
• Teste estatístico do conhecimento aprendido com
  outra parte dos exemplos
• Avaliação qualitativa do conhecimento aprendido

12
Testes

• Unitários de cada BC do simulador
• Integrados do simulador
• Unitários de cada BC de cada agente
• Integrados de cada agente
• Integrado do SMA
• Análise das interações multiagente e do
  comportamentos coletivos emergentes
• Cada uma desses conjuntos de testes sub-divididos
  em
• Testes funcionais de black-box
• Testes funcionais de glass-box
• Rastreamento do mecanismo de raciocínio da
  máquina de inferência
• Testes de desempenho
• Rastreamento do mecanismo de raciocínio da
  máquina de inferência

13
Maracatu Robo Futebol Clube 1.1

• Divisão softbots
• Exemplos de jogos
• http//www.uni-koblenz.de/ag-ki/ftp/robocup/robolo
  g/flash/robolog-brainstormers.swf
• http//www.uni-koblenz.de/ag-ki/ftp/robocup/robolo
  g/flash/Luebeck-RoboLog.swf
• http//www.uni-koblenz.de/ag-ki/ftp/robocup/robolo
  g/flash/ATH-RoboLog.swf

14
Maracatu Robo Futebol Clube 1.1

• Desenvolver nova versão de time de futebol de
  robô simulado do CIn para a competição
  internacional anual RoboCup (www.robocup.org)
• Versão 1.0 resultado de uma dissertação de
  mestrado
• Ontologia abrangente da RoboCup em UML/OCL
• Time de agentes autômatos
• Modelo do time em UML/OCL
• Implementação
• Interpretação das percepção e atualização do
  modelo do ambiente
• reuso da biblioteca C do CMUnited, usada pelos
  Campões 1998-2002
• Escolha das ações
• Alto-nível regras orientada a objetos Flora
• Baixo-nível reuso da biblioteca C do CMUnited,
  usada pelos Campões 1998-2002

15
Maracatu Robo Futebol Clube 1.1

• Extensões para versão 1.1
• Agente cognitivo
• Jogadas defensivas
• Posicionamento para marcação defensiva
• Escolha marcar seu adversário designado x
  tentar interceptar a bola x
  marcar adversário livre com a bola
• Jogadas ofensivas sem a bola
• Posicionamento para sair da marcação do
  adversário
• Jogadas com a bola
• Avaliação do melhor passe
• Escolha passe x drible x chute
• Extensão do modelo
• Diagramas de classes, restrições OCL, diagramas
  de estado
• Extensão da implementação
• Classes Flora, regras Flora
• Avaliação
• Partidas entre times diferentes por apenas um
  único aspecto

16
Agente explorador do mundo do wumpus
17
Agente explorador do mundo do wumpus

• Cálculo de eventos
• Atualizações do modelo do ambiente
• Manutenção da verdade
• Problema do frame
• Problema da ramificaçãoPlanejamento
• Previsão de ambientes futuros

18
Agente explorador do mundo do wumpus
19
Agente explorador do mundo do wumpus
Planejador comInformação Parcial
20
Agente explorador do mundo do wumpus

• Como gerar uma publicação a partir do projeto?
• Desenvolver e comparar desempenho de
• Várias arquiteturas de agentes (mais fácil com
  E-RES)
• Várias técnicas de atualizações do modelo do
  ambientes (mais fácil com Flora)
• Vários linguagens de programação
• Desenvolver agente deliberativo em JEOPS ou Flora

21
Welcome to MeZOORBMEsoZOic ZOO in ORBIT

• Jogo educativo para ensinar IA e fazer
  experimentos empíricos para pesquisa
• Supera as limitações do Mundo do Wumpus e da
  RoboCup
• Características fixas do ambiente
• Algumas em comum

• Ausência de diversidade nos 2
• Classes de terrenos 1 ou 2
• Classes de agentes 1
• Classes de objetos 1 ou 2
• Classes de modos de locomoção 1
• Classes de objetivos 2
• Áreas chaves da IA tratamespecificamente da
  diversidade
• Ontologias
• Representação do conhecimento OO
• Técnicas de classificação

22
Welcome to MeZOORB

• Requisitos
• Todas as características do ambiente
  parametrizáveis
• Permite criar ambientes com qualquer combinação
  de características
• No entanto simples de entender pós ancorado em
  referências universalmente difundidas
• Roteiro

• Versão 2.0 do Parque dos Dinossauros se mudou de
  uma ilha do Costa-Rica para uma estação orbital
• Por razão de segurança ? e verossimilhança
• Biomecânica mega-fauna pré-histórica inviável na
  gravidade atualhttp//www.dinox.freeserve.co.uk/e
  nglish/sizecomp.htm

23
Welcome to Mezoorb

• Teoria geológicada terraem expansão

24
Welcome to Mezoorb

• Teoria geológicada terraem expansão

25
Welcome to Mezoorb

• Teoria geológicada terraem expansão

26
Welcome to Mezoorb

• Teoria geológicada terraem expansão

27
Welcome to Mezoorb

• Teoria geológicada terraem expansão

28
Welcome to Mezoorb

• Teoria geológicada terraem expansão

29
Welcome to Mezoorb

• Teoria geológicada terraem expansão

30
Welcome to Mezoorb

• Teoria geológicada terraem expansão

31
Welcome to Mezoorb

• Teoria geológicada terraem expansão

32
Welcome to Mezoorb

• Teoria geológicada terraem expansão

33
Welcome to Mezoorb

• Colônias espaciais orbitais

34
Welcome to MeZOORB diversidade

• Taxonomia de armas
• metralhadora
• lança-chama
• fuzil-arpão
• torpedo

• Taxonomia de
• animais de
• diversas habilidades
• e comportamentos
• sensores,atuadores
• tamanho,velocidade
• corre,trepa,nada,voa
• inteligência
• agressividade

