__________________________________________________________AGENTES QUE PLANIFICAN

INTRODUCCION
Desde principios de los `70, la comunidad de IA especializada en planificacin se ha
preocupado del problema del diseo de agentes artificiales capaces de actuar en un entorno.
La planificacin se puede ver como una forma de programacin automtica: el diseo de un
curso de acciones que satisfar un cierto objetivo.
Dentro de la comunidad de la IA simblica, se ha asumido desde hace tiempo que algn tipo
de sistema planificador debe formar parte de los componentes centrales de cualquier agente
artificial
La idea bsica es dotar al agente planificador:

Representacin del objetivo a alcanzar

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

PLANIFICACION
Qu es un plan?
Es una secuencia (lista ) de acciones, que llevan de un estado inicial a un estado final.
La planificacin se puede ver como un problema de bsqueda en un espacio de estados.

EJEMPLOS PARADIGMATICOS DE PLANIFICACION

Hay ejemplos que se repiten de forma reiterada en la literatura de planificacin
-

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

APLICACINES DE LAS APLICACINES: EN LA VIDA REAL

Ejem: Planificar un viaje

Preparacion

Inicio

Reserva del coche

del alquiler

Confirma reservas

Reserva del billete

de avion

Reserva del hotel

Fin

Diferencias entre alg. Planificacin y alg. Bsqueda

-

Los algoritmos de bsqueda que hemos visto hasta ahora se interesan solo en
devolver el estado final o estado solucin.
Los algoritmos de planificacin no solo se interesa por encontrar el estado
solucin, sino en mantener todos los estados intermedios que llevan desde el
estado inicial al final.
Muchos algoritmos de planificacin 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 pequeos conflictos al recompensar la
solucin)

MEMORIA O CALCULO
Las funciones para la seleccin de acciones de los agentes reactivos realizan muy pocos
clculos.
Esencialmente estos agentes tienen sus acciones diseadas para que sea asi
-

Bien creadas por el diseador

Mediante aprendizaje
Mediante procesos evolutivos
Alguna combinacin de lo anterior

Las propias funciones para la seleccin de acciones pueden estar implementadas

mediante tablas, reglas de produccin o circuitos de lgica.

El conocimiento del diseador estn basadas en el espacio de memoria.

Una maquina reactiva capaz de realizar tareas complejas en entornos complejos,
requerir gran espacio de memoria. Adems el disear de este tipo maquinas tendr que
anticipar las reacciones, ello nos lleva a intercambiar tiempo por espacio.
Como primer paso introducir las funciones para la seleccin de acciones que el diseador
habra tenido que hacer. Estos clculos tomaran tiempo pero reducirn los requisitos de
memoria del agente y la carga de trabajo del diseador.
Alguno de los clculos que podramos consideran son aquellos que predicen las
consecuencias de las posibles acciones aplicadas sobre una situacin dada.
Quiz el punto mas importante es que si estos clculos de prediccin de consecuencia
pudieran ser aprendidos o desarrollados de forma automtica, el agente que los utilizara
seria capaz de seleccionar las acciones apropiadas, aun en aquellas situaciones que el
diseador no habra 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 accin en su entorno.
Podra hacerlo mediante un par de modelos
Uno que representa el estado del mundo antes de que la accin se ejecutara y otro con un
estado del mundo despus de haber ejecutado la accin