1
Proposta di progetto
Sia assegnato un ambiente chiuso con ostacoli. Assegnata una tana, si
vogliono raccogliere una serie di cubi accumulati in alcuni luoghi
non noti all’interno dell’ambiente.
Raccogliere un cubo alla volta e portarlo alla tana, evitando gli
ostacoli e cercando il percorso migliore. Terminati i cubi accumulati
in un posto cercare gli altri.
Gli ostacoli sono di colore blu, i cubi di colore rosso, la tana di colore
giallo.
Dotare il robot di un sistema sensoriale facendo ricorso a sensori
disponibili sul mercato (sonar, bumper, bussole, luminosità (colore),
suoni, etc.).
Può esserci una piccola memoria ma il paradigma di riferimento deve
essere quello reattivo.
http://www.informatik.uni-bremen.de/simrobot/index_e.htm
2
Il Paradigma Reattivo emerse nei tardi anni ‘80. Esso è importante da
studiare per almeno due ragioni.
Primo, i sistemi robotici operanti in domini ristretti con compiti limitati
sono ancora oggi costruiti usando architetture reattive.
Secondo, il Paradigma Reattivo è la base per il Paradigma Reattivodeliberativo Ibrido
3
Il Paradigma Reattivo scaturì dall'insoddisfazione del paradigma gerarchico e
dalle idee provenienti dall'etologia.
Anche se i vari sistemi reattivi possono o non possono aderire strettamente ai
principi dell'intelligenza biologica, generalmente imitano alcuni aspetti della
biologia.
L'insoddisfazione del Paradigma Gerarchico fu molto bene compendiata da
Rodney Brooks, che caratterizzò quei sistemi come aventi una decomposizione
orizzontale come mostrato
4
Invece, un esame della letteratura etologica suggerisce che l'intelligenza
è stratificata secondo una decomposizione verticale, come mostrato qui
5
Secondo una decomposizione verticale, un agente prevede in primo
luogo behavior di sopravvivenza primitivi ed evolve poi verso strati
nuovi di behavior che o riusano i behavior più bassi e precedenti, oppure
interdicono i behavior più vecchi, o creano tracce parallele di behavior
più avanzati.
Gli elementi paralleli possono essere pensati a strati, accatastati
verticalmente. Ogni strato ha accesso a sensori ed attuatori
indipendentemente da qualunque altro strato.
Se accade qualche cosa ad un behavior avanzato, i behavior di livello più
basso restano ancora operativi. Questo ritorno ad un livello più basso
imita il degrado di funzioni autonome nel cervello.
Le funzioni nel cervello funzionano (come il respirare) continuamente
indipendentemente da funzioni di ordine più alte (come contare,
riconoscere volti, progettare), permettendo ad esempio ad una persona
che ha un danno di cervello da uno scontro di auto ancora di respirare,
6
etc.
Lavori da Arkin, Brooks e Payton si sono concentrati sulla definizione
dei behavior e sui meccanismi per manipolare correttamente situazioni
quando più behavior sono simultaneamente attivi.
Brooks propose un approccio noto ora come sussunzione e costruì degli
insetti robot con behavior inseriti direttamente nell’hardware.
7
Arkin e Payton usarono una metodologia di campi potenziale, favorendo
realizzazioni software. Entrambi gli approcci sono equivalenti. Il
Paradigma Reattivo incontrò inizialmente una forte resistenza da parte
dei clienti tradizionali di robotica, particolarmente i militari e le agenzie
per il controllo nucleare. Questi utenti delle tecnologie robotiche erano
preoccupati del modo impreciso in cui behavior distinti si combinavano
per formare un behavior emergente e più ricco.
In particolare, i behavior reattivi non sono assoggettabili a dimostrazioni
matematiche che mostrano che essi sono sufficienti e corretti per un certo
compito.
Alla fine, i tempi di esecuzione rapidi associati coi behavior riflessivi
portarono alla loro accettazione da parte degli utenti, proprio nel
momento in cui i ricercatori si erano spostati verso il paradigma Ibrido
per esplorare anche strati di intelligenza
8
I Behavior possono operare concomitantemente e sequenzialmente.
Di seguito le due architetture rappresentative, sussunzione e campi di
potenziale, sono confrontate e contrapposte usando lo stesso task come
esempio.
Vedremo in questa parte come una architettura manipola behavior
concomitanti per produrre un behavior emergente.
9
Attributi del Paradigma Reattivo
L'attributo fondamentale del paradigma reattivo è che tutte le azioni sono
portate a termine attraverso behavior.
Come nei sistemi etologici, i behavior sono un mapping diretto degli
input dei sensori con un pattern di azioni motorie che sono usate poi per
realizzare il compito.
Da una prospettiva matematica, i behavior sono semplicemente una
funzione di trasferimento, trasformando gli input sensori in comandi per
gli attuatori.
10
Per gli scopi di questo corso, un behavior sarà trattato come uno schema,
e consisterà di almeno un schema motore ed uno schema percettivo.
Lo schema percettivo contiene l'algoritmo per estrarre il percetto e la sua
forza (o valore), lo schema motore contiene l'algoritmo per generare il
pattern di azione per un attuatore fisico.
Teniamo presente però che solo poche architetture di robot reattivi
descrivono i loro behavior in termini di schemi. Ma in pratica, le
realizzazioni più behaviorali hanno routine motorie e percettive
riconoscibili, anche se raramente sono riportate come schemi.
11
Il Paradigma Reattivo letteralmente eliminò la componente di
Pianificazione della triade Percezione, Pianificazione, Azione, come
mostrato in Figura.
BEHAVIOR
BEHAVIOR
SENSE
BEHAVIOR
SENSE
BEHAVIOR
SENSE
BEHAVIOR
SENSE
BEHAVIOR
SENSE
SENSE
ACT
ACT
ACT
ACT
ACT
ACT
12
Le componenti di Percezione e Azione sono strettamente accoppiate nei
behavior, e tutte le attività del robot emergono come il risultato di questi
behavior che o operano in sequenza o concomitantemente.
L’organizzazione S-A non specifica come i behavior sono coordinati e
controllati; questo è un importante tema evidenziato dalle architetture.
La percezione nel Paradigma Reattivo è locale in ogni behavior, o
behavior-specifico.
Ogni behavior ha il suo proprio sistema percettivo dedicato. In molti
casi, questo è implementato come un sensore e schema percettivo per
behavior. Ma in altri casi, più di un behavior può prendere lo stesso
output da un sensore e può trattarlo differentemente (tramite lo schema
percettivo del behavior).
Un behavior letteralmente non sa quello che un altro behavior sta
facendo o sta percependo. La Fig. mostra graficamente il meccanismo
13
percettivo del Paradigma Reattivo.
…....
14
Organizzazione S-A del Paradigma Reattivo in behavior multipli e
concomitanti
Questo paradigma, come già detto, è fondamentalmente opposto al
modello di mondo globale usato nel paradigma gerarchico.
Il percetto è immediatamente disponibile per lo schema percettivo del
behavior che può fare poca o molta elaborazione secondo le necessità per
estrarre il percetto prevalente.
Se è usata una affordance, computazionalmente poco costosa, allora la
parte percettiva del behavior è quasi istantanea e l’azione è molto rapida.
Come può essere visto dal capitolo precedente sui fondamenti biologici
del paradigma reattivo, i behavior favoriscono l'uso di affordances.
15
Brooks disse (rumorosamente) in una conferenza, "noi non abbiamo
bisogno di rappresentazione puzzolenti."
Si dovrebbe notare che spesso la parte di schemi percettivi del
behavior deve usare una rappresentazione behavior-specifica o una
struttura dati per rivelatori specializzati capace di estrarre affordances.
Per esempio, estrarre una regione rossa in un'immagine è non-banale
per un computer comparato con un animale che vede il rosso.
Il punto è che mentre un programma di computer può dovere avere
strutture dati per simulare un semplice funzionamento neurale, il
behavior non conta su alcuna rappresentazione centrale fornita da tutti i
sensori.
16
Nelle prime realizzazioni del paradigma reattivo, l'idea di
"un sensore, un behavior"
funzionò bene.
Per behavior più avanzati, divenne utile fondere l’output di sensori
multipli all'interno di uno schema percettivo per avere maggiore
precisione o una migliore misura della forza dello stimolo.
Questo tipo di fusione di sensori è permesso all'interno del paradigma
reattivo finché la fusione è locale al behavior.
17
Caratteristiche e connotazioni dei behavior reattivi
Come visto precedentemente, un sistema robotico reattivo decompone la
funzionalità in behavior che accoppiano strettamente percezione ad
azione senza l'uso di interposizioni di rappresentazioni astratte (globale).
Questa è una definizione ampia e vaga.
18
La connotazione primaria di un sistema robotico reattivo è che
risponde rapidamente.
L'accoppiamento stretto di percezioni ed azioni permettono al robot di
operare in tempo reale, muovendosi alla velocità di 1-2 cm per
secondo.
I behavior possono essere implementati direttamente in hardware come
circuiti, o come algoritmi di complessità computationale bassa (0(n)).
Questo vuole dire che i behavior reagiscono non solo rapidamente
rispetto al processo, ma sono particolarmente veloci se comparati alle
velocità di esecuzione di Shakey e di altri robot legati al paradigma
gerarchico.
Una connotazione secondaria è che i sistemi robotici reattivi non hanno
nessuna memoria, limitando i behavior reattivi a quello che i biologi
19
chiamerebbe riflessi stimolo-risposta puri.
