P R E S E N TA Z I O N E F O R M A L E D E L L AVO RO
E F F E T T U ATO C O N B R A I N FA R M
SCIENZE DELLA FORMAZIONE PRIMARIA
A.A 2013 -2014
ROBOTICA EVOLUTIVA
La robotica è una scienza che si occupa
di studiare e sviluppare metodologie
che permettano a un robot o ad un
agente di eseguire i compiti specifici.
Gli agenti intelligenti e robot sono
studiati dall’intelligenza artificiale,
ovvero quel settore dell’informatica che
riproduce in un computer quei tipi di
comportamento che, quando sono
assunti dagli esseri umani, vengono
considerati frutto della loro intelligenza.
Il robot è …
un agente artificiale attivo il cui ambiente è il mondo reale e che
possiede dei sensori che rispondono all’ambiente stesso.
Nell’uomo invece, questi sensori sono rappresentati dai sensi.
Altri componenti del robot sono gli attuatori, i quali consentono
il movimento nell’ambiente. Questi sono nell’uomo i muscoli.
Il nome robot deriva dal ceco « robota », lavoro forzato, nome
dato dallo scrittore Karel Capek.
Il nostro lavoro viene svolto in un ambiente virtuale, perciò non
si tratta di robot fisici ma virtuali.
COS’È UN AGENTE ?
Un agente è costituito da un programma software ed eventualmente
da un supporto hardware, che:
- Interagisce con l’ambiente circostante ed è reattivo agli stimoli di
tale ambiente;
- È capace di prendere decisioni, e di agire in modo autonomo, con
il fine di raggiungere un obiettivo;
-
È in grado di comunicare con altri agenti, è quindi capace di
avere interazione sociale.
L’agente può agire in diversi ambienti:
- Un ambiente fisico, reale o artificiale (Robot) ;
- Un ambiente software (Agente software ) ;
- Un ambiente virtuale ( Agente artificiale ).
Abbiamo realizzato un progetto usando il software « Brain Farm »
che permette di poter progettare, partendo da un livello di
esperienza informatica limitato, un cervello artificiale capace di
controllare un robot.
Dopo aver creato un robot di partenza abbiamo effettuato cinque
diversi esperimenti in ciascuno dei quali è stato cambiato un
parametro del robot di volta in volta.
BRAIN FARM: COME SI USA?
I nostri esperimenti sono stati effettuati seguendo dei passaggi ben precisi.
È stato necessario definire inizialmente il corpo del robot scegliendone uno
tra i quattro disponibili. La nostra scelta è ricaduta sul modello di robot
« MaxRobot » .
Per ognuno dei cinque esperimenti abbiamo impostato la rete, ovvero gli
input e gli output della mente del robot.
In un passo successivo abbiamo selezionato il tipo di addestramento della
rete ; il terzo step ha previsto la scelta dell’ambiente nel quale è stato
possibile inserire degli ostacoli ( muri, cilindri ).
Infine abbiamo caricato il progetto e proceduto all’addestramento e quindi
all’ evoluzione della rete.
LA NOSTRA IPOTESI DI LAVORO
Abbiamo ipotizzato che cambiando i parametri in ogni esperimento si
potesse arrivare a registrare diversi tipi di comportamento del robot.
Inoltre abbiamo ipotizzato che aumentando o diminuendo il numero di
neuroni nella mente del robot potesse migliorare o peggiorare la sua
prestazione.
LA NOSTRA MODALITA’ DI LAVORO
Abbiamo adottato una modalità di lavoro di gruppo di tipo
COLLABORATIVO, ovvero ognuno di noi ha contribuito a realizzare ogni
singola parte del lavoro complessivo. In questo modo abbiamo
ottenuto i risultati necessari grazie ai quali abbiamo avuto modo di
confermare l’ ipotesi da noi prestabilita.
IMPOSTAZIONE DELL’ESPERIMENTO 1
Nel primo esperimento abbiamo realizzato
i seguenti passaggi:
1) Prima fase : Corpo e cervello
Nome: Maxrobot
Neuroni output: 2
Neuroni interni: 1
Sensori infrarossi: 3
2) Seconda fase : Modalità di addestramento
Ground sensors: 0
Evoluzione ( parametri di evoluzione )
Camera sensors: 3
Abilità: esplorazione
Genitori: 2
Figli: 2
Generazioni: 50
Lunghezza della vita: 100
Mutazione genetica: bassa
Popolazione = (n° genitori) x (n° figli) = 4
Nell’immagine di fianco è
possibile visualizzare la
rete neurale composta da
un solo neurone del primo
robot.
3) Terza fase : Ambiente
2 cilindri
4) Quarta fase : Progetta e avvia l’esperimento
Nell’immagine di
fianco è
rappresentato
l’ambiente virtuale.
ESPERIMENTO 1
I risultati raggiunti nel primo esperimento sono i seguenti:
0,46875
26,25,00
15
15,25
18,05
22,25
21,25
22,05
18,05
25,75
31,75
0,927083333
27,75
20,25
20,05
26,05,00
29
27
25,25,00
24
0,59375
19,25
16
24,25,00
18,25
21,25
1,01041666
7
19,05
19,25
24,25,00
23
0,88541666
7
21,05
31,75
27,05,00
27,75
28,75
19
25
0,92708333
3
IMPOSTAZIONE DELL’ESPERIMENTO 2
Nel secondo esperimento abbiamo realizzato
i seguenti passaggi:
1) Prima fase : Corpo e cervello
Nome: Maxrobot
Neuroni output: 2
Neuroni interni: 2
Sensori infrarossi: 3
2) Seconda fase : Modalità di addestramento
Evoluzione ( parametri di evoluzione )
Ground sensors: 0
Abilità: esplorazione
Camera sensors: 3
Genitori: 2
Figli: 2
Generazioni: 50
Lunghezza della vita: 100
Mutazione genetica: bassa
Popolazione = (n° genitori) x (n° figli) = 4
Nell’immagine di fianco
è rappresentata la rete
neuronale del robot del
secondo esperimento.
