AGENTES

DEFINICION

(Russell y Norving)

Un Agente es cualquier cosa capaz de

percibir su medioambiente con la
ayuda de sensores y actuar en ese
medio utilizando actuadores.

TIPOS DE AGENTES

(Russell y Norving)

Agentes Reactivos Simples

Agentes Reactivos Basados en
Modelos
Agentes Basados en Objetivos
Agentes Basados en Utilidad
Agentes que Aprenden

Agentes Reactivos Simples

Es el tipo de Agentes mas sencillo.

Estos Agentes seleccionan las acciones
sobre la base de las percepciones
actuales, ignorando el resto de las
percepciones histricas.

Agentes Reactivos Basados en Modelos

Este tipo de Agente maneja un tipo de

estado interno que le permite
almacenar informacin de las partes
del mundo que no puede ver.

Agentes Basados en Objetivos

Este agente al igual que el anterior no

solo almacena informacin sino que
mantiene un objetivo que intenta
alcanzar y es capaz de seleccionar la
accin que eventualmente lo guiara
hacia la consecucin del mismo.

Agentes Basados en Utilidad

Este tipo de agente utiliza un modelo

del mundo, junto con una funcin de
utilidad que calcula sus preferencias
entre los estados del mundo. Despus
selecciona la accin que le lleve a
alcanzar la mayor utilidad esperada,
que se calcula haciendo la media de
todos resultantes posibles, ponderando
con la probabilidad del resultado.

Agentes que Aprenden

Este tipo de agente se divide en cuatro

componentes principales:

Elemento de aprendizajes
Elemento de Actuacin
Criticas
Generador de Problemas

Agentes que Aprenden

Clasificacin de Agentes

La clasificacin se basa en el
tipo de programa utilizado
Russell y Norvig para
implementar
las
funcionalidades del agente,
Estableciendo
el
estado
intermedio entre percepciones
y acciones.
Nwana Basa la clasificacin en varias
dimensiones.

12

Clasificacin de Agentes

Russell y Norvig:

Agentes
Agentes
Agentes
Agentes

de reflejo simple
reflejo con estado interno
basados en metas
basados en utilidad

13

Clasificacin de Agentes

Nwana:
Respecto a su movilidad
Deliberativo o Reactivo.
Segn los atributos primarios que deberan
mostrar: autonoma, aprendizaje y cooperacin.
Por el papel que desempean.
Hbridos

14

Respecto a su Movilidad
Respecto a su movilidad, los agentes
se dividen en mviles o estticos,
segn su capacidad o no de
desplazarse en una red.

Deliberativo o Reactivo
Los
primeros
derivan
del
paradigma
del
pensamiento deliberativo: los agentes poseen un
modelo simblico interno de razonamiento y se
ocupan de la planificacin y la negociacin con el
objetivo de conseguir coordinarse con otros agentes.
Los agentes reactivos, por el contrario, no poseen
ningn modelo simblico interno de su entorno y
actan empleando un comportamiento del tipo
estmulo respuesta, respondiendo al estado actual
del entorno en que est contenido.

Segn sus Atributos Primarios

Nwana:
Agentes
de
aprendiza
je
colaborati
vos

Agentes
Inteligen
tes

Aprendiz
aje

Cooperac
in

Agentes
colaborat
ivos

Autono
ma

Agentes
de
interfaz

17

Por el Papel que

Desempean
Por
ejemplo,
los
agentes
de
informacin o los agentes de Internet.
Estos tipos de agentes se dedican a la
bsqueda
y
procesamiento
de
informacin en una red, como en el
caso de Internet.

Hibridos
Por ltimo, Nwana habla de agentes
hbridos para referirse a los que
combinan dos o ms de las categoras
anteriores.

Clasificacin de Agentes

En

conclusin

podemos

decir

que

las

clasificaciones mencionadas se basan en una

serie atributos que pueden servir de referencia,
como son la autonoma, la proactividad, el
aprendizaje, y la cooperacin.

