Um mecanismo construtivista para aprendizagem de antecipações em agentes artificiais situados

Un mecanisme constructiviste d'apprentissage automatique d'anticipations pour des agents artificiels situes;
A constructivist anticipatory learning mechanism for situated artificial agents

dc.contributorAlvares, Luis Otavio Campos
dc.contributorBuisson, Jean-Christophe
dc.creatorPerotto, Filipo Studzinski
dc.date2011-02-02T05:59:17Z
dc.date2010
dc.identifierhttp://hdl.handle.net/10183/27653
dc.identifier000763471
dc.descriptionEsta pesquisa caracteriza-se, primeiramente, pela condução de uma discussão teórica sobre o conceito de agente autônomo, baseada em elementos provenientes dos paradigmas da Inteligência Artificial Situada e da Inteligência Artificial Afetiva. A seguir, a tese apresenta o problema da aprendizagem de modelos de mundo, fazendo uma revisão bibliográfica a respeito de trabalhos relacionados. A partir dessas discussões, a arquitetura CAES e o mecanismo CALM são apresentados. O CAES (Coupled Agent-Environment System) é uma arquitetura para a descrição de sistemas baseados na dicotomia agente-ambiente. Ele define agente e ambiente como dois sistemas parcialmente abertos, em acoplamento dinâmico. O agente, por sua vez, é composto por dois subsistemas, mente e corpo, seguindo os princípios de situatividade e motivação intrínseca. O CALM (Constructivist Anticipatory Learning Mechanism) é um mecanismo de aprendizagem fundamentado na abordagem construtivista da Inteligência Artificial. Ele permite que um agente situado possa construir um modelo de mundo em ambientes parcialmente observáveis e parcialmente determinísticos, na forma de um Processo de Decisão de Markov Parcialmente Observável e Fatorado (FPOMDP). O modelo de mundo construído é então utilizado para que o agente defina uma política de ações a fim de melhorar seu próprio desempenho.
dc.descriptionCette recherche se caractérise, premièrement, par une discussion théorique sur le concept d'agent autonome, basée sur des éléments issus des paradigmes de l'Intelligence Artificielle Située et de l'Intelligence Artificielle Affective. Ensuite, cette thèse présente le problème de l'apprentissage de modèles du monde, en passant en revue la littérature concernant les travaux qui s'y rapportent. À partir de ces discussions, l'architecture CAES et le mécanisme CALM sont présentés. CAES (Coupled Agent-Environment System) constitue une architecture pour décrire des systèmes basés sur la dichotomie agent-environnement. Il définit l'agent et l'environnement comme deux systèmes partiellement ouverts, en couplage dynamique. L'agent, à son tour, est composé de deux sous-systèmes, l'esprit et le corps, suivant les principes de la situativité et de la motivation intrinsèque. CALM (Constructivist Anticipatory Learning Mechanism) est un mécanisme d'apprentissage fondé sur l'approche constructiviste de l'Intelligence Artificielle. Il permet à un agent situé de construire un modèle du monde dans des environnements partiellement observables et partiellement déterministes, sous la forme d'un processus de décision markovien partiellement observable et factorisé (FPOMDP). Le modèle du monde construit est ensuite utilisé pour que l'agent puisse définir une politique d'action visant à améliorer sa propre performance.
dc.descriptionThis research is characterized, first, by a theoretical discussion on the concept of autonomous agent, based on elements taken from the Situated AI and the Affective AI paradigms. Secondly, this thesis presents the problem of learning world models, providing a bibliographic review regarding some related works. From these discussions, the CAES architecture and the CALM mechanism are presented. The CAES (Coupled Agent-Environment System) is an architecture for describing systems based on the agent-environment dichotomy. It defines the agent and the environment as two partially open systems, in dynamic coupling. The agent is composed of two sub-systems, mind and body, following the principles of situativity and intrinsic motivation. CALM (Constructivist Learning Anticipatory Mechanism) is based on the constructivist approach to Artificial Intelligence. It allows a situated agent to build a model of the world in environments partially deterministic and partially observable in the form of Partially Observable and Factored Markov Decision Process (FPOMDP). The model of the world is constructed and used for the agent to define a policy for action in order to improve its own performance.
dc.formatapplication/pdf
dc.languagepor
dc.rightsOpen Access
dc.subjectInteligência artificial
dc.subjectConstrutivismo
dc.subjectAgentes autonomos
dc.subjectAprendizagem : Maquina
dc.subjectntelligence artificielle constructiviste
dc.subjectIntelligence artificielle
dc.subjectApprentissage automatique
dc.subjectAgents autonomes
dc.subjectInduction de concepts
dc.subjectDéveloppement cognitif artificiel
dc.subjectPiaget
dc.subjectDécouverte de structure dans des FPOMDP
dc.subjectProcessus de décision markovien (MDP)
dc.subjectConstructivist artificial intelligence
dc.subjectArtificial intelligence
dc.subjectMachine learning
dc.subjectAutonomous agents
dc.subjectConcept induction
dc.subjectArtificial cognitive development
dc.subjectStructure discovering in FPOMDPs
dc.subjectMarkov decision processes (MDP)
dc.titleUm mecanismo construtivista para aprendizagem de antecipações em agentes artificiais situados
dc.titleUn mecanisme constructiviste d'apprentissage automatique d'anticipations pour des agents artificiels situes
dc.titleA constructivist anticipatory learning mechanism for situated artificial agents
dc.typeTese


Este ítem pertenece a la siguiente institución