In pratica, molti behavior esibiscono un pattern di risposta di azioneprefissata, laddove il behavior persiste per un periodo di tempo corto
senza la presenza diretta dello stimolo.
Il punto principale è che i behavior sono controllati da quello che sta
accadendo nel mondo, duplicando così lo spirito di meccanismi di
releasing innati, piuttosto che dal memorizzare e ricordare quello che
il robot ha fatto di recente.
20
Le cinque caratteristiche di quasi tutte le architetture che seguono il
Paradigma Reattivo sono:
1. I robot sono agenti situati che operano in una nicchia ecologica.
Come visto nella prima Parte, agente situato vuole dire che il robot
è una parte integrante del mondo. Un robot ha le sue proprie mete
ed intenzioni. Quando un robot agisce, cambia il mondo, e riceve
una reazione immediata dal mondo attraverso i sensori. Quello che
il robot percepisce influenza le sue mete e il tentativo di
soddisfarle, genera un nuovo ciclo di azioni.
Attenzione che la situatedness è definita da un ciclo Azionepercezione di Neisser. Similmente, le mete del robot, il mondo nel
quale opera e come esso può percepire il mondo formano la nicchia
ecologica del robot.
Per enfatizzare questo molti ricercatori di robotica dicono che
21 loro
stanno lavorando su robotica ecologica.
2. I behavior servono come fondamenti di base per le azioni del robot,
ed il behavior complessivo del robot è quello che emerge.
I behavior sono entità computazionali indipendenti, ed operano
concomitantemente. Il behavior complessivo emerge di conseguenza:
non c'è nessun modulo "controllore" esplicito che determina quello
che sarà fatto, o funzioni che chiamano le altre funzioni.
Ci può essere un programma di controllo coordinato nello schema di
un behavior, ma non c'è nessun controllore esterno di tutti i behavior
per un dato compito.
Come con gli animali, l’ "intelligenza" del robot è nell'occhio
dell'osservatore, piuttosto che in un specifico pezzo di codice. Poiché
il behavior complessivo di un robot reattivo emerge dal modo con cui i
suoi behavior individuali interagiscono, le maggiori differenze tra le
architetture reattive risiedono di solito nello specifico meccanismo per
le interazioni.
Ricordiamo dal Capitolo 3 che questi meccanismi includono
22
combinazione, soppressione, e cancellazione.
3. Sono permessi solo behavior-specifico percettivi locali.
L'uso di rappresentazioni della conoscenza astratte esplicite nel
trattare la percezione, anche se è behavior-specifico, è evitato.
Qualunque percetto che richiede rappresentazione è espresso
mediante coordinate ego-centriche (robot-centriche).
Per esempio, si consideri l’evitare un ostacolo. Una rappresentazione
ego-centrica vuole dire che non è importante che un ostacolo è nel
mondo alle coordinate (x,y,z), ma solamente dove è relativamente al
robot.
I dati sensoriali, con l'eccezione del GPS, sono inerentemente egocentrici (e.g., un range finder ritorna una distanza dall'oggetto più
vicino al transducer), questo elimina l’elaborazione necessaria per
creare un modello del mondo, mentre estrae solo la posizione degli
ostacoli relativamente al robot.
23
4. Questi sistemi seguono i buoni principi della progettazione software.
La modularità dei behavior favorisce la decomposizione di un task in
behavior componenti.
I behavior sono esaminati indipendentemente, e possono essere
assemblati a partire da behavior primitivi.
24
5. Modelli animali di behavior sono spesso citati come una base per
questi sistemi o per un particolare behavior.
Diversamente dei primi giorni della robotica AI, dove c'era un sforzo
consapevole di non imitare l'intelligenza biologica, è molto più
accettabile nel paradigma reattivo usare gli animali come una
motivazione per una collezione di behavior.
25
I vantaggi di programmare con i behavior
Costruire un sistema robotico sotto il Paradigma Reattivo è spesso
riportato come programmare con behavior, poiché il componente
fondamentale di ogni realizzazione sono i behavior.
Programmare con behavior ha molti vantaggi, la maggior parte dei
quali sono coerenti coi buoni principi di ingegneria del software.
I Behavior sono inerentemente modulari e facili da esaminare isolati dal
sistema (i.e., essi forniscono unità di test).
I Behavior forniscono anche possibili espansioni incrementali delle
capacità di un robot. Un robot diviene più intelligente avendo più
behavior. La decomposizione comportamentale dà luogo ad una
realizzazione che opera in tempo reale ed è di solito
computazionalmente poco costosa.
Ciononostante vedremo che alcune volte la duplicazione di alcuni
sensori specializzati (come i flussi ottici) è lenta. Se i behavior sono
realizzati in economia, allora la realizzazione reattiva può essere 26
lenta.
Generalmente, la velocità di reazione di un robot reattivo è
equivalente ai tempi di stimolo-risposta negli animali.
I behavior supportano buoni principi di ingegneria del software
attraverso la decomposizione, modularità e i test incrementali.
Se è programmato con il più alto grado di indipendenza possibile
(anche detto accoppiamento basso), il progettista può mettere su
biblioteche facili da capire, da manutenere, e può riusare moduli che
minimizzano i side effects. Accoppiamento basso vuole dire che i
moduli possono funzionare indipendentemente l'uno dall'altro con
minimi collegamenti o interfacce, promuovendo così un facile riuso.
Coesione vuole dire che i dati e le operazioni contenute in un modulo
si riferiscono solo al goal di quel modulo.
27
Architetture rappresentative
Per implementare un Sistema reattivo il progettista deve identificare il
set di behavior necessario per il task. I behavior possono essere o
nuovi o si possono usare behavior esistenti. L'azione complessiva
del robot emerge da behavior multipli e concomitanti.
Quindi un'architettura reattiva deve offrire meccanismi per
1) gestire behavior
2) determinare quello che accade quando behavior multipli sono
attivi allo stesso tempo.
Un'altra caratteristica che distingue tra loro le architetture reattive è
come esse definiscono un behavior.
Si noti che alcuni autori usano terminologie particolari.
28
Ci sono molte architetture che vanno bene con il Paradigma Reattivo.
Le due più conosciute e meglio formalizzate sono la sussunzione e le
metodologie dei campi di potenziale.
La sussunzione fa riferimento a come i behavior sono combinati.
Le Metodologie a Campi di potenziale costringono i behavior ad essere
implementati come campi di potenziale, ed i behavior sono combinati
dalla sommatoria dei campi.
Un terzo stile di architettura reattiva che è popolare in Europa e in
Giappone è il rule encoding, dove il componente schema motore del
behavior ed il meccanismo di combinazione sono implementati come
regole logiche. Le regole per combinare i behavior sono spesso ad hoc,
e perciò non le tratteremo in questo corso.
Altri metodi per combinare behavior esistono, incluso metodi fuzzy e il
vincitore-prende-tutto, ma questi tendono ad essere dettagli di
realizzazione piuttosto che una vera e propria architettura.
29
Architettura a Sussunzione
L'architettura a sussunzione di Rodney Brooks è la più nota nei
sistemi puramente Reattivi.
Parte della popolarità scaturisce dalla pubblicità che circonda i molti
robot naturalistici costruiti con la sussunzione. Come si può vedere in
Fig., questi robot davvero sembrano insetti dell’ordine di grandezza di
una scatola di scarpe, con sei gambe ed antenne.
In molte realizzazioni, i behavior sono inseriti direttamente nel
hardware o su piccoli micro-microprocessori, permettendo ai robot di
avere tutta la capacità di calcolo on-board (questo non era vero per i
microprocessori poco potenti di metà degli anni 1980).
Inoltre, i robot di Brooks furono i primi ad essere capaci di
camminare, evitando collisioni, salire su ostacoli senza le pause del
30
"muovi-pensa-muovi-pensa" di Shakey.
31
Il termine "behavior" nell'architettura a sussunzione ha un significato
meno preciso che nelle altre architetture.
Un behavior è una rete di moduli percezione-azione che portano a
termine un task. I moduli sono Augmented Finite State Machine
AFSM, che hanno registri, temporizzatori, e altri miglioramenti per
permettere loro di essere connessi con gli altri moduli.
Un AFSM è equivalente all'interfaccia tra gli schemi e la strategia di
controllo coordinata in un schema comportamentale. In termini di
teoria degli schemi, un behavior di sussunzione è una raccolta di uno o
più schemi in un behavior astratto.
32
Una Macchina a Stati Finiti (FSM) è un sistema computazionale che cambia il
suo stato in funzione dello stato corrente e dell’input.
Essa può assumere un numero finito di stati differenti e passa da uno stato
all’altro secondo precise regole.
Un esempio è un cancelletto girevole che si apre con una moneta.
Se il cancelletto è bloccato (stato 1) e si inserisce una moneta allora la macchina
cambia stato (stato 2 - cancelletto sbloccato).
Se l’input ora è una persona, cioè qualcuno cerca di entrare, e si inserisce una
moneta allora si sblocca e subito dopo però torna allo stato 1.
Se è sbloccato e si inserisce una moneta, la macchina resta nello stato 2. Se è
bloccato (stato 1) e l’input è una persona esso rimane bloccato.
Inserisci moneta
1 bloccato
2 sbloccato
Persona attraversa
il cancello
Inserisci
moneta
33
input/stato 1 (bloccato)
2 (sbloccato)
Moneta
2 (sbloccato)
2 (sbloccato)
Persona
1 (bloccato)
1 (bloccato)
Inserisci moneta
1 bloccato
2 sbloccato
Persona attraversa
il cancello
Inserisci
moneta
Le Macchine a Stati Finiti Augmented (AFSM) sono FSM a cui
vengono aggiunte alcune facilities (registri, sistemi di timing etc.)
