Lida

Atividade 1

Faça o download com o tutorial prático do LIDA aqui. Se você fez o download da arquitetura LIDA na aula passada, é possível que esse mesmo arquivo lhe tenha sido enviado por e-mail. Nesse caso, utilize a versão mais recente do mesmo, que é a que lhe foi enviada. Abra o arquivo zip e o instale em sua máquina. Verifique a árvore de diretórios, com os arquivos instalados, para os dois exemplos que estudaremos na aula de hoje, o exercício básico e o exercício de Artificial Life. Observe principalmente o arquivo LIDA-Tutorial-Exercises.pdf, que contém o roteiro dos exercícios que seguiremos na aula de hoje.

 

 

Download ok: 

 

 

Informações adicionais sobre a estrutura de diretório pode ser encontrada no readme do lida.

 

Execução do exemplo ALifeAgent1.2:

 

O arquivo LIDA-Tutorial-Exercises.pdf  é a referência para do Exercício básico e  Exercício de Artificial Life. É possível verificar que todas as “STUDY QUESTION “ estão respondidas no apêndice do tutorial.

Importação dos projetos no netbeans.

 

Atividade 2 – Tutorial Project I

 

 

Basic Agent Exercise

0 – Objetivo: Exploração Funcionl, Agente Básico

Verificou-se as classes do projeto e os arquivos de configuração.

 

Estrutura de pacotes e classes do projeto

 

Arquivos de configuração

 

1- Objetivo:  Familiarização da GUI do framework: Tool Bar, Button Environment, Logging, Arquivos de configurações e painel de interface

Task 1: Identificar a barra de ferramentas e pressionar o botão start/stop  Analisar, também, o campo tick e como ele avança na simulação.

 

Tool bar:

 

Pressionando Start/Pause

 

PAM Table

 

 

 

 

Task 2: Rodar via Step Mode e atribuir valor ao tick

Ao selecionar o “step mode” e pressionar  o botão “run tick” a aplicação irá executar a quantidade de “tick” atribuído.

 

Task 3: Controlar o  tempo de cada tick pelo campo “Tick duration (ms)”. 

Quanto maior o valor, maior será o tempo de execução (ou duração do tick corrent). Foram feitas execução para “tick duration” igual a 20 e igual a 0.  Foi observado um intervalo de 20ms entre os ticks, já para 0, não foi observado intervalo.

 

Task 4: Filtros e nível de log. 

Pode-se observar perda de desempenho durante a execução quando o nível de log extiver configurado para mais baixo. Filtro: “Logger”  e  Nível de Log em “Logging Level”

 

 

Task 5:  Aba “Configuration Files”.

Esta aba monstra o conteúdo do arquivo LidaConfig.properties. Cada chave deste arquivo aponta para outros arquivos de propriedades.

 

2 – Objetivo: Familiarização com a funcionalidade de detecção,  interação de código, estudo da GUIPanel ( PAM table, Perceptual Buffer e GlobalWorkspace) , personalização da GUI e  o espaço de trabalho do modelo situacional corrente.

A preparação consiste em alterar o valor da propriedade  lida.agentdata do arquivo LidaConfig.properties.

Task 1:  PAM table - Verificação dos nós square, red, circle e blue.

O nós “square” e “red” tem sensores, enquanto que os nós circle e blue ainda não tem sendores. Isso é observado com alteração de valores da “current action” na PAM table. Os nós que tem sensores apresentam variação no valor de “current action”,.

 

Task 2:  Perceptual Buffer 

O que causa o painel ficar vazio? 

Nesta área, as instâncias de nós que tem sensores aparecem, caso contrário, o painel fica vazio. Ao passar com o mouse em cima das instâncias, é possível observar o  id e valor de ativação.  

 

  Qual o módulo do Lida Model é Perceptual Buffer? Workspace

De onde vem os nós deste buffer? PAM

Como eles diferem dos nós de outros módulos? Pelo id 

 

Task 3: GlobalWorkspace 

É possível observar a aliança atual e o histórico de alianças.

