Umělé bytosti - NAIX068

• Anglický název: Human-like Artificial Agents
• Zajišťuje: Studijní oddělení (32-STUD)
• Fakulta: Matematicko-fyzikální fakulta
• Platnost: od 2022
• Semestr: letní
• E-Kredity: 6
• Rozsah, examinace: letní s.:2/2, Z+Zk [HT]
• Počet míst: neomezen
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: vyučován
• Jazyk výuky: čeština
• Způsob výuky: prezenční
• Je zajišťováno předmětem: NAIL068
• Další informace: https://discord.gg/c49DHBJ
• Poznámka: předmět je možno zapsat mimo plán; povolen pro zápis po webu
• Garant: doc. Mgr. Cyril Brom, Ph.D.
• Třída: Informatika Mgr. - Teoretická informatika
• Kategorizace předmětu: Informatika > Informatika, Aplikační software, Počítačová grafika a geometrie, Databázové systémy, Didaktika informatiky, Diskrétní matematika, Předměty širšího základu, Předměty obecného základu, Počítačová a formální lingvistika, Optimalizace, Programování, Softwarové inženýrství, Teoretická informatika, Programování, Softwarové inženýrství, Teoretická informatika
• Prerekvizity : {NXXX019, NXXX020, NXXX021, NXXX038, NXXX039, NXXX040, NXXX067, NXXX069}
• Neslučitelnost : NAIL068
• Záměnnost : NAIL068
• Je neslučitelnost pro: NAIL133
• Je záměnnost pro: NAIL133

Anotace

čeština

Umělé bytosti jsou autonomní inteligentní agenti, kteří jsou situovaní v prostředí podobném přirozenému světu a kteří se chovají podobně jako lidé nebo zvířata. Přednáška podává přehled typů umělých bytostí a jejich architektur a blíže se zabývá způsobem jejich řízení a praktickým řešením problémů spojených s částečně pozorovatelným dynamickým prostředím, které je simulované v reálném čase.

Poslední úprava: T_KSVI (13.05.2015)

angličtina

In this course, we will study human-like artificial agents, that is autonomous intelligent agents situated in a virtual environment similar to real world that act like humans. The course gives an overview of types of such agents and their architectures with the emphasis on the problem of action selection. The course also focuses on solving practical issues related to real-time and partially observable environments.

Poslední úprava: T_KSVI (13.05.2015)

Cíl předmětu

čeština

Zprostředkovat studentovi přehled o umělých bytostech jako vtělených inteligentních agentech, jejichž rozhodování probíhá v mezích omezené racionality.

Poslední úprava: Gemrot Jakub, Mgr., Ph.D. (07.08.2018)

angličtina

To give the student an overview about artificial beings as embodied intelligent agents, whose decision-making is subject to the bounded rationality.

Poslední úprava: Gemrot Jakub, Mgr., Ph.D. (07.08.2018)

Podmínky zakončení předmětu

čeština

Podmínkou zakončení předmětu je získat zápočet za řešení praktických úloh ze cvičení a následně složení prakticky orientované zkoušky.

Poslední úprava: Gemrot Jakub, Mgr., Ph.D. (02.08.2018)

angličtina

To complete the course, the student has to receive a credit from labs by solving assignments and then pass the practical examination.

Poslední úprava: Gemrot Jakub, Mgr., Ph.D. (02.08.2018)

Literatura

čeština

Bratman, M. (1999). Intention, plans, and practical reason. Center for the Study of Language and Information.

Brooks, A. R.: Intelligence without reason. In: Proceedings of the 1991 International Joint Conference on Artificial Intelligence, Sydney (1991) 569-595

Bryson, J.: Hierarchy and sequence vs. full parallelism in reactive action selection architecture. In: From Animals to Animats (SAB00). MA. MIT Press, Cambridge (2000) 147-156

Černý, M., Plch, T., Marko, M., Ondráček, P., & Brom, C. (2014). Smart Areas: A Modular Approach to Simulation of Daily Life in an Open World Video Game. 6th International Conference on Agents and Artificial Intelligence (ICAART 2014), 703–708.

Edelstein-Keshet, L: Mathematical Models in Biology. SIAM (2005) (Ch. 4.1, 4.2, 6.1 - 6.3)

Fu, D., & Houlette, R. (2004). The Ultimate Guide to FSMs in Games. In S. Rabin (Ed.), AI Game Programming Wisdom (First, Vol. 2, pp. 283–302). Massachusetts, USA: Charles River Media.

Grand, S., Cliff, D., Malhotra, A.: Creatures: Artificial life autonomous software-agents for home entertainment. In: Lewis Johnson, W. (eds.): Proceedings of the First International Conference on Autonomou Agents. ACM press (1997) 22-29

Hindriks KV, (2009). Programming Rational Agents in GOAL, Multi-Agent Programming: Languages and Tools and Applications, Springer US, pages:119-157, isbn: 978-0-387-89298-6

Huber, M. J.: JAM: A BDI-theoretic mobile agent architecture. In: Proceedings of the Third International Conference on Autonomous Agents (Agents'99). Seatle (1999) 236-243

Champandard, A. J. (2008). Behavior Trees for Next-Gen Game AI [Video]. Retrieved from http://aigamedev.com/insider/presentations/behavior-trees [17.5.2017]

Kokko, H.: Modelling for Field Biologists and Other Interesting People. Cambridge University Press (2007)

Laird, J. E., Newell, A., Rosenbloom, P.S.: SOAR: An Architecture for General Intelligence. In: Artificial Intelligence, 33(1) (1987) 1-64

Mateas, M.: Interactive Drama, Art and Artificial Intelligence. Ph.D. Dissertation. Department Computer Science, Carnegie Mellon University (2002) viz též: https://eis-blog.soe.ucsc.edu/2012/02/getting-started-with-abl/

Orkin, J. (2006). Three States and a Plan: The AI of F.E.A.R. In Proceedings of the Game Developers Conference (GDC).