34
I Behavior sono attivati con una modalità tipo stimolo-risposta,
senza un programma esterno che li coordini e controlli
esplicitamente.
Ci sono quattro aspetti interessanti della sussunzione in termini di
attivazione e controllo :
1. I moduli sono raggruppati in strati di competenza.
Gli strati riflettono una gerarchia dell'intelligenza, o della
competenza. Strati più bassi incapsulano funzioni di
sopravvivenza di base come evitare collisioni, mentre livelli più
alti creano azioni dirette alla meta come ad esempio il mapping
di un oggetto.
Ognuno degli strati può essere visto come un behavior astratto
per un particolare compito.
35
2. I moduli in un strato più alto possono avere la priorità, o
sussumere, l’output del behavior nello strato adiacente più basso.
Gli strati comportamentali operano concomitantemente ed
indipendentemente, quindi si ha bisogno di disporre di un meccanismo
che si occupi dei conflitti potenziali.
La soluzione nella sussunzione è del tipo il vincitore-prendere-tutto,
dove il vincitore è sempre lo strato più alto.
36
3. L'uso di stati interni è evitato.
Per stato interno in questo caso si intende un qualunque tipo di
rappresentazione locale e persistente che rappresenta lo stato del
mondo, o un modello.
Poiché il robot è un agente situato, la maggior parte delle sue
informazioni dovrebbero venire direttamente dal mondo.
Se il robot dipende da una rappresentazione interna, quello che esso
crede può cominciare a divergere pericolosamente dalla realtà.
Alcuni stati interni sono necessari per attivare behavior come essere
spaventati o affamati, ma una buona progettazione li minimizza.
37
4. Un task è portato a termine attivando lo strato opportuno che
poi attiva gli strati più bassi sotto di lui e così via.
In pratica, i sistemi a sussunzione non sono facilmente taskable,
ovvero, non possono ricevere l’ordine di fare un altro task senza
essere riprogrammati.
38
Esempi
Questi aspetti sono illustrati meglio da un esempio, preso e modificato
estensivamente dai lavori originali di Brooks al fine di essere
consistente con la terminologia della teoria degli schemi e facilitare il
paragone con la metodologia dei campi di potenziale.
Un robot capace di muoversi in avanti e non collidere con niente
potrebbe essere rappresentato con un solo strato, Livello 0.
In questo esempio, il robot ha sonar multipli (o altri sensori di
distanza), ognuno che punta in una direzione diversa, e due attuatori,
uno per andare avanti ed uno per girare.
39
Il modulo Sonar legge il
range dei sonar, fa ogni
possibile filtraggio del
rumore, e produce un
grafico polare.
Un grafico polare
rappresenta le letture di
distanze in coordinate
polari,
(r, ), intorno al robot.
Come mostrato in Fig., la
trama polare può essere
sviluppata linearmente.
40
Se la lettura del range del sonar rivolto in avanti è sotto una certa soglia, il modulo
COLLIDE annuncia una collisione e spedisce il segnale di alt all'attuatore che
gestisce il FORWARD. Se il robot si sta muovendo in avanti, ora si ferma. Nel
frattempo, il modulo di FEELFORCE sta ricevendo lo stesso grafico polare. Esso
tratta ogni lettura del sonar come una forza repulsiva che può essere rappresentata
come un vettore.
FEELFORCE può essere pensato come un sommatore di vettori formati da ognuna
delle letture sonar. Questo dà luogo ad un vettore nuovo. Il vettore repulsivo è
passato poi al modulo di TURN.
Il modulo di TURN fornisce la direzione per girare e la invia all'attuatore di svolta.
TURN passa il vettore anche al modulo FORWARD che usa la grandezza del vettore
per determinare la grandezza del prossimo movimento in avanti (quanto lontano o
quanto veloce). Così il robot gira e va via per una piccola distanza dall'ostacolo.
41
Il behavior osservabile è che il robot verifica che non si trova in un
spazio occupato e fa questo finché un ostacolo non gli arriva vicino.
Se l'ostacolo è su un lato del robot, il robot girerà di 180° nella
direzione opposta e va via.
Il robot può reagire ad un ostacolo se l'ostacolo (o robot) è immobile
o in lento movimento; la risposta è calcolata ad ogni aggiornamento
dei sensori.
Se parte dell'ostacolo, o un altro ostacolo, è messo davanti, il robot si
fermerà, poi applicherà i risultati di RUNAWAY. Cioè si fermerà,
girerà e comincerà a muoversi di nuovo in avanti. La fermata
impedisce al robot di urtare l'ostacolo mentre sta girandosi e sta
muovendosi in avanti. Il livello 0 mostra come un set abbastanza
complesso di azioni può emergere da moduli molto semplici.
42
È utile rivedere l'architettura a sussunzione nei termini usati finora
in questo corso, come mostrato in Fig. Si noti come questo somiglia
alla decomposizione verticale del lucido 4: i dati sensoriali
circolano attraverso i behavior concorrenti verso l'attuatore,
l’indipendenza di questi behavior fa sì che il robot faccia la cosa
giusta. Il modulo SONAR potrebbe essere considerato come
un'interfaccia globale verso i sensori, mentre i moduli TURN e
FORWARD sarebbero considerati come parte dell'attuatore
(un'interfaccia).
43
Per gli scopi di questo corso, un behavior deve consistere di uno schema
percettivo e di uno schema motorio. Gli schemi percettivi sono connessi
ad un sensore, mentre gli schemi motori sono connessi ad attuatori.
Per il Livello 0, gli schemi percettivi sarebbero contenuti nei moduli
FEELFORCE e COLLIDE.
Gli schemi motori sono i moduli RUNAWAY e COLLIDE.
COLLIDE combina sia il processo percettivo (estrae il vettore dal sonar
che guarda direttamente avanti) sia il pattern attuativo (dà l'alt se c'è una
lettura negativa).
I behavior primitivi riflettono i due percorsi attraverso lo strato. Uno
potrebbe essere chiamato il behavior di RUNAWAY e l'altro il behavior
di COLLIDE. Insieme, i due behavior creano un behavior per evitare
ostacoli, o uno strato di competenza.
44
Si noti che i behavior usano una percezione diretta, o affordances. La
presenza di una lettura di distanza indica che c’è un ostacolo; il robot non
deve sapere di che tipo di ostacolo si tratti.
Supponiamo di costruire un robot che va in giro invece di stare
immobile, ma sempre capace di evitare ostacoli. Sulla base dello schema
della sussunzione, può essere aggiunto un secondo strato di competenza
(Livello 1).
L1
L0
45
In questo caso, il Livello 1 consiste di un modulo WANDER che
elabora un andamento casuale ogni n secondi. L'andamento casuale
può essere pensato come un vettore. Esso ha bisogno di passare la sua
indicazione ai moduli TURN e FORWARD. Ma non può essere
passato direttamente al modulo TURN. Questo infatti sacrificherebbe
l’evitare gli ostacoli, perché TURN accetta solamente un input. Una
soluzione è di aggiungere un altro modulo al Livello 1, AVOID che
combina il vettore di FEELFORCE col vettore di WANDER.
L1
L0
46
Aggiungendo un nuovo modulo AVOID si offre un'opportunità di
creare una risposta più sofisticata agli ostacoli. AVOID combina la
direzione della forza da evitare con la direzione desiderata. Questo dà
luogo alla direzione attuale che è rivolta più verso una direzione
corretta che verso la svolta che il robot avrebbe dovuto fare perdendo
un avanzamento diretto. (Si noti anche che il modulo AVOID è capace
di "spiare" le componenti dello strato più basso). L’output di una
direzione di AVOID ha la stessa rappresentazione dell’output di
RUNAWAY così che TURN può accettare input da entrambe le fonti.
47
Il problema ora sembra essere quando accettare il vettore di
direzione e da quale strato.
La sussunzione rende questo semplice: l’output dal livello più alto
sussume l’output dal livello più basso.
La sussunzione è realizzata in uno di due seguenti modi:
1. inibizione.
Nell’inibizione, l’output del modulo di sussunzione è connesso
all’output di un altro modulo. Se l’output del modulo che
sussume è "on" o ha un qualunque valore, l’output del modulo
sussunto è bloccato o spento. L’inibizione agisce come un
rubinetto, cambiando da on a off l’output.
48
2. soppressione.
Nella soppressione, l’output del modulo che sussume è connesso
all’input di un altro modulo. Se l’output del modulo che sussume
è on, esso sostituisce l’input normale al modulo sussunto.
La soppressione agisce come un interruttore, scambiando un input
con un altro.
In questo caso, il modulo AVOID sopprime (segnato nel
diagramma con una S) l’output da RUNAWAY.
RUNAWAY sta ancora operando, ma il suo output non va da
nessuna parte.
Invece, l’output da AVOID va a TURN.
49
L'uso di strati e sussunzione permette a nuovi strati di essere
costruiti sopra lo strato meno competente, senza cambiare gli strati
più bassi. Questa è buon ingegneria del software, poichè facilita la
modularità e semplifica il test. Essa aggiunge anche un po' di
robustezza nel senso che se qualche cosa dovesse disabilitare il
Livello 1, il Livello 0 è probabile che rimanga intatto. Il robot
sarebbe almeno capace di preservare il suo meccanismo di
autodifesa e quindi di fuggire quando si avvicina agli ostacoli.
50
La Fig. mostra il Livello 1 rivisto come behavior. Nota che
FEELFORCE è usato da RUNAWAY e AVOID.