• Taxonomia de
• pessoas de
• diversas habilidades
• e comportamentos
• paleontólogo,hacker, piloto,soldado,
• líder,corajoso,altruísta

• Taxonomia de
• terrenos
• floresta,savana,deserto
• mangue,rio,lagoa,mar
• planície,montanha
• caverna, construção

• Taxonomia de
• recursos
• bebida,comida
• energia,combustível
• munições,peças
• telecomunicações

• Taxonomia de
• veículos
• moto,jipe,caminhão-lagarta?
• helicóptero,hidravião
• hovercraft,lancha,jet-ski,submarino

• Taxonomia de
• obstáculos e passagem
• cercas,viveiros,
• paredes,fossos
• pontes,túneis,pistas
• portas,escadas

35
Welcome to MeZOORBarquiteturas de software

• Visualização
• do ambiente
• das percepções e ações dos agentes
• dos modelos, objetivos e regras dos agentes
• velocidade normal, parada, passo a passo,
  retroceder, mudar parâmetro,recomeçar.

.net
36
.net
37
RMI
38
Ontologia de corridas de carrose jogos de bola

• Motivação
• Dois domínios estudo de caso para
• Intelligent educative hybrid game forge
  engineering
• Incorporate different game domain roles usually
  covered in different game classes (reflex,
  managerial, RPG)
• Any role can be filled by either a human player
  or a softbot
• Aggregate web-based edutainment material and chat
  rooms for the human players to cooperatively and
  adversarially improve their skills
• Rely on heavy duty physical modelling and AI
• Provide broad domain general simulation
  functionalities
• Allows human players and communities to use these
  functionalities to instanciate an infinite number
  of particular games

39
Intelligent educative hybridgame forge
engineering the commercial

• With a Dreamnaut Game ForgeTM you dont merely
  buy and play a single, fixed game created by
  others
• You and your friends design your own virtual
  world, define your own playing rules and then
  play along
• From tournament to tournament you help create a
  new tradition
• After each tournament you dont merely improve
  your player skills, you tinker with the world and
  rules to improve the playability and fun of the
  very game
• Until you grow tired of it, and then invent a
  radically new one
• All this with a single software and without the
  need to program a line of code
• Why playing other peoples game when its now so
  easy to be the ringmaster?

40

• Virtual
• team sport league
• collaborative design
• components
• Sport design
• League design
• Collaborative support

Generic team sport ontology
Virtual team sport league design GUI
Player community designed virtual team sport and
league sub-ontology
Virtual team sport league design collaboration GUI

• Web links about
• Team sports
• Personality modelling
• Physical modelling
• Computer graphics
• User interfaces
• Game Playability
• AI

• Specific
• team sport league
• component generator
• Game Simulation
• League Simulation
• Personality modelling
• Physical modelling
• Graphics
• AI

• Generic
• team sport league components
• Game Simulation
• League Simulation
• Personality modelling
• Physical modelling
• Graphics
• AI

41
Motorsports Game Forge Roles

• League president, board member
• Circuit owner, designer
• Sponsor marketing manager
• Team manager
• Chassis manufacturer, designer
• Engine manufacturer, designer
• Tyre manufacturer, designer
• Fuel manufacturer, designer
• Drivers aid software manufacturer, designer (now
  this involves programming !)
• Driver
• Drivers groupie (now this is a no brainer ?)

42
Example Motorsports GameForged Instance Formula
0

• Endurance road course racing series
• 3 hours single driver races, 24 hours 3 driver
  crew races
• To maximize overtaking, starting grid reverse of
  championship standing
• 1st 16pts, 2nd 10pts, 3rd 9pts ... 10th 2pts,
  11th-20th 1pt, fatest lap 2pts, most lap led
  2pts
• Car design is freest possible within the broad
  goal of combining
• Maximum speed ? (what did you expect?)
• Maximum crash safety
• Near zero pollution
• Near zero noise
• Near zero maintenance
• no pit stop for 3h races
• only 8 pit stops and single set of replacement
  tyres in 24h races
• Licensability and practicality as street car
• Two fully equipped seats, luggage compartment,
  standard parking spot fitting dimensions, bottom
  high enough to go over speed bumps

43
Example Teamsports Game Forged Instance
RollerFrisbee

• Contact team sports fusionning elements from
  basketball, handball, soccer, american football,
  australian football, lacrosse, ultimate frisbee,
  roller hockey and roller derby.
• Teams of 10 players, 1 goalkeeper and 9 field
  skaters on switch retractable roller sneakers (to
  allow skating, running and jumping)
• Oval, entirely fenced rink, divided into a 95m
  long and 70m wide flat inner oval and a
  surrounding, 15m wide outer ring banked at 15o.
• A team scores points when it sends a bouncing
  frisbee into one part of the opponent goal, the
  lower, soccer-like part, the middle basket and
  the upper football-like part
• 9 different ways to score handball goal (3pts) ,
  soccer goal (5pts), close-range basket (2pts) ,
  middle range basket (3pts), long-range basket
  (5pts), free-throw (1pt), close-range throw and
  catch (3pts), long-range throw and catch (5pts),
  long throw (2pts)