DIPARTIMENTO DI STUDI UMANISTICI

DIPARTIMENTO DI STUDI UMANISTICI

 Corso di Laurea Interdipartimentale in Scienze
   della Formazione Primaria( Ind.Primaria)
                 A.A 2013/2014
REPORT SULL’ ELABORAZIONE                    DI   UN
AGENTE ARITIFICIALE

TEORIA E METODOLOGIA DEL MOVIMENTO UMANO
Prof. ELEONORA BILOTTA

STUDENTESSA : CACCAVANO TERESA matr.143499

REPORT primaria

• La Robotica è una scienza che si occupa in primis di studiare ,sviluppare
  metodologie che permettano ad un Robot o ad un agente di eseguire dei compiti
  specifici. La disciplina che si occupa di studiare agenti intelligenti e robot si
  definisce “ Intelligenza Artificiale”. L’agente che ho costruito, grazie all’ utilizzo
  del programma software BRAIN FARM , è in grado di interagire con l’ ambiente
  circostante , reattivo agli stimoli (cilindri e muri, i quali costituiscono l’ ostacolo );
  sarà capace di prendere decisioni e di agire in modo autonomo , con il fine di
  raggiungere un obiettivo ( GOAL), diventando un agente PROATTIVO ; soprattutto
  in grado di comunicare con gli altri agenti , sviluppando una notevole capacità
  cooperativa . L’ ipotesi di lavoro svolta si avvale del METODO SCIENTIFICO ,
  attraverso un osservazione sistematica dell’ esperienza che si sta svolgendo .
  Avviene una prima osservazione , la quale si basa su una accurata osservazione
  sistematica , seguita dall’ esperimento , ovviamente sviluppato in maniera
  controllata. Nel lavoro svolto , è stato necessario fare 5 simulazioni (esperimenti)
  per convalidare, CONFUTARE , le diverse ipotesi , protese a spiegare l’
  intelligenza di un agente, come possa differenziarsi col variare di alcuni parametri
  nella fase di progettazione. Con la convalida dell’ ipotesi , si procede con
  l’esecuzione degli esperimenti , in maniera tale che i risultati siano attendibili, i
  dati ed i grafici raccolti sono stati elaborati ed in seguito trasformati in teoria .

• L’esperimento è stato impostato nel seguente modo :
Da programmatore , il mio compito è stato che l’ intera progettazione dell’ agente
doveva essere decomposta in comportamenti reattivi : evitare ostacoli seguire muri,
esplorare l’ ambiente. Il mio ruolo è stato importante poiché ero la mente che
pianificava a priori le azioni , i movimenti del robot innanzi agli ostacoli ( 5 cilindri –
3 muri). Conforme alla Robotica Evolutiva , mi sono avvalsa di utilizzare e modificare
delle reti neurali.
Ho iniziato l’ esperimento nello scegliere il corpo dei 4 tipi di robot disponibili dal
software; la mia scelta fu il corpo del robot NXT , apportando dei cambiamenti alla
rete neurale interna , la quale funge da simulazione al sistema nervoso di un organismo
umano , costituito da un certo numero di neuroni artificiali che scambiano segnali tra
di loro attraverso delle connessioni . La rete neurale del mio agente artificiale ,
denominato START, fu composta da :

-   OUTPUT NEURONS :             2
      -   INTERNAL NEURONS :           2
      -   INFRARED SENSORS :           3
      -   GROUND SENSORS :             0
      -   CAMERA SENSORS :             0
Affinché il comportamento di una rete neurale , ovvero il tipo di risposte agli stimoli
che essa produce , è determinante da fattori come : regola di attivazione , pesi sinaptici,
architettura della rete ; i quali sono fondamentali per ottenere i comportamenti che si
erano preposti , purché si proceda attraverso i processi d’ apprendimneto ed attraverso
l’ evoluzione artificiale .

Dopo aver stabilito e creato la nuova struttura cognitiva , ho creato l’ ambiente in cui
l’ organismo vive ,con cui interagisce e nel quale dovrà cercare di superare gli eventuali
ostacoli , far lavorare la sua PERCEZIONE ATTIVA .
L’ambiente , come dimostra la foto sotto riportata , è costituito da 5 cilindri disposti
parallelamente e da 3 muri da evitare .