FEELFORCE è la componente percettiva (nello schema) di ambo i
behavior, con i moduli AVOID e RUNAWAY che sono il componente
motorio. Spesso accade che i behavior sono chiamati con il nome
dell'azione osservabile. Questo vuole dire che il behavior (che consiste di
percezione ed azione) e la componente azione hanno lo stesso nome. La
figura non mostra che i behavior AVOID e RUNAWAY hanno lo stesso
schema percettivo FEELFORCE. Come sarà visto nel prossimo capitolo,
le proprietà object-oriented dello schema theory facilitano il riuso e la
condivisione di componenti percettive e motorie.
51
Ora supponiamo di aggiungere un terzo strato per permettere al robot di muoversi
lungo un corridoio, come mostrato in Fig. (il terzo strato nel lavoro originale di
Brooks è "esplorare", perché lui stava considerando un task di mappatura). Il modulo
di LOOK esamina il plot polare del sonar ed identifica un corridoio. (Si noti che
questo è un altro esempio di behavior che condivide gli stessi dati sensoriali ma li usa
localmente per scopi diversi). Poiché identificare un corridoio è più costoso
computazionalmente che estrarre solo i dati di distanza, LOOK può richiedere molto
più tempo di elaborazione di quello richiesto dai behavior a livelli più bassi. LOOK
passa il vettore che rappresenta la direzione in mezzo al corridoio al modulo
STAYINMIDDLE. STAYINMIDDLE sussume il modulo WANDER e manda il suo
output al modulo AVOID che può eventualmente girare attorno agli ostacoli.
L2
L1
L0
52
Ma come fa il robot se il modulo di LOOK non ha calcolato una
direzione nuova? In questo caso il modulo INTEGRATE sta
osservando il moto attuale del robot dagli shaft encoders degli
attuatori. Questo dà una stima di quanto lontano dal centro il robot
abbia viaggiato dall'ultimo aggiornamento di LOOK.
STAYINMIDDLE può usare i dati raccolti per calcolare il vettore per
il nuovo corso. Questo serve a colmare i vuoti negli adattamenti
dovuti a diverse velocità di aggiornamento dei diversi moduli. Si noti
che LOOK e STAYINMIDDLE sono alquanto sofisticati da un punto
di vista software.
L2
L1
L0
53
INTEGRATE è un esempio di modulo che si preoccupa di un
eventuale stato interno pericoloso: esso opera sulla base di un
feedback dal mondo reale. Se per qualche ragione, il modulo di
LOOK non aggiorna mai, allora il robot potrebbe operare senza alcuni
dati sensoriali per sempre. O almeno finché non si rompe! Perciò,
sistemi con lo stile a sussunzione includono costanti di tempo sulla
soppressione e sull'inibizione.
Se la soppressione da STAYINMIDDLE funziona più a lungo di n
allora la soppressione cessa. Il robot comincia a vagare con una buona
speranza che qualunque sia il problema (come il corridoio bloccato
totalmente) che aveva condotto alla perdita dei segnali si risolva.
54
Chiaramente, un altro problema è: come sa il robot che non ha
cominciato a percorrere il corridoio come avrebbe dovuto?
Risposta: non lo sa.
Il progetto presume che un corridoio sarà sempre presente nella
nicchia ecologica del robot.
Se non c’è, il robot non si comporta come previsto.
Questo è un esempio della connotazione i che sistemi reattivi sono
"senza memoria."
55
Sommario Sussunzione
• La sussunzione ha una debole definizione di behavior come
accoppiamento stretto di percezione e azione. Anche se non è
un'architettura a schema-theory, essa può essere descritta in questi
termini.
Essa raggruppa moduli tipo schema in strati di competenza, o
behavior astratti.
• Strati più alti possono sussumere e inibire behavior in strati più
bassi, ma behavior in strati più bassi non sono mai riscritti o
sostituiti. Da un punto di vista della programmazione, questo può
sembrare strano. Comunque, così si imita l'evoluzione biologica. Si
ricordi che il behavior volante nelle rane (Lez. 3) era il risultato di
due behavior, uno che sempre si muoveva verso gli oggetti in
movimento e l'altro che sopprimeva questo behavior quando
l'oggetto era grande.
56
• Il progetto di strati e componenti di behavior per una realizzazione
della sussunzione, come con ogni altro progetto comportamentale, è
difficile; è più un'arte che una scienza. Questo è vero per tutte le
architetture reattive.
• Non vi è nulla che assomigli ad una pianificazione tipo STRIPS nella
sussunzione. Invece i behavior sono attivati dalla presenza dello stimolo
nell'ambiente.
57
•La sussunzione risolve il Frame problem eliminando il bisogno di
modellare il mondo. Non ci deve preoccupare se il mondo aperto è nonmonotono e non ha un tipo di meccanismo di mantenimento di verità,
perché i behavior non ricordano il passato. Ci può essere della
persistenza percettiva che conduce ad un tipo di behavior con un pattern
di azione fisso (e.g. seguire un corridoio), ma non c'è nessun
meccanismo che evidenzi i cambi nell'ambiente. I behavior
semplicemente rispondono a qualunque stimolo dell'ambiente.
•La Percezione è diretta, usando le affordances. Il releaser per un
behavior è quasi sempre il percetto per guidare lo schema motore.
•La percezione è ego-centrica e distribuita. Nell'esempio del WANDER
(strato 1), il plot polare del sonar era relativo al robot. Un plot polare
nuovo veniva creato ad ogni aggiornamento dei sensori. Il plot polare era
anche disponibile per qualunque processo ne avesse bisogno (memoria
globale e condivisa), permettendo ai moduli utente di essere distribuiti.
58
L’output dallo schema percettivo può essere condiviso con gli altri strati.
Metodologie a Campi di potenziale
Un altro stile di architettura reattiva è basato sui campi di potenziale.
Le architetture specifiche che usano il tipo a campi di potenziale sono
troppo numerose per essere descritte tutte, per cui ci limiteremo ad
una generalizzazione.
Lo stile a campo di potenziale dei behavior fa uso sempre di vettori
per rappresentare i behavior e la somma vettoriale per combinare
vettori di behavior diversi per produrre un behavior emergente.
59
Visualizzazione dei campi di potenziale
Il primo dogma di un'architettura a campi potenziale è che l'azione
motoria di un behavior deve essere rappresentata come un campo di
potenziale .
Un campo di potenziale è un array, o campo di vettori.
Un vettore è una struttura matematica che consiste di una ampiezza ed
una direzione.
I vettori sono rappresentati con una lettera maiuscola in grassetto, per
esempio di solito V. Un vettore può essere scritto anche come un
coppia (m,d), dove m sta per ampiezza e d per direzione.
Per convenzione l’ampiezza è un numero reale tra 0 e 1, ma in
generale può essere qualunque numero reale.
60
L'array rappresenta una regione di spazio.
In molte applicazioni robotiche lo spazio è bidimensionale,
rappresentando una prospettiva a volo di uccello del mondo come
fosse una mappa.
La mappa può essere divisa in quadrati, creando una griglia (x,y).
Ogni elemento dell'array rappresenta un quadrato dello spazio. Oggetti
percepibili nel mondo esercitano un campo di forza sullo spazio
circostante.
Il campo di forza è analogo ad un campo magnetico o gravitazionale.
Il robot può essere pensato come una particella che entra nel campo
emesso da un oggetto o da un ambiente. Il vettore rappresenta la forza,
cioè la direzione di rotazione e l’ampiezza o velocità da intraprendere
in quella direzione.
I campi di potenziale sono continui perché non importa quanto
piccolo sia l'elemento; ad ogni punto nello spazio è associato un
61
vettore.
La Fig. mostra come un ostacolo produce un campo sul robot e lo fa fuggire. Se il
robot è vicino all'ostacolo, diciamo entro i 5 metri, esso è nel campo di potenziale,
allora si genera una forza che lo spinge ad allontanarsi dall'ostacolo.
Se il robot non è all'interno del raggio dell'ostacolo, esso resta là perché nessuna forza
è applicata su lui. Si noti che il campo rappresenta quello che dovrebbe fare il robot
(lo schema motorio) se il robot percepisse un ostacolo (lo schema percettivo).
Il campo non si interessa a come il robot arriva vicino all'ostacolo; il robot sente la
stessa forza sia se si sta muovendo all'interno del raggio sia se sta fermo al suo
interno.
62
Un modo di pensare ai campi di potenziale è di immaginare un campo
di forza che agisce sul robot. Un altro modo è pensare a loro come ad
una superficie di energia potenziale in tre dimensioni (la gravità
spesso è rappresentata così) ed il robot come una palla di marmo. In
questo caso, il vettore indica la direzione verso cui il robot
rotolerebbe sulla superficie.
Dossi sulla superficie fanno sì che il robot rotoli via o giri intorno (i
vettori dovrebbero puntare lontano dalla "vetta" della collina), e le
valli fanno sì che il robot rotoli verso il basso (vettori che puntano
verso il fondo).
63
Ci sono cinque campi di potenziale di base, o primitivi che possono essere
combinati per costruire campi più complessi:
uniforme, perpendicolare, attrattivo, repulsivo, e tangenziale.
La Fig. a mostra un campo uniforme.
In un campo uniforme, il robot dovrebbe sentire la stessa forza indipendentemente
da dove si trova e quale orientamento abbia. Esso dovrebbe sentire il bisogno di
girare e allinearsi alla direzione della punta della freccia e muoversi in quella
direzione ad una velocità proporzionale alla lunghezza della freccia. Un campo
uniforme si usa spesso per descrivere il behavior "va in direzione di ….”.