Adems se menciona la existencia de agentes

hbridos que flexibilizan la integracin de ms de
un criterio de clasificacin.

20

Arquitectura de Agentes

Existe una gran variedad de arquitecturas,

una
primera
clasificacin
de
las
arquitecturas se puede basar en el acceso
de las capas hacia los sensores y
actuadores.
Tambin
se
pueden
clasificar
las
arquitecturas
segn
el
tipo
de
procesamiento empleado en deliberativas,
reactivas e hbridas.
21

Arquitectura de Agentes

Arquitectura Deliberativa

Utilizan modelos de representacin simblica

del conocimiento.

Suelen estar basadas en la teora clsica de

planificacin.

Son heredadas de las investigaciones en

Inteligencia Artificial clsica.
22

Arquitectura de Agentes

Arquitectura Deliberativa

Plantean el problema como una secuencia de

estrategias de: percepcin del entorno,
construccin de un modelo del mundo,
planificacin basada en ese modelo y actuacin.

23

Arquitectura de Agentes

Arquitectura Reactiva

Se centran en la capacidad de reaccin frente a

cambios en el entorno.

Insiste en que el robot est inmerso en un

mundo concreto.

Las respuestas del robot deben ser rpidas y

sencillas.
24

Arquitectura de Agentes

Arquitectura Reactiva

La interaccin del sistema con el entorno es la

que gua el comportamiento observable, sin
necesidad de memoria, representacin ni de
planificacin.

25

Arquitectura de Agentes

Arquitectura Hbrida

Se sita entre la arquitectura Deliberativa y la

Reactiva.

Pretenden

incorporar

tanto

capacidades

de

deliberacin como de reaccin a los robots

mviles, a fin de que puedan desenvolverse de
modo autnomo en un mundo dinmico
26

Sistema Multi-Agentes

Un Sistema Multi-Agente (SAM) es aquel que

consiste

en

una

serie

de

agentes,

que

interactan entre s, por lo general mediante el

intercambio de mensajes a travs de algn tipo
de infraestructura de la red informtica.

27

Sistema Multi-Agentes

Con el fin de interactuar con xito, en un SMA

hay que distinguir cuatro conceptos:

Comunicacin
Coordinacin
Cooperacin
Negociacin

28

SMA
Comunicacin. Es la habilidad de los
agentes para comunicarse entre s,
esto es, intercambiar informacin y
conocimiento de forma comprensible.
Permite a los agentes obtener el
conocimiento necesario para decidir la
secuencia de acciones que debe
ejecutar en funcin de sus objetivos.

SMA
Coordinacin. Se define como un
conjunto de acciones suplementarias
que pueden realizarse en un entorno
multiagente para alcanzar un objetivo
y que un agente, con los mismos
objetivos, no podra alcanzar por s
solo.

SMA
Cooperacin y negociacin. La
cooperacin es el mecanismo por el
cual los agentes, que trabajan juntos
para lograr un objetivo comn, definen
una estrategia para alcanzar este
objetivo. Por otro lado, la negociacin
permite
alcanzar
decisiones
de
coordinacin conjuntas mediante la
comunicacin explcita.

SMA
La necesidad de desarrollar aplicaciones
complejas
compuestas
de
multitud
de
subsistemas que interaccionan entre s obliga a
distribuir la inteligencia entre diversos agentes y
a construir SMA.
Estos permiten la gestin inteligente de un
sistema complejo, coordinando los distintos
subsistemas que lo componen e integrando los
objetivos particulares de cada subsistema en un
objetivo comn.

EJEMPLO
Descripcin del Problema
Resolver el problema de localizacin
utilizando tcnicas de visin por
computadora que permitan saber
dnde estn los robots y poder
generar a cada uno de ellos una
trayectoria que deben de seguir para
alcanzar una meta.