3) Terza fase : Ambiente
2 cilindri
4) Quarta fase : Progetta e avvia l’esperimento
ESPERIMENTO 2
I risultati raggiunti nel secondo esperimento sono i seguenti:
0,385416667
13,25
0,760416667
23,25
22,25
23
18,25
19,25
19
21,05
19,05
26,75
27,75
27,25,00
29,05,00
25,75
0,71875
18
21,05
14,05
22,25
0,677083333
15,25
19,25
14
13,05
26,05,00
22,25
19,05
17,25
18,25
12,05
1,010416667
26,75
0,760416667
30
17,05
22
20
IMPOSTAZIONI DELL’ESPERIMENTO 3
Nel terzo esperimento abbiamo realizzato
i seguenti passaggi:
1) Prima fase : Corpo e cervello
Nome: Maxrobot
Neuroni output: 2
Neuroni interni: 1
Sensori infrarossi: 3
2) Seconda fase : Modalità di addestramento
Ground sensors: 0
Evoluzione ( parametri di evoluzione )
Camera sensors: 3
Abilità: esplorazione
Genitori: 2
Figli: 2
Generazioni: 50
Lunghezza della vita: 100
Mutazione genetica: MEDIA
Popolazione = (n° genitori) x (n° figli) = 4
3) Terza fase : Ambiente
2 cilindri
4) Quarta fase : Progetta e avvia l’esperimento
Nell’immagine di fianco
è possibile visualizzare
la rete neurale
composta da un solo
neurone del terzo robot.
ESPERIMENTO 3
I risultati raggiunti nel terzo esperimento sono i seguenti:
20,5
17,75
27,75
18,25
29,25
17,75
19,5
8,25
20,25
17
10
20,5
29,5
26
13,25
12,25
12,25
16
18,25
15
13,75
17,5
12,25
7
9,25
19,5
23,25
16,5
13,75
24,25
18,25
20,75
18,75
25,25
22,25
23,25
23
30,5
19,5
IMPOSTAZIONE DELL’ESPERIMENTO 4
Nel quarto esperimento abbiamo realizzato
i seguenti passaggi:
1) Prima fase : Corpo e cervello
Nome: Maxrobot
Neuroni output: 2
Neuroni interni: 3
Sensori infrarossi: 3
2) Seconda fase : Modalità di addestramento
Ground sensors: 0
Evoluzione ( parametri di evoluzione )
Camera sensors: 3
Abilità: esplorazione
Genitori: 2
Figli: 2
Generazioni: 50
Lunghezza della vita: 100
Mutazione genetica: bassa
Popolazione = (n° genitori) x (n° figli) = 4
3) Terza fase : Ambiente
2 cilindri
4) Quarta fase : Progetta e avvia l’esperimento
Nell’immagine di fianco è
possibile visualizzare la rete
neurale composta da tre
neuroni del quarto robot.
ESPERIMENTO 4
I risultati raggiunti nel quarto esperimento sono i seguenti:
24,75
20,25
29,05,00
25,25,00
28,25,00
1,010416667
19,25
31,25,00
33,05,00
26,25,00
06,25
28,25,00
24,05,00
31,75
22,25
18,05
18
16
30,25,00
0,71875
26,05,00
30,05,00
16
23,05
20,25
20
27,75
23,25
31,25,00
27
22,25
27
28
28,05,00
20,05
25
28
29,75
25,25,00
IMPOSTAZIONE DELL’ESPERIMENTO 5
Nel quinto esperimento abbiamo realizzato
i seguenti passaggi:
1) Prima fase : Corpo e cervello
Nome: Maxrobot
Neuroni output: 2
Neuroni interni: 1
Sensori infrarossi: 3
Ground sensors: 0
2) Seconda fase : Modalità di addestramento
Evoluzione ( parametri di evoluzione )
Camera sensors: 3
Abilità: esplorazione
Genitori: 2
Figli: 2
Generazioni: 50
Lunghezza della vita: 100
Mutazione genetica: ALTA
Popolazione = (n° genitori) x (n° figli) = 4
3) Terza fase : Ambiente
2 cilindri
4) Quarta fase : Progetta e avvia l’esperimento
Nell’immagine di fianco è
possibile visualizzare la
rete neurale composta da
un solo neurone del quinto
robot.
ESPERIMENTO 5
I risultati raggiunti nel quinto esperimento sono i seguenti:
9
19
11,25
8,05
9,05
20,25
16,05
13,05
23
0,802083333
22,05
23,05
20,05
25,25,00
20
0,885416667
19
24,05,00
23,05
27
17,05
22,05
22
0,84375
20
28
20,05
0,927083333
25,75
23,25
22
16
28,25,00
18
23,25
0,885416667
22
20
CONFRONTIAMO I RISULTATI …
Conclusioni…
Grazie all’utilizzo di questo software, abbiamo potuto
praticamente sperimentare come la robotica evolutiva sia basata
sul principio della selezione naturale secondo il quale vengono
scelti solo i genomi più efficienti per creare di volta in volta le
generazioni successive.