64
La Fig. b mostra un campo perpendicolare, dove il robot è orientato
perpendicolarmente all'oggetto o al muro o al confine. Il campo mostrato
è diretto fuori dal muro grigio, ma un campo perpendicolare può essere
puntato anche verso un oggetto.
65
In Fig. c si illustra un campo attrattivo. Il cerchio al centro del campo
rappresenta un oggetto che sta esercitando un'attrazione sul robot.
Dovunque il robot sia, il robot sentirà una forza dovuta all'oggetto. I
campi attrattivi sono utili per rappresentare un qualche tropismo, dove
l'agente è letteralmente attirato da luce, cibo o una meta. L'opposto di un
campo attrattivo è un campo repulsivo, mostrato in Fig. d. I campi
repulsivi sono associati comunemente agli ostacoli, o cose che l'agente
dovrebbe evitare. Più vicino il robot è all'oggetto, più è forte la forza
repulsiva che lo allontana di 180° via da lui.
66
L’ultimo campo primitivo è il campo tangenziale in Fig. e.
Il campo è una tangente attorno all'oggetto (si pensi ad un vettore
tangente come perpendicolare alle linee radiali che si estendono verso
l’esterno dell'oggetto).
I campi tangenziali possono essere destrorsi o antiorario; la Fig. e mostra
una rotazione destrorsa. Essi sono utili per spingere un robot a girare
attorno ad un ostacolo, o un robot a investigare su qualche cosa.
67
Profili di ampiezze
Si osservi che in Fig. c,d,e la lunghezza delle frecce diventa più piccola
man mano che arriva vicino all'oggetto. Il modo in cui l’ampiezza dei
vettori cambia nel campo è stata chiamata profilo di ampiezza. (Il
termine “profilo di ampiezza” è usato qui perché il termine profilo di
velocità è usato dagli ingegneri di controlli automatici per descrivere
come i motori di un robot accelerano e rallentano per produrre un
particolare movimento senza dare scosse.)
68
Si consideri il campo repulsivo in Fig.
Matematicamente, il campo può essere rappresentato in coordinate polari
ed il centro del campo è l'origine (0, 0):
(4.1) Vdirection
= -Ф
Vmagnitude = c
In questo caso, l’ampiezza è un valore costante c; la lunghezza delle
frecce cioè rimane la stessa. Questo può essere visualizzato con un plot
della ampiezza mostrata in Fig. a.
69
Questo profilo dice che il robot fuggirà (la direzione verso cui correrà è
-Ф) sempre alla stessa velocità, non importa quanto vicino sia
all'oggetto, finché è nel raggio dell'ostacolo. Appena il robot esce dal
raggio d’azione dell'ostacolo, la velocità cade a 0, fermando il robot.
Il campo è essenzialmente binario: il robot o sta fuggendo a velocita'
costante o si ferma.
In pratica c’è qualche problema con l’ampiezza costante. Si può infatti
produrre un moto a scatti lungo il perimetro del raggio d’azione del
campo. Questo si nota quando un robot andando in una particolare
direzione, incontra un ostacolo. Fugge, lasciando quasi
immediatamente il campo, poi torna indietro di nuovo sul suo percorso
originale, incontra il campo di nuovo, e così via.
70
I profili di ampiezza rendono anche possibili al progettista di
rappresentare la riflessività (una risposta che dovrebbe essere
proporzionale alla forza dello stimolo) e creare risposte interessanti.
Si consideri il profilo in Fig. b. Esso può essere descritto dal
comportamento visto da un osservatore che guarda il robot :
se il robot è lontano dall'oggetto, esso andrà in giro e si muoverà
rapidamente, quando si dirige verso lui inizierà a rallentare per evitare di
colpire l'oggetto.
71
In matematica, questo andamento è detto linear drop off (esaurimento
lineare), perché la velocità alla quale l’ampiezza si esaurisce può essere
rappresentata da una linea retta. La formula di una retta è y = mx + b
dove x è la distanza e y è l’ampiezza. b influenza l'inizio della linea e m è
y
l’inclinazione ( m   ). Qualunque valore di m e b è accettabile. Se non
x
è specificato, m = 1 o -1 (una inclinazione di 45° in su o in giù) e
b = 0 per le funzioni lineari.
Il profilo lineare in Fig. b soddisfa il behavior desiderato dal progettista
di avere un robot che reagisca di più, quanto più è vicino.
72
Per catturare il bisogno di una reazione forte e più accentuata si deve
usare un altro profilo. Un tale profilo è una funzione detta a
esaurimento esponenziale in cui l’esaurimento è proporzionale al
quadrato della distanza: per ogni unità di distanza dall'oggetto la
forza sul robot diminuisce della metà.
73
Come si può vedere dagli esempi precedenti, quasi nessun profilo di
ampiezza è accettabile. La motivazione di usare profili di ampiezza è
quella di raffinare il behavior.
È importante notare che il robot calcola solamente i vettori che
agiscono su di lui nella sua posizione corrente. Le figure, invece,
espongono il campo intero per tutte le possibili ubicazioni del robot.
La domanda che sorge è: perché le figure mostrano un campo intero
su uno spazio?
Prima di tutto, questo aiuta a visualizzare quello che il robot farà
complessivamente, non solo ad un particolare istante di tempo.
Secondo, siccome i campi sono rappresentazioni continue, questa è
una semplificazione che conferma se il campo è corretto e rende
subito evidente ogni cambio improvviso.
74
Campi di potenziale e percezione
Negli esempi precedenti, la forza del campo di potenziale in ogni dato
punto era una funzione del profilo di ampiezza e della distanza
relativa tra il robot ed un oggetto.
La forza di un campo di potenziale può però essere una funzione dello
stimolo, indipendentemente dalla distanza. Come esempio si richiama
dalla lez. 3 il behavior di cibo per il piccolo di rondine artica dove il
behavior cibo è guidato dallo stimolo "rosso." Questo può essere
modellato da un campo attrattivo. Più grande e rosso è un oggetto nel
campo visivo del piccolo, più forte l'attrazione, suggerendo un profilo
di ampiezza che usa una funzione esponenziale crescente.
Un altro importante punto che già è stato menzionato è che i campi di
potenziale sono ego-centrici perché la percezione di un robot è egocentrica.
75
Programmazione di un singolo campo di potenziale
I campi di potenziale sono facili da programmare, specialmente
quando sono ego-centrici rispetto al robot.
La visualizzazione di un intero campo può sembrare indicare che il
robot e gli oggetti sono in un sistema di coordinate fisso, assoluto, ma
in realtà non lo sono.
Il robot calcola l'effetto del campo di potenziale, di solito come una
linea retta, ad ogni aggiornamento senza memoria di dove era prima o
dove il robot si è mosso.
Vediamo alcuni esempi.
76
Un campo di potenziale primitivo è rappresentato usualmente da una
sola funzione. Il vettore che ha un impatto sul robot è calcolato ad ogni
aggiornamento. Si consideri il caso di un robot con un solo sensore di
distanza rivolto in avanti. Il progettista decide che è adatto un campo
repulsivo con una attenuazione lineare.
La formula è:
Vdirection
= -180°
Vmagnitude
=
 D  d 

per d  D

 D

0
per d  D 
dove D è il range massimo dell'effetto del campo, o la massima
distanza a cui il robot può scoprire l'ostacolo.
(D non è sempre la distanza di rilevamento. Può essere la distanza alla quale il
robot dovrebbe rispondere ad un stimolo. Per esempio, molti sonar possono
scoprire ostacoli lontani 60 cm, producendo una risposta quasi infinitesima nel
behavior emergente ma richiedendo un alto runtime per la chiamata di funzione.
In pratica, un robotico metterebbe un D di 2 metri).
Si noti che la formula produce un risultato quando
0.0 <= V
<= 1.0.
77
Questo è un frammento di codice C che cattura il campo repulsivo.
typedef struct {
double magnitude;
double direction;
} vector;
vector repulsive(double d, double D)
{
if (d <=D)
{
outputVector.direction =180; // si gira!
outputVector.magnitude = (D-d)/D; // decadimento
lineare
}
else {
outputVector.direction=O.O
outputVector.magnitude=O.O
}
return outputVector;
}
78
A questo punto, è facile illustrare come un campo di potenziale può
essere usato da un behavior, RUNAWAY, per il robot con un solo
sensore. Il behavior RUNAWAY userà la funzione repulsive() come
schema motorio, ed una funzione readSonar() come schema percettivo.
L’output del behavior è un vettore.
RUNAWAY è chiamato dal robot ad ogni ciclo di aggiornamento.
vector RUNAWAY()
{
double reading;
reading=readSonar(); // schema percettivo
vector=repulsive(reading, MAX_DISTANCE); // schema
motorio
return Voutput;
}
while (robot==ON)
{
Vrunaway=runaway(reading); // schema motorio
turn(Vrunaway.direction);
forward(Vrunaway.magnitude*MAX_VELOCITY);
79
}
Combinazione di Behavior e Campi
Come affermato precedentemente, il primo attributo di una vera
metodologia di campi di potenziale è che essa richiede che tutti i
behavior siano implementati come campi di potenziale.
Il secondo attributo è che essa combini i behavior non mediante una
sussunzione uno dell’altro, ma mediante una sommatoria di vettori.
Un robot avrà generalmente forze agenti su lui provenienti da behavior
multipli e concomitanti.
Vogliamo fornire due esempi di come behavior multipli sorgono e
come sono implementati e sono combinati.