Rao, A. S., & Georgeff, M. P. (1995). BDI Agents: From Theory to Practice. Proceedings of the First International Conference on Multi-Agent Systems (ICMAS-95), San Francisco, USA, 1995, 312--319.

Rabin, S. (ed.): AI Game Programming Wisdom I - IV, Charles River Media (2002 - 8)

Steve Rabin (ed.). Game AI Pro : collected wisdom of game AI professionals, 2013 (Ch. 6)

Tyrrell, T.: Computational Mechanisms for Action Selection. Ph.D. Dissertation. Centre for Cognitive Science, University of Edinburgh (1993)

Poslední úprava: Gemrot Jakub, Mgr., Ph.D. (07.08.2018)

Metody výuky

čeština

Frontální výuka při přednáškách, řešení praktických úloh při cvičeních.

Poslední úprava: Gemrot Jakub, Mgr., Ph.D. (07.08.2018)

angličtina

Frontal teaching during lectures, solving practical problems during labs.

Poslední úprava: Gemrot Jakub, Mgr., Ph.D. (07.08.2018)

Požadavky ke zkoušce

čeština

Schopnost prakticky aplikovat znalost látky prezentované na přednáškách, které byly demonstrovány v rámci cvičení na praktických přííkladech.

Poslední úprava: Gemrot Jakub, Mgr., Ph.D. (02.08.2018)

angličtina

Demonstrate an ability to apply techniques presented during lectures and demonstrated during practical lessons.

Poslední úprava: Gemrot Jakub, Mgr., Ph.D. (02.08.2018)

Sylabus

čeština

Témata přednášek:

1. Typy umělých bytostí a aplikace: výukové simulátory, počítačové hry, seriózní hry, virtual storytelling, interaktivní drama, výpočetní etologie.

2. Řízení umělých bytostí symbolickými metodami: reaktivní plánování a deliberativní přístup; rozhodovací pravidla, konečné automaty, behaviorální stromy, subsumption architektura, BDI architektura, vícevrstvé architektury.

3. Řízení umělých bytostí konekcionistickými metodami: Tyrrellova volná hierarchie, Creatures, Black&White, problémy učení.

4. Lehký úvod do etologie. Lorenzův hydraulický model. Modely populační dynamiky.

5. Hledání cesty: steering rules, A*, HPA*.

6. Representace světa: afordance, smart objects, nav-mesh, way-points, dokonalost smyslů.

7. Paměť: klasifikace z hlediska psychologie, modely krátkodobé paměti a episodické paměti.

8. Unified theories of cognition: SOAR, ACT-R.

Cvičení probíhá ve dvou rozdílných virtuálních prostředích počítačových her: Unreal Tournament 2004 (UT2004) a NOTA.

Témata cvičení v UT2004:

1. Opakování programovacího jazyka Java (základní syntax jazyka, kolekce, listy, sety, mapy, iteratory, lazy inicializace, observer pattern a jeho problémy, slabé reference), základy Maven.

2. Úvod do platformy Pogamut a světa UT2004

3. Události a objekty virtuálního světa v Pogamutu, listenery, anotace.

4. BOD metodologie pro návrh chování virtuálních agentů, if-then pravidla, konečné automaty, rozklad chování

5. Steeringy a nízkoúrovňový pohyb botů.

6. Navigace v UT2004.

7. Viditelnost v UT2004, netriviální použítí A*.

Témata cvičení v NOTA:

1. Úvod do skriptovacího jazyka Lua

2. Stromy chování

3. Vzory rozhodování v stromech chování

4. Řízení skupin pomocí stromů chování

Poslední úprava: Gemrot Jakub, Mgr., Ph.D. (07.08.2018)

angličtina

Lecture topics:

1. Taxonomy of artificial beings and their applications: learning simulations, video games, serious games, virtual storytelling, interactive drama, computational ethology.

2. Symbolic approaches to action selection: reactive planning, deliberative methods; if-then rules, finite-state machnies, behavioral trees, subsumption, Belief-Desire-Intention architecture, multi-layered architetures.

3. Connectionist approaches to action selection: free-flow hierarchies (Tyrrell), neural networks (Creatures, Black&White), approaches to agent learning.

4. Introduction to ethology: Psychohydraulic model of Konrad Lorenz, models of population dynamics.

5. Path-planning: steering rules, A*, HPA*.

6. Environment representation: affordances, smart objects, nav-mesh, way-points, sensory versimilitude.

7. Memory: psychological classification, short-term memory & episodic memory for the agents.

8. Unified theories of cognition: SOAR, ACT-R

Practical lessons are carried out in virtual environments of two different video games: Unreal Tournament 2004 (UT2004) and NOTA.

Practical lesson topics in UT2004:

1. Revisiting Java (sytax, collections, lists, sets, maps, iterators, lazy initialization, observer pattern and its problems, weak references), Maven basics

2. Introduction to the Pogamut platform and virtual environment of UT2004

3. Events and objects in Pogamut, listeners, annotations.

4. BOD methodology for the behavior design of virtual agents; if-then rules, finite state machines, behavior breakdown

5. Steerings and low-level movement of bots

6. Navigation in UT2004

7. Visibility in UT2004, non-trivial use of A*

Practical lesson topics in NOTA:

1. Introduction to Lua scripting language

2. Behavior trees

3. Behavior patterns in behavior trees

4. Controlling groups of bots using behavior trees

Poslední úprava: Gemrot Jakub, Mgr., Ph.D. (07.08.2018)