Relational reinforcement learning to control sociable robots / Aprendizado por reforço relacional para o controle de robôs sociáveis

AUTOR(ES)

Renato Ramos da Silva

DATA DE PUBLICAÇÃO

2009

RESUMO

A inteligência artificial não busca somente entender mas construir entidades inteligentes. A inteligência pode ser dividida em vários fatores e um deles é conhecido como aprendizado. A área de aprendizado de máquina visa o desenvolvimento de técnicas para aprendizado automático de máquinas, que incluem computadores, robôs ou qualquer outro dispositivo. Entre essas técnicas encontra-se o Aprendizado por Reforço, foco principal deste trabalho. Mais especificamente, o aprendizado por reforço relacional (ARR) foi investigado, que representa na forma relacional o aprendizado obtido através da interação direta com o ambiente. O ARR é bem interessante no campo de robótica, pois, em geral, não se dispôe do modelo do ambiente e se requer econômia de recursos utilizados. A técnica ARR foi investigada dentro do contexto de aprendizado de uma cabeça robótica. Uma modificação no algoritmo ARR foi proposta, denominada por ETG, e incorporada em uma arquitetura de controle de uma cabeça robótica. A arquitetura foi avaliada no contexto de um problema real não trivial: o aprendizado da atenção compartilhada. Os resultados obtidos mostram que a arquitetura é capaz de exibir comportamentos apropriados durante uma interação social controlada, através da utilização do ETG. Uma análise comparativa com outros métodos foi realizada que mostram que o algoritmo proposto conseguiu obter um desempenho superior na maioria dos experimentos realizados

ASSUNTO(S)

robótica social aprendizado por reforço relacional aprendizado de máquina machine learning relational reinforcement learning sociable robotics

Documentos Relacionados

• Agente topológico de aprendizado por reforço
• Agente topológico de aprendizado por reforço
• Uso de heurísticas para a aceleração do aprendizado por reforço.
• Aplicação da rede GTSOM para navegação de robôs móveis utilizando aprendizado por reforço
• USING REINFORCEMENT LEARNING ON WEB PAGES REVISITING PROBLEM