80
Un primo esempio è la semplice navigazione di un robot che sta
perseguendo una meta (specificata come "10.3 m in direzione Θ")
ed incontra un ostacolo. Lo schema motorio del behavior di
move2goal è rappresentato con un campo di potenziale attrattivo che
usa gli shaft encoder del robot per dire se è giunto alla posizione di
meta. Il behavior RUNAWAY è un campo repulsivo ed usa un
sensore di distanza per scoprire se qualche cosa è di fronte a lui.
G
O
81
La Fig. mostra una vista a volo di uccello dell'area di azione, e mostra
una visualizzazione del campo di potenziale. Il behavior di move2goal in
Fig. b esercita un campo attrattivo sull’intero spazio; dovunque sia il
robot, esso sarà attratto dalla meta. Il behavior RUNAWAY in Fig. a
esercita un campo repulsivo in un raggio attorno all'ostacolo
(tecnicamente il campo repulsivo si estende su tutto lo spazio come fa
move2goal, ma la ampiezza della repulsione è 0.0 oltre il raggio
d’azione). Il campo combinato è mostrato in Fig. 4.16 c.
O
G
G
O
G
O
82
Ora si consideri il behavior emergente del robot immerso in questo
campo quando parte dall'angolo in basso a destra, mostrato in Fig.
Al tempo t0, il robot sente il mondo. Può percepire solamente la meta e
non può percepire l'ostacolo, così l'unico vettore che sente è attrattivo
(runaway ritorna un vettore di ampiezza 0.0). Esso si muove su una
linea retta verso la meta. A t2, aggiorna i suoi sensori ed ora percepisce la
meta e l'ostacolo. Ambo i behavior offrono un vettore; i vettori sono
sommati ed il robot ora si allontana. A t3, il robot si è mosso già oltre
l'ostacolo e la meta va ora esercitando la forza più forte. A t4, riprende la
corsa e raggiunge la meta.
83
L'esempio illustra anche altri punti sui metodi a campi di potenziale: l'impatto della
velocità di aggiornamento e i minimi locali. Si noti che la distanza (lunghezza delle
frecce) tra aggiornamenti è diverso. Questo è dovuto ai cambi nella ampiezza del
vettore di output che controlla la velocità del robot. Se il robot ha un vettore più "corto",
viaggia più lentamente e, perciò, copre meno distanza nello stesso ammontare di tempo.
Può anche superare il segno tra un aggiornamento e l’altro come visto tra t3 e t4 dove il
robot va veloce senza girare e quindi deve tornare indietro. Il cammino sarà più breve se
l’aggiornamento è più frequente. Un altro aspetto della frequenza di aggiornamento è
che il robot può superare la meta, specialmente se sta usando shaft encoders (la meta è a
10.3 metri da dove il robot è partito). Qualche volta i progettisti usano campi attrattivi
con una ampiezza che si attenua man mano che il robot si avvicina, facendo rallentare il
robot che così può dire che è giunto alla meta. (I Programmatori mettono di solito una
tolleranza sull'ubicazione della meta, per esempio invece di 10.3m la meta è
l0.3m0.5m.)
84
I campi di potenziale trattano il robot come se fosse una particella che
può cambiare istantaneamente velocità e direzione. Questo non è vero
per i robot reali. Robot di ricerca come Khepera (mostrato in Fig.)
possono girare in qualunque direzione, ma devono fermarsi prima e c'è
un ammontare misurabile di errore a causa dell’attrito tra le ruote e la
superficie. Molti robot hanno Ackerman, o sterzi di automobile, e
chiunque ha tentato di parcheggiare un'automobile sa che una macchina
può andare solamente in certe direzioni.
85
Un terzo problema è che i campi possono anche dare somma 0. In Fig., si
disegni una linea tra la Meta e l'Ostacolo. Lungo questa linea dietro
all’ostacolo, i vettori hanno solamente una testa (direzione della freccia)
e nessun corpo (lunghezza della freccia). Questo vuole dire che
l’ampiezza è 0 e che il robot se raggiunge quel posto, si fermerà e non si
muoverà più. Questo stato è chiamato un problema di minimo locale,
perché il campo di potenziale ha un minimo, o un avvallamento che
intrappola il robot. Soluzioni al problema di minimi locali saranno
descritte alla fine del capitolo.
86
Esempio che usa un behavior per sensore
Per avere un altro esempio di come è potente questa idea di sommatoria
di vettori, è utile considerare come RUNAWAY per evitare ostacoli è
implementato comunemente su veri robot. La Fig. 4.18 mostra una
configurazione dei sensori di distanza IR su un robot Khepera.
87
Siccome i sensori sono montati permanentemente sulla piattaforma, il
loro angolo αi, relativo al fronte è conosciuto. Se un sensore riceve una
lettura di distanza, qualche cosa è di fronte a quel sensore. Sotto un
campo repulsivo per RUNAWAY, il vettore di input sarà di 180° opposto
a αi. Il sensore IR non è capace di dire molto sull'ostacolo: solo che si
trova diritto di fronte a lui e perpendicolare.
Se questo sensore fosse l'unico sensore sul robot, il behavior RUNAWAY
sarebbe molto stringente. Ma cosa accade se, come nel caso di Khepera,
il robot ha più sensori di distanza? Gli ostacoli più grandi saranno
scoperti da più sensori allo stesso tempo. Il modo comune è di avere un
behavior RUNAWAY per ogni sensore. Questo è chiamato istanziazione
88
multipla dello stesso behavior.
Sotto c’è un'esposizione di un frammento di codice a istanziazione
multipla; tutto quello che deve essere fatto è di aggiungere un ciclo per
sondare ogni sensore.
Questo riceve un vantaggio da due proprietà della somma vettoriale: essa
è associativa (a+b+c+d) può essere calcolata come ((a + b) + c) + d), ed
è commutativa (non importa in che ordine i vettori sono sommati).
while(robot==ON) {
vector.mag=vector.dir=0.0; //inizializza a 0
for (i=0; i<=numberIR; i++ {
vectorCurrent=Runaway(i); guarda un certo sensore
vectorOutput=VectorSum(tempVector,vectorCurrent);
}
turn(vector.direction);
forward(vector.magnitude*MAX-VELOCITY);
89
}
Come si vede in Fig. 4.19, il robot è capace di uscire fuori da una
trappola tipo caverna, detta un box canyon, senza costruire un modello
del muro. Ogni istanza offre un vettore, alcuni dei quali hanno una
componente X o Y che li porta fuori.
Da una prospettiva etologica, il programma è elegante perché è
equivalente alla instanziazione di behavior negli animali.
Si ricordi, nel Ch. 3 il modello di rana computrix e la sua controprate
nella vita reale il rospo dove ogni occhio vede e risponde
indipendentemente dall'altro occhio al passaggio di una mosca. In questo
caso, il programma sta trattando il robot come se avesse 8 occhi
indipendenti!
90
Da un punto di vista robotico, l'esempio illustra due punti importanti.
Primo, l'accoppiamento diretto delle operazioni di sentire e di agire.
Secondo, la programmazione con behavior è consistente con le buone
pratiche di ingegneria del software. La funzione RUNAWAY esibisce
una coesione funzionale, dove la funzione fa una sola cosa e bene ed
ogni asserzione nella funzione ha direttamente qualche cosa a che fare
con lo scopo della funzione. La coesione funzionale è desiderabile,
perché questo vuole dire che è improbabile che la funzione presenti side
effects nel programma principale o che sia dipendente da un'altra
funzione. L'organizzazione complessiva mostra l’accoppiamento dei dati,
dove ogni chiamata di funzione prende un semplice argomento.
L’accoppiamento dei dati è buono, perché ciò vuole dire che tutte le
funzioni sono indipendenti; per esempio, il programma può essere
cambiato facilmente per tener conto di più sensori IR.
91
L'alternativa alla instanziazione multipla è fare in maniera che lo schema
percettivo di RUNAWAY processi tutte le 8 letture di distanza. Un
approccio è quello di sommare internamente tutti gli 8 vettori. (Si può
facilmente vedere che il vettore risultante è lo stesso) . Questo non è
elegante dal punto di vista dell’ingegneria del software perché il codice
ora è specifico del robot (si dice che la funzione ha una coesione
procedurale), e può essere usato solamente con un robot che ha otto
sensori di distanza in quelle ubicazioni.
Un altro approccio che produce un behavior emergente diverso è quello
che prevede che lo schema percettivo ritorni la direzione e la distanza
delle sole letture di distanza più grandi. Questo rende il behavior più
selettivo.
92
Alcuni richiami
93
…....
94
input/stato 1 (bloccato)
2 (sbloccato)
Moneta
2 (sbloccato)
2 (sbloccato)
Persona
1 (bloccato)
1 (bloccato)
Inserisci moneta
1 bloccato
2 sbloccato
Persona attraversa
il cancello
Inserisci
moneta
Le Macchine a Stati Finiti Augmented (AFSM) sono FSM a cui
vengono aggiunte alcune facilities (registri, sistemi di timing etc.)
95
Behaviors e Schema Theory
Nella applicazione fatta da Arbib dello schema theory verso una teoria
computazionale dell'intelligenza, un behavior è uno schema che è
composto da un schema motorio ed uno schema percettivo.
Lo schema motorio rappresenta la modalità per l'attività fisica;
lo schema percettivo incarna il sentire.
Lo schema motorio e lo schema percettivo sono come pezzi di un
puzzle; entrambi i pezzi devono essere messi insieme prima di avere un
behavior.
Releaser
Sensory
Input
BEHAVIOR
Schema
percettivo
Schema
motorio
Pattern
of Motor
Action
96
97
Pfields comparati con la sussunzione
Come possono formare un behavior emergente più complicato i semplici
behavior?