Dopo questa fase , ho scelto la modalità d’addestramento , definendo dei nuovi
      parametri di evoluzione , ogni qualvolta diversi per le 5 simulazioni ; una volta
      deciso e stabilito la mia IPOTESI DI LAVORO , si progetta l’ ESPERIMENTO,
      si addestra il mio piccolo agente “START” .
      Ispirandoci al modello computazionale che si ispira all’ Evoluzione di Darwin,
      sul principio della variazione genetica e selezione naturale , si valutano i risultati
      della prima evoluzione , se il mio robot avrà un patrimonio genetico in grado di
      adattarsi all’ ambiente (fitness), possiamo dedurre che gli individui con
      maggiore fitness sono mediamente favoriti (selezione naturale ) rispetto agli
      altri.Infatti la qualità di un individuo , in questo caso dell’ agente artificiale ,
      l’ho misurata attraverso la funzione di fitness, la quale mi ha indicato mediante
      grafici e calcoli , l’ adattabilità all’ambiente di START.

      In ordine di sequenza riporto i 6 ESPERIMENTI svolti (struttura cognitiva –
      ambiente , non hanno subito nessuna modifica )
              1° ESPERIMENTO BASE :

I parametri di evoluzione furono :
Genitori :3   Figli : 3   Generazioni 100 Lunghezza della vita : 100
Mutazione Genetica : bassa

2 ° esperimento :

I parametri di evoluzione furono :
Genitori : 5 Figli : 5 Generazioni : 100 Lunghezza della vita : 100
Mutazione Genetica : bassa

              3 ° Esperimento :

I parametri di evoluzione furono :
Genitori : 3 Figli : 5     Generazioni : 100   Lunghezza della vita:100
Mutazione genetica : bassa

4° ESPERIMENTO :

I parametri di evoluzione furono :
Genitori : 6 Figli : 3 Generazioni : 100 Lunghezza della vita : 100
Mutazione Genetica : bassa

              5 ° Esperiemento :

I parametri d’ evoluzione furono :
Genitori : 6 Figli : 12 Generazioni : 200    Lunghezza della vita: 200
Mutazione genetica : bassa

6 ° ESPERIMENTO :

I parametri di evoluzione furono :
Genitori : 7 Figli : 5 Generazioni : 100        Lunghezza della vita : 100
Mutazione Genetica : bassa

I dati ed i risultati sono stati allegati nel file FITNESS , con i relativi grafici .
Riporto i valori ottenuti dalla curva di fitness :
1° esperimento : 18 ,22….
2° esperimento : 12 , 52…
3° esperimento : 14, 73...
4° esperimento : 20
5° esperimento : 15,77
6 ° esperimento : 13,0

Gli individui più forti sono quelli con fitness (idoneità più alta , poiché risolvono meglio di altri il
problema dato , per tal motivo devono essere privilegiati nella fase di selezione , così da potersi
riprodurre e dare luogo ad una nuova generazione . Dai valori sopra riportati , la mia teoria è, che
lasciando per tutti i 6 esperimenti la stessa rete neurale (memoria interna ), un ambiente da esplorare
con ostacoli , l’ agente sarà in grado di percepire l’ambiente che lo circonda.
Gli esperimenti hanno avuto un esito positivo , cambiando i parametri di evoluzione e la modalità d’
addestramento , si riporta un idoneità maggiore nell’ esperimento 4, generazione appartenente a 6
genitori /3 figli /Generazione e Lunghezza vita :100 , dove la distribuzione è stata più omogenea .

   • Il lavoro è stato svolto singolarmente , non mi sono aggregata a nessun gruppo
   • Al robot ho apportato le modifiche nella struttura cognitiva , all’ ambiente nel
     quale sviluppa la sua evoluzione ed interazione , ho cambiato ogni qualvolta
     rifacevo i 6 esperimenti modifiche ai parametri di evoluzione , ovvero la
     popolazione dei genitori e dei figli ,per calcolare i diversi genotipi .

   • Alla simulazione ho apportato le modifiche iniziali del corpo del ROBOT NXT,
     l’ addestramento e i parametri .

   • Ho incontrato diversi problemi iniziali nell’ impostare il software , poiché era la
     prima volta in cui mi cimentavo in una cosa del genere , il tempo di prendere
     dimestichezza con il programma , è stato alquanto piacevole ,soprattutto perché
     in un futuro lo potrò far utilizzare ai miei futuri allievi di Scuola Primaria .
     Attraverso la tecnologia , si apprende il sistema nervoso centrale ed i vari sistemi
     di selezione ,ecc…

   • La soluzione adottata è stata quella di lavorare utilizzando il metodo
     scientifico, ovvero dopo svariate prove ed errori , ipotesi , sono arrivata alla
     mia teoria .

   • Per raggiungere l’obiettivo prefissato (GOAL) ho dovuto modificare la
     simulazione ed i parametri di evoluzione 3 volte .

   • Il mio lavoro è stato individuale , quindi la modalità di lavoro è stata
     completamente autonoma