Доклад Ивана Даниила посвящен модели belief-desire-intention (BDI) и ее применению в многоагентных системах. Модель BDI описывает внутренние состояния агентов через убеждения, желания и намерения, что позволяет агентам автономно планировать и принимать решения. Рассказывается о примере реализации BDI в агенте-спасателе и используемых языках программирования для создания таких агентов.

1. Модель
Belief-Desire-Intention
(BDI)
Докладчик: Иванов Даниил
МГУ, ВМК
Ноябрь 2014

2. Введение:
Предметная область

3. 3
Многоагентная система
Определение
Система, образованная несколькими
взаимодействующими сущностями -
агентами, обладающая следующими
свойствами:
– Автономность
– Ограниченность представления
– Децентрализация
/34

4. 4
Интеллектуальный агент
Определение
Автономная сущность, для
которой характерны
следующие свойства
– Способна некоторым
образом воспринимать мир
(через некоторые устройства
восприятия)
– Способна воздействовать на
мир (через некоторые
устройства-манипуляторы)
– Способность обрабатывать полученную информацию и принимать
решения на её основе
/34

5. Модель
Belief-Desire-Intention

6. 6
BDI модель
Что это такое
• Модель разработки интеллектуальных
агентов
• Основана на «Теории человеческого
практического рассуждения» Майкла
Братмана
/34

7. 7
BDI модель
Основные свойства
• Все динамические данные агента делятся
на убеждения(belief), желания(desire) и
намерения (intention)
• Агент разделяет свою деятельность на
– Планирование дальнейших действий
– Выполнение запланированных целей
/34

8. 8
BDI модель
Убеждения
• Убеждения (Beliefs) – это множество
утверждений/фактов/логических связей
которые агент считает истинными в
данный момент.
– Миша считает, что на улице холодно.
– Автопилот самолета считает, что ветер дует с
севера.
– Робот-пылесос считает, что если он проехал
по всему полу два раза – то комната стала
чистой.
/34

9. 9
BDI модель
Желания
• Желания (Desires) – это множество тех
ситуаций/результатов, которых агент
желал бы достичь
– Миша хотел бы оказаться в тепле
– Автопилот самолета хотел бы оставаться над
уровнем моря
– Робот-пылесос хотел бы, чтобы в доме было
чисто
/34

10. 10
BDI модель
Намерения
• Намерения (Intentions) – это множество
тех событий, которых агент собирается в
данный момент достичь
– Миша собирается выпить горячего кофе.
– Автопилот самолета собирается сделать
поворот на пол градуса набрать 10 метров
высоты.
– Робот пылесос собирается переехать в
гостиную.
/34

11. 11
BDI модель
Отличие желаний от намерений
• Желания
– Хочу оказаться дома
– Хочу оказаться на Мальдивах
– Хочу уметь летать
– Хочу прочитать все книги мира
• Намерения
– Собираюсь закончить читать доклад, собрать
вещи и пойти домой
/34

12. 12
BDI модель
Общая схема внутренней работы
• Внешние события изменяют убеждения
агента
• По своим убеждениям агент строит для
себя “картину мира” и возможных
исходов
• Желания агента определяют его основные
цели, которых он будет пытаться достичь
• Намерения агента определяют план
действий, которые агент будет исполнять
/34

13. 13
BDI модель
Использование модели
Пользователь
Убеждения Желания Намерения
Какая-нибудь реализация
Работающий агент
/34

14. 14
BDI модель
Преимущества модели
• Высокоуровневость
– Программист задает только правила
поведения агента и не вынужден
организовывать процесс исполнения этих
правил
• BDI модель способна сбалансировано
распределять время между выполнением
и составлением планов
/34

15. Пример
Агент-спасатель

16. 16
Агент-спасатель
Описание задачи
• Зона поиска (белая
зона) за которую
агент не может
выходить
• Агент (красная
точка)
• Потерпевшие
(синие точки)
• Препятствия
(пунктирные чёрные
линии)
/34

17. 17
Агент-спасатель
Описание агента
• Цели:
– Исследовать зону поиска и вызвать подмогу в
те координаты, где находятся потерпевшие
• Доступные действия:
– Передвигаться в произвольном направлении
– Проверить наличие объектов вокруг себя
– Вызвать спасательный транспорт в точку
рядом с собой
– Вызвать грузовой транспорт, чтобы помочь
разобрать завалы, препятствующие движению
/34

18. 18
Агент-спасатель
Убеждения
• Вся зона поиска в начале неизведанна
• Чтобы обследовать некоторую область -
надо переместиться в центр этой области и
«проверить наличие объектов вокруг себя»
• Чтобы проехать через труднопроходимую
местность – требуется вызвать грузовой
транспорт рядом с этой местностью
• Чтобы помочь пострадавшему – надо
подъехать к нему и «вызвать спасательный
транспорт»
/34

19. 19
Агент-спасатель
Желания
• Обследовать всю зону поиска
• Если обнаружен потерпевший X – то
добавить в список желаний «Помочь
потерпевшему X»
• Если «Помочь потерпевшему Х» выполнено –
то убрать её из списка желаний и больше не
добавлять туда эту цель
• Если остались неизведанные области, но нет
возможности добраться до них, и преграда Х
мешает добрться в неизведанную область,
то добавить желание «избавиться от
преграды Х»
/34

20. 20
Агент-спасатель
Намерения
1. Если есть желание «помочь потерпевшему Х» и
потерпевший Х находится рядом, то вызвать
спасательный транспорт
2. Если есть одно или больше желаний «помочь
потерпевшему» и ни один из потерпевших не
находится рядом, то переместиться к ближайшему
потерпевшему
3. Если есть желания исследовать неизведанные
области, то выбрать ближайшую проходимую
неизведанную область, переместиться в её центр и
проверить наличие объектов вокруг себя
4. Если есть желание «избавить от преграды Х», то
переместиться к преграде и вызвать грузовой
транспорт /34

21. Реализации модели BDI

22. 22
Реализации модели BDI
Реализаций много!
/34

23. 23
Реализации модели BDI
Система PRS
• Процедурная система рассуждений
(Procedural reasoning system)
• Разработана в 80-х годах и
использовалась в NASA на шатле
Discovery
/34

24. 24
Реализации модели BDI
Система PRS
/34

25. 25
Реализации модели BDI
Система PRS
• База убеждений характеризует набор
убеждений (Как правило набор утверждений
логики первого порядка)
• Цели характеризует набор желаний агента
• Библиотека (Knowledge areas) определяет
последовательность низкоуровневых действий,
применяемых для достижения определённых
целей
• Намерения определяют те действия, которые
выбираются из библиотеки на текущем этапе
• Интерпретатор организует работу всех модулей
/34

26. Язык программирования
агентов GOAL

27. 27
Язык GOAL
Пример: задача блоков
Исходное состояние Целевое состояние
/34

28. 28
Язык GOAL
Компоненты программы
• Knowledge – набор знаний о принципах мира
• Beliefs - набор знаний о текущем состоянии
мира
• Goals – цели работы программы
• Action rules – алгоритм, по которому
определяются действия агента
• Action specifications - описание доступных
действий
• Percept rules – описание реакций на события
/34

29. 29
Язык GOAL
Знания
Убеждения
/34

30. 30
Язык GOAL
Цели
Определение действий
/34

31. 31
Язык GOAL
Основной модуль
/34

32. 32
Язык GOAL
Обработчик событий
/34

33. Спасибо за внимание

34. Список литературы
• M. Georgeff, A Rao (1995). “BDI Agents: From Theory to Practice”
• B. van der Vecht (1981), “Adjustable Autonomy”
• Ingrand, F., M. Georgeff, A Rao (1992). "An architecture for real-time
reasoning and system control“
• Wikepedia.org :
– Belief–desire–intention software model
– GOAL agent programming language
– Procedural reasoning system
34/34