Toma de decisiones difusa y predicción del comportamiento oponente

Toma de decisiones difusa y predicción del

comportamiento oponente

Gustavo ArmagnoFacundo BenavidesClaudia Rostagnol

www.fing.edu.uy/inco/grupos/mina/pGrado/FIRA2005.html

http://www.fing.edu.uy/inco/grupos/mina/pGrado/FIRA2005.html







Agenda

FIbRA | CAFR | 2006 2

Antecedentes Modelo / Estructura de la solución

Predictores Predicados

Predicción Arquitectura Ants / Clusters

Toma de decisiones Fuzzy Logic

Expectativas / Conclusiones

Agenda







Proyecto de grado / Ingeniería en Computación

Prototipo experimental


Antecedentes

Agenda







Logran un mejor reconocimiento del entorno brindando información que permite potenciar la toma de decisiones y el path planning.

Filtran la información del ambiente (Env) y generan nueva información enriquecida (mayor nivel de abstracción).

Dominios Estado del juego

Score, jugadas especiales Movimiento

Trayectorias, Obstáculos, Atascamientos Patrón de juego oponente

Tipos Detectores Predictores Monitores


Estructura de la soluciónPredictores

Basados en lógica difusa

Utilizan la información del entorno (Env) y la meta-información generada por los predictores

Junto con los predictores conforman el modelo del mundo en el que se basa la solución

Al igual que los predictores permiten a la estrategia razonar en base a conceptos más abstractos


Estructura de la soluciónPredicados


Estructura de la solución

Simulator

DMM

Pre

dict

ion

Path Planning

Coach

EnvDat

a

Env

Env *

Env *

Agenda







Pipes & Filters

ThreadsPara optimizar el procesamiento y minimizar el tiempo de respuesta del sistema, se crea un hilo de ejecución por cada filtro


ArquitecturaPredicción

Source

Kicks Passes

ClustersAnts

Graph Sink

Detección de zonas de actividad Ants / Clusters

Detección de pases Kicks


Patrones de juego oponentePredicción

Agenda







La principal responsabilidad de la toma de decisiones es elegir acciones que permitan alcanzar el objetivo global del equipo, ganar el juego.

Niveles Estrategia Roles Acciones

Fuzzy Logic Pertenencia parcial a conjuntos. Lotfi Zadeh. Permite manejar tipos de datos en los que se manejen términos

imprecisos o subjetivos


Toma de decisiones

Cada uno de los niveles define un nivel de abstracción y las unidades lógicas que lo conforman

Cada unidad se evalúa a través de un conjunto de reglas lógicas

Las reglas lógicas de cada unidad de los tres niveles están definidas en archivos de configuración


Reglas lógicasToma de decisiones

And

OrNotHomeAtHomeGoal

BallInHomeGoalDirection BallNearHomeGoalStucked

Agenda







Expectativas Confirmar resultados Intercambiar conocimientos

Conclusiones Patrones de juego oponente

Detección de zonas de actividad / Resultados favorables Detección de pases / Resultados no favorables

Experimentar en otras ligas Toma de decisiones

Intercambio de roles dinámico / Comportamientos emergentes Independencia entre implementación y complejidad del modelo del

mundo / Resultados favorables Ajuste del modelo dependiente de la complejidad

Realizar ajuste mediante aprendizaje automático



Visión de Robots http://www.fing.edu.uy/inco/grupos/mina/pGrado/vision2003/

(último acceso 07/2006)

Ant Colony Optimization http://iridia.ulb.ac.be/~mdorigo/ACO/ACO.html


Tutorial On Fuzzy Logic www.iau.dtu.dk/~jj/pubs/logic.pdf



Links

http://www.fing.edu.uy/inco/grupos/mina/pGrado/vision2003/

http://iridia.ulb.ac.be/~mdorigo/ACO/ACO.html

http://www.iau.dtu.dk/~jj/pubs/logic.pdf

Toma de decisiones difusa y predicción del comportamiento oponente

Documents

Transcript of Toma de decisiones difusa y predicción del comportamiento oponente