Problema

Arquitectura de Control
Hbrida basada en Agentes

35

Arquitectura de Control Hbrida basada en Agentes

En el campo de la Robtica e Inteligencia Artificial,

la organizacin de las habilidades de un robot
(perceptivas,

motoras,

de

procesamiento,

de

comunicacin con el exterior y en la obtencin de

un objetivo) se conoce como arquitectura de
control del robot.

36

Caractersticas de la Arquitectura
Propuesta:
En esta arquitectura los agentes comparten
informacin sobre la base de dos mecanismos,
paso de mensajes y memoria compartida, en este
caso concreto con la estructura de una memoria
de pizarra.

El diseo de la arquitectura busca lograr los

principios bsicos de modularidad, reusabilidad de
procesos, facilidad de escalado e implantacin en
diferentes plataformas.

37

Caractersticas de la Arquitectura
Propuesta:

Se definen dos tipos de agentes en base al tipo de

procesamiento:

Agentes

Perceptivos

Agentes

de

Actuacin.
Agentes Perceptivos. Estn enfocados a la elaboracin y
al mantenimiento de los estmulos requeridos en las tareas
de control.
Agentes de Actuacin. Tienen como objetivo encaminar
la accin a seguir, utilizando las percepciones elaboradas por
los agentes perceptivos y el soporte proporcionado por una
representacin del sistema y el mundo.

38

2.2 Arquitectura de Control Hbrida basada en Agentes

Navegacin Global
Memoria de Pizarra
Ir al Punto
Obtener Mapa
Global

Mapa Global Esttico

Posicin de los Robots (X,Y,)
Posicin del Objeto (X,Y, )

Actualizar
Posicin

Datos
Sensoria
les

Plan de Navegacin

Sensores

Actuador
es

Planificar
Caminos

Parar

Accione
s

39

Agente Perceptivo Actualizar Posicin

Valores:
Representaci
n
de la
sistema/entr
ono

Imagen
Cmara.

Proceso
s:
Deteccin de error de sensor
Cmara

Posicin de
Robots
(XR, YR, R)
Posicin del
Objeto Meta
(XO,YO, O)

Estimacin de la posicin de los

robots y el objetivo

40

Agente Perceptivo Obtener Mapa Global

Actualizar
Posicin

Valores:
Representaci
n
sistema/entron
o

Imagen de la Cmara.
Posicin de Robots
Posicin de Objeto Meta

Procesos:
Deteccin de error de sensor.

Mapa
global de
rejilla

Procesamiento de Imagen.
Deteccin y ubicacin de obstculos sobre
el mapa de rejilla.
Ubicacin aleatoria de puntos en
las rejillas desocupadas en el
mapa.
Cmara
41

Agente de Actuacin Parar

Valores:
Representaci
Sensor de
n
ultrasonido
sistema/entro
no
Procesos
:
Sensor de
Ultrasonid
o

Estado
de Paro

Deteccin de choque

42

Agente de Actuacin Planificar Caminos

Actualiza
r
Posicin
Obtener
Mapa
Global

Seal de
replanificaci
n

Valores:
Representaci
n

sistema/entor

no

Posicin de Robots
Posicin de Objeto Meta
Mapa Global (matriz de
ocupacin)

Proceso
s: Obtener la mejor ruta desde el punto
origen al punto destino

Plan de
Navegaci
n

43

Agente de Actuacin Ir al Punto

Actualizar
Posicin

Valores:
Representaci
Plan de
n
Navegacin
sistema/ento
rno
Orientacin del
Robot
Procesos
:
Seleccin de subobjetivos

(XINI,YINI,XFIN
, YFIN,Robot)

Evaluacin de llamadas al
planificador
de caminos

Planific
ar
Camino
s
Parar
Seal para
nuevo
plan
Seal de
objetivo
conseguido
Seal de fallo

Deteccin de llegada al
destino final
44