Orientador: Esther Luna Colombini

Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação

Resumo: O avanço da inteligência artificial trouxe muitos benefícios à robótica. Hoje, é possível desenvolver robôs que não apenas executam o que foram pré-programados para fazer, mas que aprendem de acordo com a interação com o ambiente e outros agentes. Para isso, os robôs devem ter funções...

Resumo: O avanço da inteligência artificial trouxe muitos benefícios à robótica. Hoje, é possível desenvolver robôs que não apenas executam o que foram pré-programados para fazer, mas que aprendem de acordo com a interação com o ambiente e outros agentes. Para isso, os robôs devem ter funções cognitivas, como memória, tomada de decisão, aprendizado, atenção, planejamento e outras suportadas em sua estrutura. Até o momento, não existem maneiras padrões na literatura de avaliar arquiteturas cognitivas. Nesse contexto, neste trabalho, estudamos funções cognitivas com o objetivo de identificar quais componentes são necessários para validar um projeto que implementa uma arquitetura cognitiva. Es- tudamos o desenvolvimento de crianças de 0 a 2 anos e a teoria construtivista de Piaget acerca da construção do conhecimento e desenvolvimento da inteligência. A partir dos estudos realizados, conseguimos classificar os estudos da area de Developmental Robotics nos estágios definidos por Piaget. Com isso, construimos um conjunto de experimentos incrementais levando em consideração o desenvolvimento motor e intelectual das crianças no período de 0 a 2 anos, bem como uma metodologia para o design desses experimentos. Para o desenvolvimento desta pesquisa, o CONAIM (Conscious Attention-based Integra- ted Model), um modelo formal para consciência de máquina com base em um esquema atencional para a cognição de agentes semelhantes aos humanos e o CST (Cognitive Sys- tems Toolkit), um kit de ferramentas geral para a construção de arquiteturas cognitivas, foram usados. Demos inicio a implementação dos experimentos propostos a partir da me- lhoria do módulo atencional bottom-up baseado em saliencia (fator que guia o aprendizado da criança em suas fases iniciais) do CONAIM modelado no CST, e utilizando a metodo- logia proposta fizemos a implementação de um agente atencional inteligente aprendendo sob o espaço atencional usando Aprendizado por Reforço. Os testes foram realizados em simulação e conseguimos controlar com sucesso o robô Pioneer P3-DX, aprendendo com seu espaço atencional

Abstract: The advancement of artificial intelligence has brought many benefits to robotics. Today, it is possible to develop robots that not only perform what they were pre-programmed to do but also learn according to the interaction with the environment and other agents. For this, robots should...

Abstract: The advancement of artificial intelligence has brought many benefits to robotics. Today, it is possible to develop robots that not only perform what they were pre-programmed to do but also learn according to the interaction with the environment and other agents. For this, robots should have cognitive functions, such as memory, decision making, learn- ing, attention, planning, and others supported in their structure. To date, there are no standard ways in the literature to evaluate cognitive architectures. In this context, in this work, we studied cognitive functions aiming to identify which components are necessary to validate a project that implements a cognitive architecture. We studied the development of children aged 0 to 2 years and Piaget¿s constructivist theory about the construction of knowledge and intelligence development. Based on the studies carried out, we were able to classify the studies in the Developmental Robotics area in the stages defined by Piaget. With that, we built a set of incremental experiments taking into account the motor and intellectual development of children from 0 to 2 years. We also described a methodology for the design of these experiments. For the development of this research, the CONAIM (Conscious Attention-based Integrated Model), a formal model for ma- chine consciousness based on an attentional schema for human-like agent cognition and the CST (Cognitive Systems Toolkit), a general toolkit for the construction of cognitive architectures were used. We started the implementation of the proposed experiments by improving the bottom-up attentional module, an essential drive to child¿s learning in early stages, of CONAIM modeled on CST. Then, by using the proposed methodology, we implemented an intelligent, attentive agent learning over the attentional space using Reinforcement Learning. The tests were performed in simulation, and we were able to successfully control the Pioneer P3-DX robot, learning from its attentional space

Requisitos do sistema: Software para leitura de arquivo em PDF