27 abr 2020
09:00 Defesa de Mestrado Integralmente a distância
Tema
Explorando Funções Cognitivas em Robótica
Aluno
Letícia Mara Berto
Orientador / Docente
Esther Luna Colombini
Breve 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 padrão 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. A partir dessas funções, projetamos um conjunto de experimentos para determinar o comportamento do robô e o impacto de cada módulo na obtenção de conhecimento, além de definir cenários de avaliação. Para o desenvolvimento desta pesquisa, o CONAIM (conscious attention-based integrated 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 Systems Toolkit), um kit de ferramentas geral para a construção de arquiteturas cognitivas foram usadas. Melhoramos o módulo atencional bottom-up do CONAIM, modelado na CST, e um codelet inteligente usando o Aprendizado por Reforço foi implementado. Os testes foram realizados em simulação e conseguimos controlar com sucesso o robô Pioneer P3-DX, aprendendo com seu espaço atencional.
Banca examinadora
Titulares:
| Esther Luna Colombini | IC/UNICAMP |
| Roseli Aparecida Francelin Romero | ICMC/USP |
| Ricardo Ribeiro Gudwin | FEEC/UNICAMP |
Suplentes:
| Paula Dornhofer Paro Costa | FEEC/UNICAMP |
| Alexandre da Silva Simões | ICTS/UNESP |