El razonamiento espacial desde el punto de vista del primer robot" seminario
Como parte de la actividad IRL CROSSING, se celebrará un seminario a cargo de Paulo Santos, Flinders University Adelaide (Australia) el martes 21 de noviembre a las 10h.
CROSSING (Australia).
La capacidad de percibir el espacio y razonar sobre las relaciones espacio-temporales no supone ningún esfuerzo para los seres humanos, pero ha demostrado ser todo un reto para los sistemas informáticos, que se esfuerzan por procesar los distintos matices de nuestra conceptualización del mundo.
Los sistemas informáticos son capaces de percibir el espacio y razonar sobre las relaciones espacio-temporales.
En esta charla se presentan dos resultados sobre el desarrollo de herramientas de razonamiento espacial cualitativo aplicadas a sistemas multirrobot que pretenden salvar la distancia entre la forma en que los humanos y las máquinas interpretan y actúan sobre el mundo externo.
El primero es un nuevo algoritmo para el Razonamiento y Aprendizaje Cualitativo Basado en Casos (QCBRL), que es un sistema de razonamiento basado en casos que utiliza representaciones espaciales cualitativas para recuperar y reutilizar casos a través de relaciones entre objetos del entorno. Combinado con el aprendizaje por refuerzo, QCBRL permite al agente aprender nuevos casos cualitativos en tiempo de ejecución, sin pasar por un paso previo de procesamiento. La evaluación experimental de QCBRL se llevó a cabo en un entorno simulado de robot-fútbol y en un robot humanoide real. Los resultados muestran que QCBRL supera a los métodos tradicionales de RL y a los sistemas CBR más avanzados.
El segundo resultado es un algoritmo para combinar la información obtenida desde múltiples puntos de vista (distintos y egocéntricos) para inferir la posición, la ruta y las acciones necesarias para guiar a un agente privado sensorialmente a un destino determinado. La información procedente de los múltiples observadores se ha fusionado en términos de un conjunto de direcciones cualitativas que pueden ser fácilmente interpretadas por un agente humano.
Palabras clave: razonamiento espacial cualitativo, razonamiento basado en casos, sistemas multi-robot.
Paulo Santos se doctoró en Inteligencia Artificial por el Imperial College de Londres (Reino Unido), donde trabajó en el desarrollo de sistemas de razonamiento espacial para robots móviles. Fue ayudante de investigación en la Escuela de Informática de la Universidad de Leeds (Reino Unido), donde trabajó en un proyecto financiado por la UE para el desarrollo de sistemas de visión cognitiva. El Sr. Santos dirigió un grupo de investigación sobre IA y robótica en Sao Paulo (Brasil) (2005-2019), donde llevó a cabo varios proyectos de investigación de interés industrial. Durante este periodo, Santos también ha sido investigador visitante en las siguientes instituciones de renombre mundial: Universidad de Leeds, Reino Unido (2007, 2010); Universidad de Ryerson, Canadá (2010), Universidad de Bremen, Alemania (2012); Universidad de La Coruña, España (2014). En la actualidad, Santos ocupa el puesto de Profesor Asociado de IA y Robótica en la Universidad Flinders, Adelaida, Australia, desde 2020, desarrollando investigación sobre la integración del razonamiento automatizado con modelos de aprendizaje profundo hacia sistemas de IA explicables.
Doctor de Inteligencia Artificial.