Alla stessa maniera dei campi di potenziale più complicati che sono
costruiti da campi primitivi: combinando instanziazioni multiple di
behavior primitivi.
Questo può essere visto rivisitando il behaviour di esempio che
descriveva l'architettura di sussunzione.
Nel caso del Livello 0 nella sussunzione, se non ci sono ostacoli
all'interno del raggio d’azione, il robot non sente la forza repulsiva ed è
immobile. Se un ostacolo entra all'interno di raggio d’azione ed è rivelato
da più di un sonar, ognuna delle letture sonar crea un vettore, puntando il
robot nella direzione opposta.
98
Nell'esempio della sussunzione , si può immaginare, che questi vettori
vengano sommati nel modulo RUNAWAY come mostrato in Fig. In un
sistema a campi di potenziale, ciascuna lettura sonar rilascia un’istanza
del behaviour RUNAWAYpf ("pf" è usato per rendere chiaro quale
RUNAWAY è assegnato). Il behaviour di RUNAWAYpf usa un campo di
potenziale repulsivo. I vettori di output sono quindi sommati, e il vettore
risultante è usato per guidare la svolta e l’avanzamento del motore.
99
While (robot==ON)
{
vector.magnitude=vector.direction=0;
For (i=0; i<=numberSonars; i++)
{
Reading=readSonar ();
// schema percettivo
currentVector=runaway(reading);
// schema motorio
vector=vectorSum(vector, currentVector);
}
turn(vector.direction);
forward(vector.magnitude*MAX-velocità);
}
100
Il modulo COLLIDE nella sussunzione non coincide con un behavior
nella metodologia a campi di potenziale.
Si ricordi che lo scopo di COLLIDE è fermare il robot se tocca un
ostacolo; e questo accade se il behavior RUNAWAY fallisce.
Questo va bene per la definizione di behavior:
ha un input sensorio (range to obstacle = 0) ed un pattern riconoscibile
dell'attività motoria (si ferma).
Ma non produce un campo di potenziale, a meno che un campo
uniforme di vettori di ampiezza 0 non sia considerato lecito. Se fosse
trattato come un behavior, il vettore a cui esso contribuisce sarebbe
sommato con gli altri vettori prodotti dagli altri behavior. Ma un vettore
di ampiezza 0 è la funzione identità per la somma dei vettori, così un
vettore COLLISION non avrebbe alcun impatto. Invece le collisioni
sono spesso trattate come situazioni di "panico", provocando una
risposta di emergenza fuori della struttura del campo di potenziale.
101
Alcune differenze più sottili tra campi di potenziale e sussunzione
appaiono quando è considerato il caso del Livello 1. La stessa
funzionalità può essere portata a termine aggiungendo un solo blocco
di behavior WANDER, come mostrato in Fig.
102
Come prima, il behavior genera una direzione nuova per muoversi ogni
n secondi. Questo potrebbe essere rappresentato da un campo di
potenziale uniforme dove il robot sente la stessa attrazione ad andare in
una certa direzione, incurante di dove si trova, per n secondi.
Comunque, combinando l’output di WANDER con l’output dei vettori
di RUNAWAYpf, il bisogno di un nuovo behaviour AVOID è
eliminato. Il vettore WANDER è sommato al vettore repulsivo e di
conseguenza, il robot si allontana contemporaneamente dagli ostacoli e
va verso la direzione desiderata. Questo è mostrato in Fig.
103
Le differenze principali in questo esempio sono che i campi di
potenziale esplicitamente incapsulano percezione e azione in behavior
primitivi, e non devono sussumere nessun behavior più basso. Come
con la sussunzione, il robot diventa più “intelligente” quando il
behavior WANDERpf viene aggiunto al behavior RUNAWAYpf.
Ora vediamo, per il Livello 2, come sarebbe implementato followcorridor in un sistema a campo di potenziale.
In questo caso si vede bene la differenza concettuale tra i due approcci.
Il robot avrebbe due behavior concorrenti: RUNAWAYpf e followcorridor. RUNAWAYpf rimarrebbe lo stesso di prima, ma WANDER
potrebbe essere scartato.
In termini di campi di potenziale, il task di seguire un corridoio
richiede due behavior simili, mentre il task di vagare richiede due
behavior diversi.
104
L2
L1
L0
FOLLOW-CORRIDOR
105
Il behavior follow-corridor è interessante, perché richiede un campo di
potenziale più complesso.
Come mostrato in Fig., sarebbe desiderabile per il robot stare nel
mezzo del corridoio. Questo può essere fatto usando due campi di
potenziale: un campo uniforme perpendicolare al confine sinistro e che
punta al centro, ed un campo uniforme perpendicolare al confine destro
che punta al centro. Si noti che ambo i campi hanno un decremento
lineare in ampiezza non appena il campo si avvicina al centro del
corridoio. In pratica questo abbassamento impedisce al robot di
oscillare al centro.
106
Si noti anche che i due campi uniformi non sono sufficienti perché non
permettono al robot di muoversi in avanti; il robot si muoverebbe nel
mezzo del corridoio e si fermerebbe là. Perciò si aggiunge un terzo
campo uniforme che è parallelo al corridoio. Questi tre campi
combinati producono un campo smussato che spinge il robot nel mezzo
del corridoio secondo una funzione di prossimità al muro, mentre
contemporaneamente il robot va spostandosi in avanti. La figura sotto
mostra i campi coinvolti. Si ricordi, in questo esempio, che il robot non
sta proiettando confini passati o futuri del corridoio; la visualizzazione
del campo lo fa apparire così
107
Il behavior di follow-corridor usa gli stessi dati dei sonar di AVOID;
perciò i muri produrranno un campo repulsivo che generalmente
spingerebbe il robot verso il mezzo del corridoio.
Perché non usare un solo campo parallelo uniforme per seguire-
corridoio?
Prima di tutto i behavior sono indipendenti. Se c'è un behavior seguire-
corridoio, esso deve essere capace di seguire le sale senza dipendere da
effetti collaterali dagli altri behavior. Secondo, la simmetria polare dei
campi repulsivi può causare oscillazioni, così c'è un vantaggio pratico
ad avere un behavior separato.
108
L'uso di conoscenza di behavior-specifico del dominio (data al
momento dell’instanziazione come un parametro di inizializzazione
opzionale) può migliorare ulteriormente il behavior complessivo del
robot. Se il robot conosce l'ampiezza della sala a priori, follow-corridor
può sopprimere le istanze di AVOID perché per gli ostacoli sa che
quella è la forma del confine del muro. Quindi eviterà solamente gli
ostacoli che sono nella sala. Se non ci sono ostacoli, seguire-corridoio
produrrà una traiettoria diritta. Se gli ostacoli sono prossimi ad un
muro, il follow-corridor tratterà il profilo dell'ostacolo come un muro e
si sposterà più vicino al centro.
109
Gli schema motori per un behavior possono essere ordinati in
sequenza. Un esempio di questo è il behavior di docking. Docking
(approccio) è quando un robot si deve muovere verso una specifica
ubicazione (la stazione di docking) con un certo orientamento.
Questo è utile per i robot che maneggiano materiali in una industria.
Per prendere un pezzo di materiale da trasportare il robot deve, nella
sua posizione finale, essere abbastanza vicino al lato giusto del nastro
trasportatore e trovarsi rivolto verso di esso.
Poiché il docking richiede una specifica posizione ed orientamento,
non può essere fatto con un schema motorio attrattivo. Con questo
campo il robot andrebbe in linea retta verso il nastro, anche se è girato
al contrario; il robot si fermerebbe di schiena nella posizione giusta ma
con l’orientamento sbagliato. Invece, è necessario un campo di
attrazione selettivo. Qui il robot "sente" solamente la forza attrattiva
quando è all'interno di un certo range angolare della stazione di
docking, come mostrato in Fig. 4.24.
110
Sfortunatamente l'attrazione selettiva non copre il caso di quando il
robot si avvicina dalla parte posteriore o di lato. Come si può muovere
un robot in un'area dove c’è un campo di attrazione selettivo? Un modo
per fare questo è avere un campo tangenziale che permette al robot di
orbitare attorno al dock finché non entra nell'area di attrazione
selettiva. La combinazione dei due schemi motori produce un campo
continuo che fa convergere il robot nella posizione ed orientamento
corretto, come mostrato in Fig..
111
112
Un aspetto interessante del behavior di docking è quando il robot sta
operando in prossimità del dock.
Il dock rilascerà un’istanza di AVOID che impedirebbe al robot di
andare vicino alla posizione desiderata.
In questo caso, i behaviour di docking devono attenuare l’ampiezza (il
guadagno) del vettore di output dell’ AVOID instanziato nell'area di
dock.
Essenzialmente questo è come se inibisse in parte l'AVOID behaviour
in alcune regioni selezionate.
Avremo quindi che tra attrazione e repulsione il robot si ferma dove
l'attrazione selettiva del dock si bilancia con la repulsione.
I campi selettivi e tangenziali non sono sufficienti in pratica, a causare
delle limitazioni percettive. Se il robot non può vedere il dock, non può
istanziare i campi.
113
DOCKING
114
E’ probabile che un robot industriale sappia la direzione relativa di un
dock molto di più di quanto un'ape ricordi la direzione del suo alveare.
Perciò una forza attrattiva attira il robot vicino al dock, e poi quando il
robot vede il dock, comincia l’effetto di incanalamento verso la
posizione con l’orientamento corretto anche in presenza di ostacoli,
come si vede in Fig.
