Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/261106
Type: TESE
Title: Executive functions for Learning and decision-making in a bio-inspired cognitive architecture = Funções executivas para aprendizado e tomada de decisão em uma arquitetura cognitiva bio-inspirada
Title Alternative: Funções executivas para aprendizado e tomada de decisão em uma arquitetura cognitiva bio-inspirada
Author: Raizer, Klaus, 1982-
Advisor: Gudwin, Ricardo Ribeiro, 1967-
Abstract: Resumo: O objetivo deste trabalho é o desenvolvimento de funções executivas para uma arquitetura cognitiva bioinspirada baseada em codelets. Um desafio que toda criatura (seja ela artificial ou biológica) enfrenta é definir qual a próxima ação a ser tomada, a cada instante de tempo, em função da percepção de um determinado ambiente. Essa decisão pode ser definida por um algoritmo que sempre repete as mesmas decisões em função de uma determinada situação, ou pode ser uma decisão adaptativa, que utiliza de mecanismos de aprendizagem para assumir decisões distintas, em função das experiências em situações passadas. Neste trabalho, buscou-se a integração dos processos de tomada de decisão deliberativos e mecanismos de aprendizado por reforço em um mesmo framework. Estas funções são conhecidas na literatura de ciências cognitivas como funções executivas. A solução aqui proposta insere-se dentro do contexto de nosso grupo de pesquisa, onde se busca o desenvolvimento de uma arquitetura cognitiva baseada em codelets. Nesta perspectiva, uma das contribuições deste trabalho é desenvolver algoritmos e implementações computacionais dotando a arquitetura cognitiva desenvolvida pelo grupo de funções executivas diversas, que poderão ser utilizadas para implementar soluções complexas com granularidade arbitrária. As funções de tomada de decisão deliberativa foram implementada na forma de uma rede de comportamentos modificada, enquanto que o componente de aprendizado foi desenvolvido na forma de um novo algoritmo (GLAS - Gated-Learning Action Selection) baseado em stimulus gating e inspirado em modelos de neurociência computacional conhecidos da literatura. Este framework foi validado em problemas de robótica móvel e de seleção de ação por aprendizado por reforço. A arquitetura cognitiva sendo desenvolvida, incrementada com as contribuições deste trabalho, tem o potencial de servir de base para futuros trabalhos de pesquisa nas áreas de inteligência artificial, robótica e cognição artificial

Abstract: This work¿s goal is the development of executive functions for a codelet-based bio-inspired cognitive architecture. One of the major challenges every creature faces, being biological or artificial, is to define the next action to be taken, at each time step, as a function of how it perceives its surrounding environment. This decision can be made by a reactive algorithm, which always repeats the same decisions for a given situation, or by an adaptive process, which is able to make use of learning mechanisms in order to make distinct decisions based on past experience. In this work, deliberative decision-making and reinforcement learning mechanisms have been integrated into a single framework. In cognitive science literature, these functions are known as executive functions. The solution proposed here is part of our group¿s central line of research, which is the investigation and development of a codelet-based cognitive architecture. In this context, a central contribution made by this work is the development and implementation of algorithms capable of providing this cognitive architecture with a group of executive functions, which in turn can be used to implement complex solutions with arbitrary granularity. Functions for deliberative decision-making have been implemented in the form of a modified behavior network, while the learning component was developed in the form of a new algorithm called GLAS (Gated-Learning Action Selection), based on stimulus gating and known computational neuroscience models. This framework has been validated with problems in mobile robotics and in action selection by reinforcement learning. The cognitive architecture under development, when incremented by the contributions presented in this work, has the potential to serve as a base for future work and research in the fields of artificial intelligence, robotics and artificial cognition
Subject: Inteligência artificial
Ciências cognitivas
Robôs móveis
Language: Inglês
Editor: [s.n.]
Date Issue: 2015
Appears in Collections:FEEC - Dissertação e Tese

Files in This Item:
File SizeFormat 
Raizer_Klaus_D.pdf4.77 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.