 

De onde vem as alianças de GlobalWorkSpace? Workspace

Para onde elas as alianças de GlobalWorkSapce vão? Listeners

 

 

Task 4: Personalização da GUI

Ao adicionar a linha abaixo no guiPanels.properties, uma nova aba será adicionada à interface gráfica do LIDA. Essa linha é baseada na linha da propriedade perceptualBufferGraph. Foram feitas alterações em name, panel title, tab order e parameters.

csm = CSM,edu.memphis.ccrg.lida.framework.gui.panels.NodeStructurePanel,B,7,Y,Workspace.CurrentSituationalModel 

 #name = panel title, class name, Position [A,B,C,FLOAT, TOOL], tab order, Refresh after load, parameters

 

 

 

E do conteúdo do PAM? O conteúdo de CSM vem do buffer percentua por meio do PAM.

 

 

3 - Objetivo: Exploração do arquivo xml de agente. Modificar a declaração do arquivo do agente. Adicionar as seguintes declarações : agente, listener, detectores, attention codelet.

A preparação consiste em alterar o valor da propriedade  lida.agentdata do arquivo LidaConfig.properties.

lida.agentdata=configs/basicAgent_ex3.xml

Task 1:

Abrir basicAgent_ex3.xml

Task 2:

Adicionar submodule com as seguintes informações:

name:Environment

class:myagent.modules.ButtonEnvironment

Param1: name=”height” type=”int”, tag value is 10

Param2:name=”width” type=”int”, tag value is 10

taskspawner: defaultTS

 

Segue o conteúdo do trecho adicionado no xml:

 

     <module name="Environment">

            <class>myagent.modules.ButtonEnvironment</class>

            <param name="height" type="int"> 10 </param>

            <param name="width" type="int">10 </param>

            <taskspawner>defaultTS</taskspawner>

        </module>

Resultado: “Button environment” adicionado. Sem este módulo red square e blue square não aparecem na aba “ButtonEnvironment”

Task 3:

Adicionar Listener para a conexão entre PAM e Workspace com as seguintes informações:

  listenertype:edu.memphis.ccrg.lida.pam.PamListener

modulename:PerceptualAssociativeMemory

listenername:Workspace

Segue o conteúdo do trecho adicionado ao xml:

<listener>

            <listenertype>edu.memphis.ccrg.lida.pam.PamListener</listenertype>

            <modulename>PerceptualAssociativeMemory</modulename>

            <listenername>Workspace</listenername>

        </listener>

Resultado: Conexão entre PAM e Workspace é realizada.

Task 4:

Adicionar ColorDetector para “blue” com as seguintes informações:

name:blueDetector

tasktype:ColorDetector

ticksperrun:3

Parameter 1: name=”color” type=”int”,tag value is -16776961

Parameter 2: name=”node” type=”string”,tag value is blue

Segue o conteúdo do trecho adicionado ao xml:

 

 

<task name="BlueDetector">

                    <tasktype>ColorDetector</tasktype>

                    <ticksperrun>3</ticksperrun>

                    <param name="color" type="int">-16776961</param>

                    <param name="node" type="string">blue</param>

                </task>

Resultado: O nó azul é detectado e instanciado.

Task 5:

Adicionar ShapeDetector para “Circle” com as seguintes informações:

name: circleDetector

tasktype:ShapeDetector

ticksperrun:3

Parameter1: name=”area” type=”int”, tag value is 31

Parameter2: name=”backgroundColor” type=”int”, tag value is -1

Parameter3: name=”node” type=”string”, tag value is circle

Segue o conteúdo do trecho adicionado no xml:

<task name="CircleDetector">

                    <tasktype>ShapeDetector</tasktype>

                    <ticksperrun>3</ticksperrun>

                    <param name="area" type="int">31</param>

                    <param name="backgroundColor" type="int">-1</param>

                    <param name="node" type="string">circle</param>

                </task>

   Resultado: o nó “circle” é detectado e instanciado

Task 6:

Adicionar BasicAttentionCodelet para “blue circle” com as seguintes informações:

name:blueCircleCodelet

tasktype:BasicAttentionCodelet

ticksperrun:5

Parameter1:name=”nodes” type=”string”, tag value is blue,circle

Parameter2: name=”refractoryPeriod” type=”int”,tag value is 30

Parameter3:name=”initialActivation” type=”double”, tag value is 1.0

 

