Orientador: Ricardo Ribeiro Gudwin / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-27T01:31:15Z (GMT). No. of bitstreams: 1
Raizer_Klaus_D.pdf: 4879759 bytes, checksum: 77716297b6419a3ee55bdf97ac67493d (MD5)
Previous issue date: 2015 / 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 / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unicamp.br:REPOSIP/261106 |
| Date | 27 August 2018 |
| Creators | Raizer, Klaus, 1982- |
| Contributors | UNIVERSIDADE ESTADUAL DE CAMPINAS, Gudwin, Ricardo Ribeiro, 1967-, Junior, João Eduardo Kögler, Borges, Henrique Elias, Zuben, Fernando José Von, Gomide, Fernando Antonio Campos |
| Publisher | [s.n.], Universidade Estadual de Campinas. Faculdade de Engenharia Elétrica e de Computação, Programa de Pós-Graduação em Engenharia Elétrica |
| Source Sets | IBICT Brazilian ETDs |
| Language | Inglês |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | 137 p. : il., application/pdf |
| Source | reponame:Repositório Institucional da Unicamp, instname:Universidade Estadual de Campinas, instacron:UNICAMP |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0023 seconds