Análisis y diseño de sistemas cognitivos para robots autónomos
Notice bibliographique
Résumé
Los robots autónomos están jugando un papel muy importante en la sociedad actual. Pueden servir a las personas proporcionando ayuda en el hogar, hospitales, empresas y entornos industriales, además de la realización de misiones espaciales de manera autónoma e “inteligente” mediante la incorporación de arquitecturas cognitivas. En la presente tesis se estudia el diseño de sistemas cognitivos para robots autónomos y se propone una arquitectura cognitiva, compuesta por agentes, para la toma de decisiones en robots autónomos con la idea de aprovechar al máximo todo el conocimiento disponible. Conocimiento que hace referencia tanto a los criterios utilizados para seleccionar la tarea más adecuada como a la evaluación de los objetivos de la misión. De esta forma, el robot podrá percibir y actuar en el mundo real, aprendiendo de su relación con el entorno y usando este conocimiento en el proceso de planificación, control y actuación involucrado en la toma de decisiones de manera más eficiente. La arquitectura propuesta se compone, entre otros, de un agente que implementa una ontología informática para representar todo el conocimiento necesario de forma semántica; un mecanismo de toma de decisiones o planificador de las tareas del robot para un periodo dado o para realizar una misión y una función de coste basada una “escala de valores” que influyen en la calidad de las acciones del robot. El modelo propuesto es lo suficientemente flexible como para poder incorporar nuevo conocimiento, que será clasificado con todos los atributos propios de la categoría a la que pertenezca e influyendo en la toma de decisiones, bien por aportar un nuevo “valor” o un atributo específico. En la tesis se desarrollan varios prototipos que permiten validar la arquitectura propuesta. Abstract The autonomous robots are currently taking an important role in society. They can provide with help at home, hospitals, companies and industrial environments, as well as space missions in an autonomous and intelligent way through the implementation of cognitive architecture. This thesis comprehends the study from the design of cognitive systems for autonomous robots and proposes a cognitive architecture, compounded by agents, for the choice selection in autonomous robots with the purpose to excel the knowledge. This knowledge refers to all the criteria used to choose the most convenient task as the evaluation fro the mission objectives. This way, the robot could perceive and behave in the real world, learning from the relationship with its surroundings and using this experience in the process to planify, control and act depending on the most efficient choice selection. The architecture proposed comprehends, among others, one agent that implements an informatics ontology to represent all the necessary in a semantic process; a mechanism on the choice selection or a task manager from the robot during a certain period or to fulfil a mission and an objective function based on a “scale of values” that affect in the quality of the actions taken from the robot. The proposed model is flexible enough as it can build up with new knowledge, that will be classified with the default ones, category and affecting the decision making for e new value or specific attribute. The thesis develops different prototypes that allow validation the architecture proposed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».