Segue o conteúdo do trecho adicionado no xml:

<task name="BlueCircleCodelet">

                    <tasktype>BasicAttentionCodelet</tasktype>

                    <ticksperrun>5</ticksperrun>

                    <param name="nodes" type="string">blue,circle</param>

                    <param name="refractoryPeriod" type="int">30</param>

                    <param name="initialActivation" type="double">1.0</param>

                </task>

Resultado: Agente passa a pressionar botão 2

Opcional: Análise pacote myagent.featuredetectors

Este pacote contém as classes ColorFeatureDetector e ShapeFeatureDetector. Ambas as classes estendem BasicDetectionAlgorithm e coletam valorer do sensor visual. ColorFeatureDetector utiliza parâmetro “color” e    ShapeFeatureDetector utiliza parâmetro “area” para coletar as informações apropriadas de cada FeatureDetector.

 

Advanced Exercise

1 – Logging & GUI Configuration

Logging: os parâmetros de log estão configurados em  logging.properties, para customizar basta fazer alterações nos valores das propriedades.

O arquivo lidaConfig.properties aponta para o arquivo de configuração de log (lida.logging.configuration=configs/logging.properties ). . 

GUI configuration: ao configurar a propriedade lida.gui.enable=false do arquivo lidaConfig.properties, o framework lida é executado sem a interface do usuário.

2 – Ajuste do parâmetro ticksPerRun

A preparação consiste em definir a propriedade lida.agentdata -do arquico lidaConfig.properties-para basicAgent.xml, Alterar os valored de initialtasks de RedSquareCodelet do ticksPerRun para 50 e refractoryPeriod 300. 

Ao executar a aplicação, configurar tickDuration para 10

Resultado: Menos aliança quando “red square” aparece.

 

3 -  Criar uma feature detector class, adicionar  codelet de atenção e esquema para o arquivo de declação de xml do agente.

 

- Criar feature detector para detectação de janela branca.

Foi criada no pacote myagent.featuredetectors  uma classe chamada WhiteScreenFeatureDetector que estende BasicDetectionAlgorithm.

O  código é baseado no ShapeFeatureDetector, pois este já identifica o fundo branco.

 

Adicionar o feature detector em factoryData.xml

<task name="WhiteScreenFeatureDetector">

<class>myagent.featuredetectors.WhiteScreenFeatureDetector</class>

<ticksperrun>5</ticksperrun>

<associatedmodule>SensoryMemory</associatedmodule>

<associatedmodule>PerceptualAssociativeMemory</associatedmodule>

<param name="area" type="int">40</param>

<param name="backgroundColor" type="int">-1</param>

<param name="node" type="string">empty</param>

</task>

Adicionar nó empty em  PerceptualAssociativeMemory

<module name="PerceptualAssociativeMemory">

          <class>edu.memphis.ccrg.lida.pam.PerceptualAssociativeMemoryImpl</class>

            <param name="pam.Upscale" type="double">.7 </param>

            <param name="pam.Downscale" type="double">.6 </param>

           <param name="pam.Selectivity" type="double">.5 </param>

            <param name="nodes">red,blue,square,circle,empty</param>

 

Definir task para codlet de atenção

<task name="EmptyCodelet">

                    <tasktype>BasicAttentionCodelet</tasktype>

                    <ticksperrun>5</ticksperrun>

                    <param name="nodes" type="string">empty</param>

                    <param name="refractoryPeriod" type="int">30</param>

                    <param name="initialActivation" type="double">1.0</param>

                </task>

 

- Adicionar parâmetro para empty em ProceduralMemory

<param name="scheme.3">if empty, release press|(empty)()|action.releasePress|()()|0.01</param>

 

Adicionar parâmetro para empty em  SensoryMotorMemory (basta descomentar)

<param name="smm.3">action.releasePress,algorithm.releasePress</param>

 

Quando a tela ficar em branco o agente irá executar a ação releasePress.

 

 

Atividade 3 – Tutorial Project II

 

 

Agent Exercise 1 - Objetivo: Exploração Funcional, Agente Básico

 

Task 1

 

 

 

 

Comparar a GUI de alifeagent com a de basicagent. Quais as diferenças entre a GUI do alifegent e basicagent e por que são diferentes?

