__________________________________________________________AGENTES QUE PLANIFICAN

INTRODUCCION

Desde principios de los `70, la comunidad de IA especializada en planificación se ha preocupado del problema del diseño de agentes artificiales capaces de actuar en un entorno.

La planificación se puede ver como una forma de programación automática: el diseño de un curso de acciones que satisfará un cierto objetivo.

Dentro de la comunidad de la IA simbólica, se ha asumido desde hace tiempo que algún tipo de sistema planificador debe formar parte de los componentes centrales de cualquier agente artificial

La idea básica es dotar al agente planificador:

Representación del objetivo a alcanzar Representación de las acciones que puede realizar Representación del entorno Capacidad de generar un plan para alcanzar el objetivo

PLANIFICACION

¿Qué es un plan?

Es una secuencia (lista ) de acciones, que llevan de un estado inicial a un estado final.

La planificación se puede ver como un problema de búsqueda en un espacio de estados.

EJEMPLOS PARADIGMATICOS DE PLANIFICACION

Hay ejemplos que se repiten de forma reiterada en la literatura de planificación

- Torres de Hanoi- 8-puzzle, 15- puzzle, …- Mundo de los bloques (Blocks world)

APLICACIÓNES DE LAS APLICACINES: EN LA VIDA REAL

Ejem: Planificar un viaje……

Diferencias entre alg. Planificación y alg. Búsqueda

- Los algoritmos de búsqueda que hemos visto hasta ahora se interesan solo en devolver el estado final o estado solución.

- Los algoritmos de planificación no solo se interesa por encontrar el estado solución, sino en mantener todos los estados intermedios que llevan desde el estado inicial al final.

- Muchos algoritmos de planificación reducen la complejidad del problema descomponiendo en sub-objetivos

Esto solo se puede realizar en problemas eales que sean descomponibles o casi descomponibles(el planificador descompone el problema y luego resuelve pequeños conflictos al recompensar la solución)

MEMORIA O CALCULO

Las funciones para la selección de acciones de los agentes reactivos realizan muy pocos cálculos.

Esencialmente estos agentes tienen sus acciones diseñadas para que sea asi

- Bien creadas por el diseñador - Mediante aprendizaje - Mediante procesos evolutivos - Alguna combinación de lo anterior

Inicio Preparacion

Reserva del billete de avion

Reserva del coche del alquiler

Reserva del hotel

Confirma reservas

Fin

Las propias funciones para la selección de acciones pueden estar implementadas mediante tablas, reglas de producción o circuitos de lógica.

El conocimiento del diseñador están basadas en el espacio de memoria.

Una maquina reactiva capaz de realizar tareas complejas en entornos complejos, requerirá gran espacio de memoria. Además el diseñar de este tipo maquinas tendrá que anticipar las reacciones, ello nos lleva a intercambiar tiempo por espacio.

Como primer paso introducir las funciones para la selección de acciones que el diseñador habría tenido que hacer. Estos cálculos tomaran tiempo pero reducirán los requisitos de memoria del agente y la carga de trabajo del diseñador.

Alguno de los cálculos que podríamos consideran son aquellos que predicen las consecuencias de las posibles acciones aplicadas sobre una situación dada.

Quizá el punto mas importante es que si estos cálculos de predicción de consecuencia pudieran ser aprendidos o desarrollados de forma automática, el agente que los utilizara seria capaz de seleccionar las acciones apropiadas, aun en aquellas situaciones que el diseñador no habría sido capaz de prever.

Para predecir las consecuencias un agente debe tener un modelo del mundo en el que habita, asi como modelos de los efectores de sus acciones en su modelo del mundo.

En este caso, las acciones actuales no deben realizarse hasta que sus simulaciones hayan mostrado que estas son seguras y efectivas.

GRAFOS DE ESTADOS

Ejemplo aplicado

Un mundo espacial cuadriculado conteniendo a tres bloques de juguete A, B, C, todos ellos inicialmente en el suelo.

Supongamos que la tarea de nuestro robot es apilarlos de tal manera que A este sobre B, B sobre C y C en el suelo.

Claro esta que es muy obvio que acciones vamos hacer los humanos, pero no es asi de obvio para los robots, supongamos que el robot fuera capaz de modelar los efectos de cada acción en su entorno.

Podría hacerlo mediante un par de modelos

Uno que representa el estado del mundo antes de que la acción se ejecutara y otro con un estado del mundo después de haber ejecutado la acción