115
116
Almeno tre schemi percettivi sono necessari per il behavior di docking.
Uno è necessario per estrarre la direzione relativa del dock per
l'attrazione regolare.
Un altro è uno schema percettivo capace di riconoscere il dock in
generale, anche dalla parte posteriore o dai lati, al fine di sostenere il
campo tangenziale.
Il terzo schema percettivo è necessario per il campo di attenzione
selettiva e deve essere capace di interagire con la parte anteriore del dock
e valutare la distanza e l’orientamento relativo del robot.
117
DOCKING
ATTRATTIVO
DOCKING
TANGENZIALE
DOCKING
SELETTIVO
118
Il behavior di docking è definito quindi come costituito da tre schemi
percettivi e tre schemi motorii (potrebbero essere raggruppati in 3
behavior primitivi). Una rappresentazione in termini di schema-theory
indica che il behavior ha alcuni programmi di controllo per coordinare e
controllare questi schemi.
119
Nel caso del behavior di docking, una macchina a stati finiti è una scelta
ragionevole per coordinare la sequenza di schemi percettivi e motorii.
Essa fornisce una maniera formale per rappresentare la sequenza, ed
anche ricorda al progettista di considerare transizioni di stato fuori
dell’ordinario.
Il robot per esempio potrebbe stare muovendosi verso il dock sotto
l’influenza dei campi tangenziali e dell’attenzione selettiva. Se una
persona gli passa davanti, essa occluderebbe la vista del dock e quindi
cesserebbe l’attrazione. Allora si riattiva lo schema motorio di attrazione
generale, e insieme allo schema percettivo associato rivalutano la
direzione del dock alla luce del nuovo ostacolo.
Il nuovo vettore permetterebbe al robot di evitare la persona andando in
una direzione favorevole al raggiungimento del dock e tentare di
raggiungerlo.
120
Il behavior di docking illustra anche quale impatto hanno le capacità
sensoriali del robot sui parametri dello schema motorio.
Si noti che l’ampiezza angolare del campo di attenzione selettivo è
determinata dagli angoli ai quali il terzo schema percettivo potrebbe
identificare il dock.
Similmente il raggio del campo tangenziale e di attrazione selettiva è
determinato dalla distanza alla quale il robot può percepire il dock.
121
Vantaggi e svantaggi
L’architettura a campo di potenziale ha molti vantaggi.
Il campo di potenziale è una rappresentazione continua che è facile
visualizzare su una grande regione dello spazio. Di conseguenza, è più
facile per il progettista visualizzare il behavior complessivo del robot.
È anche facile combinare campi, e, linguaggi come C++, forniscono
strumenti per la creazione di biblioteche comportamentali.
I campi di potenziale possono essere parametrizzati: il loro range di
influenza può essere limitato e una funzione continua può esprimere il
cambio in ampiezza rispetto alla distanza (lineare, esponenziale, ecc.).
Inoltre un campo bi-dimensionale di solito può essere esteso ad un
campo tri-dimensionale, e così behaviours sviluppati per 2D vanno bene
anche per il 3D.
122
Costruire un sistema reattivo con campi di potenziale non è senza
svantaggi.
Il problema comunemente più citato con i campi di potenziale è quello
che campi multipli possono portare ad un vettore con ampiezza 0; questo
è chiamato il problema del minimo locale. Si veda il caso del box
canyon. Se il robot viene attirato in un punto dietro il box canyon, il
vettore attrattivo annullerebbe il vettore repulsivo ed il robot rimarrebbe
fermo perché tutte le forze si annullerebbero. Il problema del box canyon
è un esempio di raggiungimento di un minimo locale.
In pratica, vi sono molte soluzioni eleganti per questo problema. Una è
quella di avere un schema motorio che produce vettori di piccola
ampiezza a partire da rumore casuale. Il rumore nello schema motorio
servirebbe a sbattere il robot fuori dai minimi locali.
123
Si vedano le reti neurali e il simulated annealing.
Un'altra soluzione è quella dei template di navigazione (Navigation
Templates), come quelle implementate da Mark Slack per JPL.
La motivazione è che il problema dei minimi locali spesso sorge a causa
di interazioni fra il behavior di campo repulsivo di AVOID e gli altri
behavior, come quello del campo attrattivo di muovere-verso-una-meta.
Il problema dei minimi scomparirebbe se il campo di potenziale AVOID
fosse in qualche modo più intelligente. In NaTs, il behavior AVOID
riceve come input il vettore somma degli altri behavior. Questo vettore
rappresenta la direzione verso cui il robot andrebbe se non ci fossero
ostacoli vicino. Per gli scopi di questo corso, questo sarà chiamato
vettore strategico.
Se il robot ha un vettore strategico, quel vettore dice se c’è un ostacolo
esso deve essere passato sulla destra o sulla sinistra.
124
Per esempio, se il robot sta attraversando un ponte (vedi Fig.), vorrà
passare alla sinistra degli ostacoli che stanno a destra per stare nel
mezzo. Nota che il vettore strategico definisce quello che sta a sinistra e
quello che sta a destra.
125
NaTs implementa questa semplice euristica nel campo di potenziale per
RUNAWAY, promuovendolo ad un vero AVOID. Il campo di repulsione
viene completato con un campo a orbita tangenziale. La direzione
dell'orbita (in senso orario o anti orario) è determinato dalla posizione del
robot cioè se è a destra o a sinistra del vettore strategico.
L’output del behavior AVOID può essere chiamato vettore tattico, perché
persegue la meta strategica del robot di fronte a sfide immediate, così
come un generale dice ad un capitano di catturare un forte senza
specificare ogni passo.
Una più recente soluzione al problema di minimi locali è stata quella di
esprimere i campi come funzioni armoniche.
I campi di potenziale implementati come funzioni armoniche sono
garantiti dal non avere un minimo locale pari a 0. Lo svantaggio di
questa tecnica è che è computazionalmente costosa, e deva essere
126
implementata su un chip VLSI per operare in tempo reale per grandi
Per riassumere i punti principali sulle architetture a campi di potenziale:
• I Behavior sono definiti come formati da uno o più behavior di schemi
motori e percettivi. Lo schema motorio per un behavior deve essere un
campo di potenziale.
• Tutti i behavior operano concomitantemente ed i vettori di output sono
sommati. I behavior sono trattati alla pari e non sono stratificati, anche se
ci possono essere, come vedremo, behavior astratti che internamente
ordinano in sequenza i behavior. Il programma di controllo coordinato
non è specificato; il progettista può usare la logica, macchine a stati
finiti, ogni qualvolta è ritenuto opportuno. L’ordinare in sequenza è di
solito controllato da percezioni o affordances presenti nell'ambiente che
sono viste come releasers.
127
• Anche se tutti i behavior sono trattati ugualmente, i behavior possono
dare contributi diversi all'azione complessiva del robot. Un behavior può
cambiare i guadagni rispetto a un altro behavior, riducendo o
aumentando l’ampiezza del suo output. Questo vuole dire che i behavior
possono inibire o eccitare gli altri behavior, anche se questo è usato in
pratica raramente.
• La percezione di solito è gestita da percezioni dirette o affordances.
• Una percezione può essere condivisa da diversi behavior. Una
conoscenza a priori può essere data allo schema percettivo, per simulare
un sensore specializzato che è più sensibile ad eventi come i confini di
una sala.
128
La valutazione delle Architetture Reattive
Come visto dall'esempio di follow-corridor, le due architetture,
sussunzione e campi di potenziale, sono molto simili nella filosofia e nei
tipi di risultati che si ottengono. Essenzialmente, sono equivalenti.
In termini di supporto alla modularità, entrambe decompongono, le
azioni e le percezioni necessarie per trasformare un task in un behavior,
anche se c'è disaccordo sul livello di astrazione di un behavior.
La sussunzione sembra favorire una realizzazione hardware, mentre i
metodi dei campi di potenziale hanno interessanti proprietà per un
sistema orientato al software.
La nicchia di targetability è alta per entrambe, presumendo che il task
ppossa essere perseguito da behavior riflessivi. Effettivamente, l'uso
della percezione diretta enfatizza il fatto che i robot reattivi veramente
129
sono costruiti per riempire una nicchia.
Il problema ancora aperto èse queste architetture mostrano una buona
trasportabilità verso altri domini. I sistemi reattivi sono limitati a
applicazioni che possono essere portate a termine con behavior riflessivi.
Essi non possono essere trasferiti a domini dove il robot ha bisogno di
fare pianificazione, ragionando sull'allocazione delle risorse, ecc. (questo
ha portato al Paradigma Ibrido).
In pratica, veramente pochi dei livelli dell’architettura a sussunzione
possono essere trasferiti a nuove applicazioni di navigazione senza fare
cambiamenti.
Le diverse applicazioni creano strati che hanno bisogno di sussumere
differentemente gli strati più bassi. La metodologia dei campi potenziale
fa un po' meglio nel senso che il progettista può creare una libreria di
behavior e schemi tra cui scegliere, senza un implicito ricorso ad uno
130
strato più basso.
Nessuna architettura presenta sistemi che potrebbero essere detti
veramente robusti.
La stratificazione della sussunzione impone un certo degrado se un
livello superiore è distrutto, ma non ha nessun meccanismo per
evidenziare che c’è stato un degrado.
La macchina a stati finiti nel behavior di docking mostra una certa
elasticità, ma di nuovo, solamente per situazioni che possono essere
anticipate e registrate nel diagramma di stato.
Come negli animali, un robot reattivo farà cose consistenti con la sua
percezione del mondo, ma non sempre quelle giuste.
131