As diferenças podem ser observadas em guiPanels.properties. Além disso, o basicagent carrega o panel ButtonEnvironmentPanel e o CSM adicionado no tutorial um. O alifeAgent carrega o AlifeGuiPanel. 

 

Task 2

 

 

 

Task 3

 

 

ALIfe Agent Exercise 2 – Objetivo: Criar classe de feature detector, adicionar uma task em factoryData.xml e adicionar a declaração da task no arquivo do agente

A preparação consiste em alterar o valor da propriedade  lida.agentdata do arquivo LidaConfig.properties  (lida.agentdata=configs/alifeAgent_ex2.xml). Em objects.properties alterar o valor de QTY da propriedade food para 0 (food=0,-1,-1,8,10,1.0,edu.memphis.ccrg.alife.elements.ALifeObjectImpl)

 

Task 0:

Rodar a aplicação e verificar o “health” do agente.

 

Task 1:

Criar classe BadHealthDetector. Esta classe é baseada na GoodHealthDetector, a única alteração é na condição do if. Segue a condição de  BadHealthDetector:

 if (healthValue <= 0.33) {

            activation = 1.0;

        }

Task 2 :

Adicionar a task BadHealthDetector em  factoryData.xml

 

 <task name="BadHealthDetector">

            <class>alifeagent.featuredetectors.BadHealthDetector</class>

            <ticksperrun>3</ticksperrun>

            <associatedmodule>SensoryMemory</associatedmodule>

            <associatedmodule>PerceptualAssociativeMemory</associatedmodule>

        </task>

 

Task 3:

Adicionar a declaração da task  para o BadHealthDetector do módulo PerceptualAssociativeMemory do agente.

  <task name="BadHealthDetector">

                    <tasktype>BadHealthDetector</tasktype>

                    <ticksperrun>3</ticksperrun>

                    <param name="node" type="string">badHealth</param>

                </task>

Task 4: 

Adicionar predatorFrontDetector em  PerceptualAssociativeMemory

  <task name="predatorFrontDetector">

                    <tasktype>ObjectDetector</tasktype>

                    <ticksperrun>3</ticksperrun>

                    <param name="node" type="string">predatorFront</param>

                    <param name="object" type="string">predator</param>

                    <param name="position" type="int">1</param>

                </task>

 

 

 

Após aplicação dos passos acima, o agente tem duas novas funcionalidades de detecção e capacidade de percepção. Quando o agente tem BadHealth, deve se movimentar e quando o agente também   fugir do predador quanto este estiver a sua frente.

 

Por que o agente muda seu comportamento dessa maneira após adicionar os novos detectores? 

O agente já tinha o esquema na ProceduralMemory para responder a BadHealth e predadores. Quando as novas capacidades de percepção foram adicionada, o agente passou a utilizar os esquemas apropriadamente.

 

ALIfe Agent Exercise 3 – Objetivo: Criar e modificar codlets de atenção. Aprender os efeitos de mudança dos parâmetros do codlet de atenção.

A preparação consiste em alterar o valor da propriedade  lida.agentdata do arquivo LidaConfig.properties  (lida.agentdata=configs/alifeAgent_ex3.xml). Em objects.properties alterar o valor de QTY da propriedade food para 10 (food=10,-1,-1,8,10,1.0,edu.memphis.ccrg.alife.elements.ALifeObjectImpl)

 

Task 0: 

Rodar a aplicação

Quais são as possíveis razões para o agente não fugir? O agente não tem codlet de atenção para o predador e, por isso, ele não presta atenção em predador.

Task 1:

Criar em AttentionCodelet uma task para predatorAttentionCodelet

name:PredatorAttentionCodelet

tasktype: NeighborhoodAttentionCodelet

ticksPerRun: 5 

nodes: predator

refractoryPeriod:50

initialActivation:1.0

 <task name="PredatorAttentionCodelet">

                    <tasktype>NeighborhoodAttentionCodelet</tasktype>

                    <ticksperrun>5</ticksperrun>

                    <param name="nodes" type="string">predator</param>

                    <param name="refractoryPeriod" type="int">50</param>

                    <param name="initialActivation" type="double">1.0</param>

                </task>

 

O que isto afeta a cognição e o comportamento do agente?

O agente pode trazer o conceito de um predador para a consciência e agir apropriadamente.

 

Task 2:

Alterar o parâmentro initialActivation de FoodAttentionCodelet para 0.01.

Como este parâmetro altera a cognição do agente?

O agente fica menos interassado em comida e com menor probabilidade de perceber comida.

 

 <task name="FoodAttentionCodelet">

                    <tasktype>NeighborhoodAttentionCodelet</tasktype>

                    <ticksperrun>5</ticksperrun>

                    <param name="nodes" type="string">food</param>

                    <param name="refractoryPeriod" type="int">50</param>

                    <param name="initialActivation" type="double">0.01</param>

                </task>

Task 3:

<task name="GoodHealthAttentionCodelet">

                    <tasktype>NeighborhoodAttentionCodelet</tasktype>

                    <ticksperrun>5</ticksperrun>

                    <param name="nodes" type="string">goodHealth</param>

                    <param name="refractoryPeriod" type="int">10</param>

                    <param name="initialActivation" type="double">0.10</param>

                </task>

A frequência de aliança aumenta de acordo com a diminuição do valor de refractoryPeriod

 

 

ALIfe Agent Exercise 4 – Objetivo: Modificar esquemas em ProceduralMemory, Uso de Inicializador personalizado para o módulo de Percepção Associativa da Memória e obter uma estratégia de decaimento não padrão para ElementFactory

 

A preparação consiste em alterar o valor da propriedade  lida.agentdata do arquivo LidaConfig.properties  (lida.agentdata=configs/alifeAgent_ex4.xml)

Task 0:

Ao rodar,  verifica-se que o agente não se move  enquanto o predador não se aproximar ou o nível de saúde cair para abaixo de 0.66.

Task 1:

Alterar de  <param name="scheme.10b">if emptyFront turn around|(emptyFront)()|action.turnAround|()()  |0.1</param>

para 

<param name="scheme.10b">if emptyFront move ahead|(emptyFront)()|action.moveAgent|()()  |0.1</param>    

Task 2:

Customizar a inicialização de alguns elementos do PAM. Com o intuito de obter elemento com estratégias não default, um Initializer é necessário. Para criar o Initializer personalizado o initializerclass do módulo PerceptualAssociativeMemory.

Segue exemplo:

 

Alterar de <initializerclass>edu.memphis.ccrg.lida.pam.BasicPamInitializer</initializerclass>

para   <initializerclass>alifeagent.initializers.CustomPamInitializer</initializerclass>

O CustomPamInitializer permitirá o agente em adicionar nós personalizador e ligações para PAM, o qual não é possível com mo uso do inicializador default.

 

Criação da ligação PAM de food para objeto

Task 3:

Adicionar estratégia de decaimento para o nó do objeto em CustomPamInitializer. Esta estratégia está cadastrada em factoryData.xml

 

 

 

Advanced Exercise 1

O agente ainda não tem reação quando se depara com uma árvore. O objetivo é que o agente consiga se proteger do predador utlizando a árvore.

Para que se tenha reação quando se deparar com uma árvore, deve-se adicionar um novo codlet de atenção para o nó tree (árvore) e um novo esquema para Procedural Memory com o contexto treeFront node e ação action.moveAgent .  

<param name="scheme.11">if treeFront turn around|(treeFront)()|action.moveAgent |()()  |0.1</param>

 

 

 

 

 

 

Advanced Exercise 2

 

Visto que o módulo de Seleção de Ação (Action Selection ) é muito simples, deve-se criar uma nova classe que representa um Action Selection, a qual deverá estender FrameworkModuleImpl e implementar as interfaces ActionSelection e BroadcastListener. Além disso, será necessário declarar um novo listener no arquivo de xml do agente em que ActionSelection é um BroadcastListener do GlobalWorkspace.

 

Classe criada:

public class BehaviorActionSelection  extends FrameworkModuleImpl implements ActionSelection, BroadcastListener

 

Declarações no xml:

ActionSelection alterado de

Listener adicionado: