Semiótica e Sistemas Inteligentes As Abordagens da Literatura Ricardo Gudwin DCA-FEEC-UNICAMP
Semiótica e Sistemas Inteligentes
As Abordagens da Literatura
Ricardo GudwinDCA-FEEC-UNICAMP
Sistemas Inteligentes
Sistemas Inteligentes sistemas que exibem um comportamento considerado
inteligente Definições na Literatura
existem em profusão, desde as mais ingênuas, até as mais elaboradas e detalhadas
polêmicas incompletas
Palavra-Chave Inteligência O que é isso ?
Inteligência
O que é inteligência ? Envolve
conhecimento raciocínio pensamento idéias
Capacidade de resolver problemas Capacidade de compreender uma situação Capacidade de planejar o futuro e realizar ações de modo que
os plano se concretizem Capacidade de aprender coisas novas Capacidade de atingir objetivos Capacidade de determinar objetivos
Inteligência e Semiótica
O que tem a haver Inteligência com Semiótica ? Semiótica é o estudo dos processos de significação
como signos são criados como signos são usados como signos “significam”
uma das vertentes mais recentes no estudo dos sistemas inteligentes, identifica a capacidade de processar signos como a fonte da inteligência, em todas as classes de sistemas
Ou seja, um sistema é inteligente porque processa signos sua inteligência dependerá da quantidade e dos tipos de signos que
está apto a processar estudar semiótica é a chave para o entendimento dos sistemas
inteligentes, e a criação de sistemas que sejam mais inteligentes
Modelos de Signos
Modelo Diádico de Signo Hjelmslev, baseado em
modelo de Saussure Semiótica
Estruturalista Muito utilizado
na linguística Não permite signos
naturais (ícones eíndices), somentesímbolos
FORMA DE CONTEÚDO
FORMA DE EXPRESSÃO
SUBSTÂNCIA DECONTEÚDO
(semioticamente formada)
MATÉRIA DE CONTEÚDO(semioticamente amorfa)
SUBSTÂNCIA DEEXPRESSÃO
(semioticamente formada)
MATÉRIA DE EXPRESSÃO(semioticamente amorfa)
SIGNO
Modelos de Signos
Signo Triádico de Morris simplificação do
modelo Peirceano fundamentado na teoria
behaviorista muito difundido na
comunidade desistemas inteligentes
não é tão abrangentecomo o modeloPeirceano
Veículo do
Signo
SEMÂNTICA
SINTÁTICA(SINTAXE)
PRAGMÁTICA
Outros veículos do signo
DesignatumDenotatum
InterpretanteIntérprete
Modelos de Signo
Signo Triádico de Peirce baseado nas três categorias fenomenológicas:
primeiridade, secundidade, terceiridade signo é uma instância de terceiridade
processo de mediação entre um objeto e seu interpretante interpretantes podem ser
emocional (primeiridade), energético (secundidade) e lógico (terceiridade)
interpretante energético é o equivalente ao de Morris sucessiva aplicação das categorias sobre si mesmas
gera toda uma gama de diferentes tipos de signos compreensão mais difícil, devido a sua natureza fractal muito referenciado mas pouco utilizado na sua essência, sob o
contexto dos sistemas inteligentes
Signo Objeto
Interpretante
Modelos de Signo
Modelo de Signo de Pospelov Semiótica Russa
nomes: identificação, acesso e uso por outros signos,
conceitos: informações cognitivas, associadas com as imagens mentais, obtidos por processos de mediação, tais como, generalização, abstração
imagens: informações perceptuais, obtidas através de observações, experiências, etc., e
ações: informações pragmáticas, hábitos de comportamento, etc., quando da interação com outros signos ou eventos observáveis.
Fragmentos de Signos
conceito
nomeimagem
objeto
ação
MUNDO MENTAL
MUNDO REAL
Semiótica e Sistemas Inteligentes
Semiótica ramo das ciências humanas que estuda as ciências da significação e
da representação, envolvendo principalmente os fenômenos da cognição e da comunicação em sistemas naturais
Sistemas Inteligentes sistemas que exibem um comportamento considerado inteligente alguns dos objetivos são o estudo dos fenômenos da cognição e
comunicação, mas agora explicitamente dentro do escopo de sistemas artificiais
Junção entre Semiótica e Sistemas Inteligentes proposição de um conjunto de metodologias que de certa forma
tentam utilizar os conceitos e terminologia da semiótica, mas compondo um framework adequado para a construção de sistemas artificiais, neste caso, implementáveis em computadores
Semiótica e Sistemas Inteligentes
Abordagens Encontradas na Literatura Controle Situacional Semiótico (Pospelov) Semiótica Multiresolucional (Albus-Meystel) Autognome (Pendergraft) Agentes Semióticos (Rocha e Joslyn) Semiótica Computacional
Linguística Computacional (Rieger) Síntese Semiótica e Redes Semiônicas (Gudwin)
Problema Conceitual Propostas originadas a partir de diferentes modelos semióticos
Semiótica Estruturalista (Saussure, Hjelmslev, Eco) Semiótica Peirceana (Peirce) Semiótica Behaviorista (Morris) Semiótica Russa (Pospelov)
Controle Situacional Semiótico
Surgiu na Rússia grupo de cientistas liderados por Dmitri Pospelov
aplicação da teoria semiótica para o controle de sistemas complexos Dmitri Pospelov, Gennady Osipov, Victor Finn e outros
1976 - Paper de Pospelov - “Semiotic Models: Achievements and Prospects”
princípios da modelagem semiótica de sistemas abertos complexos diversos workshops dentro do “bloco soviético” 1986 - “Situational Control: Theory and Practice” - Nauka
Publishers, Moscow tradução “não oficial” em inglês passou a circular nos EUA em 1991
Nos EUA Paul Prueitt
Controle Situacional Semiótico
Objetos de Controle Tradicionais sistemas de controle tradicionais
Objetos de Controle Não-Tradicionais podem ser únicos, com particularidades bem definidas
e.g. um determinado partido político falta de qualquer propósito formalizável para sua existência
e.g. cidade, mercado, região, ecossistema, etc. impossível determinar com precisão critérios de otimalidade dinamicidade (objetos mudam com o tempo - evoluem) descrição incompleta e imperfeita (conhecimento parcial) presença de “livre arbítrio” - e.g. envolvendo pessoas
Tipos de Sistemas que se deseja controlar cidades, organizações, economias, sociedades, etc …
Controle Situacional Semiótico
Para o tipo de sistema que se deseja controlar representações convencionais de sistemas dinâmicos não são
adequadas a representação mais adequada é por meio de situações
Situação descrição de um cenário ou estado de coisas situação corrente situação futura desejada
Situação Completa inclui a situação corrente, uma decisão de controle e a
situação futura resultante representa uma Regra Lógico-Transformacional
Controle Situacional Semiótico
Modelos Formais M = < T, P, A, > T = elementos básicos P = regras sintáticas A = sistema de axiomas = regras semânticas
Modelos Semióticos C = < M, T , P , A , > a T , P , A e são
respectivamente regras de variação para T, P, A e
M1
M2
M3
M4
M5
1
2
3
4
5
6
7
Controle Situacional Semiótico
Organização de um CSSMundo Real CSS
Relações
Relações importantes são preservadas
DSN
Relações sãoexpressas na formade expressões deuma linguagem
Aba;ld asdf;as;ldjf as;lfa;lasjf d a;slkfjAsf;lasf af;alsjd ;lasdf;lAsfa ;lkj aF;lkjsa fasfd ;lj saf;lkja;l as;fldjas
;lá';kjfkáf;adjfas;ldls;asl;f aasdl;f jsldfjs sjfsljsfjsfljsf jslfj sjsfqwuresfja;ldjf;a;lkdfjasjfdasdlfsjfjskjdfqwiurasd sfs fsfqwfjwowufaoiuasfd asf
Decisões de controlelinguísticas são geradas
Decisões decontrole sãotransformadas emsinais de controle
SCL
Controle Situacional Semiótico
Rede Situacional Discreta (DSN) Rede de Autômatos Modelagem de Situações Possui uma dinâmica
discreta bem definida Linguagem de Controle Situacional
linguagem quase-natural fechada, cuja semântica é atribuída diretamentesobre os estados de um DSN
utilizada para descrever situações em um DSN
Estado de um DSN = Expressão em LCS
5
I1
C1
AP1
C3
C2
AP2
I2
I3
I4
I5I6
1 2
34
6
7
Controle Situacional Semiótico
Resolvedor Semiótico
Sistema de Execução
Sistema de Decisão
OE OE OE OE
OD OD OD
OD OD OD
OD OD OD
OD OD OD
P R O
P R O
P R O
NÍVEL DEDESCRIÇÃO
UNIVERSO
Perceptivo ExternoReflexivo InternoObjetivo Objetivo
OD
OD OD
P R O
OE
AtuadoresSensores
Semiótica Multiresolucional
Desenvolvida por Albus-Meystel Albus, J. - “Outline for a Theory of
Intelligence” - IEEE Trans. SMC, vol. 21, n.3, May/June 1991.
Meystel, A. - “Semiotic Modeling and Situation Analysis : An Introduction”, AdRem Inc., 1995.
Elementos da Inteligência processamento sensorial (PS) modelagem do mundo (MM) geração de comportamento (GC) julgamento de valor (JV) formam nós operacionais, trabalhando em paralelo, organizados
hierarquicamente em múltiplos níveis de resolução
PS GC
JV
AMS
MM
Semiótica Multiresolucional A cada nível hierárquico:
banda de controle cai de uma ordem de magnitude (UOM)
resolução perceptiva de padrões espaço-temporais cai de UOM
metas aumentam em escopo de UOM
horizonte de planejamento aumenta no espaço e tempo de UOM
modelos do mundo e memória de eventos caem em resolução e aumentam em escopo espaço-temporal de UOM
Pontos,Tons
Grupos 3
Grupos 2
Grupos 1
Objetos,Sentenças
Sensores e Atuadores
JVPS GCMM
JVPS GCMM
JVPS GCMM
JVPS GCMM
AtençãoJV
ComunicaçãoJV
PS GCMM
LocomoçãoJV
PS GCMM
ManipulaçãoJV
PS GCMMPS GCMM
JVPS GCMM
JVPS GC
MM
JVPS GC
MM
JVPS GCMM
JVPS GCMM
JVPS GCMM
JVPS GCMM
JVPS GCMM
...
. . .
Superfícies,Palavras
Linhas,Fonemas
GRUPOS 3
GRUPOS 2
GRUPOS 1
INDIVIDUAL
JVPS GCMM
JVPS GCMM
JVPS GCMM
JVPS GCMM
Semiótica Multiresolucional
GFACS = Grouping, Focusing Attention, Combinatorial Search
BuscaCombinatorial
AgrupamentoFoco deatenção
BuscaCombinatorial
Nível alta resolução
FimInício
AgrupamentoFoco deatenção
Nível baixa resoluçãoNível média resolução
Semiótica Multiresolucional
AutoGnome
Desenvolvido por Eugene Pendergraft Autognomics Corporation , USA “THE FUTURE'S VOICE: Intelligence
Based on Pragmatic Logic” Relatório Interno - Creative Intelligence, 1994
TD
I
A
DD
I
A
MD
I
A
Sensor
Atuador
Expe
riênc
ia
Val
ores
Con
heci
men
to
Mediador
Agentes Conectivos
Arm
azen
agem
de
Info
rmaç
ão
Enclaves Auto-Organizáveiscorrespondentesaos 3 níveis desemiose
Atos Lógicos:Dedução - inferência a partir das premissasIndução - inferência a partir das experiênciasAbdudção - criação de novas hipóteses
AutoGnome
Aplicações
AutoGnome
Conceitos Elementares
Agentes Semióticos
Luís Mateus Rocha e Cliff Joslyn (Los Alamos National Lab.) Tese de Doutorado de Luís Rocha
“Evidence Sets And Contextual Genetic Algorithms - Exploring Uncertainty, Context, And Embodiment In Cognitive And Biological Systems”
Binghamton UniversityNew York, 1997
Agentes Semióticos
Modelos de Inspiração Evolutionary Reinforcement Learning
Ackley, D.H. and M. Littman [1991]."Interaction Between Learning and Evolution." In: Artificial Life II. Langton et al (Eds). Addison-Wesley, pp. 487-509.
CAS - Complex Adaptive Systems Holland, J.H. [1995]. “Hidden Order:
How Adaptation Builds Complexity. Addison-Wesley”.
Semiótica de Morris Agentes BDI (Belief, Desire, Intention)
Semelhante ao Autognome com mecanismos aleatórios
Semiótica Computacional
Semiótica Computacional área metodológica ainda em formação entretanto, existem diversas contribuições importantes que,
apesar de ainda incompletas, ajudam-nos a entender a natureza dos processos semióticos e permitem sua síntese e implementação em plataformas computacionais
Diferentes Abordagens Abordagem de Rieger
Linguística Computacional Abordagem de Gudwin
Síntese Semiótica• Síntese de sistemas semióticos por meio de dispositivos computacionais
Redes Semiônicas
Linguística Computacional
Semiótica Computacional Baseada em semióticas estruturalistas
tratamento de medidas e parâmetros associados a textos (hipertextos)
Análise Quantitativa de Textos Burghard Rieger (Universidade de Trier - Alemanha)
Síntese Semiótica e Redes Semiônicas
Elementos de Semiótica Computacional desenvolvidas por Gudwin e seu grupo de pesquisa na UNICAMP
Síntese Semiótica Tentativa de recriação de processos semióticos específicos,
visando a construção de “mentes artificiais” Teoria serve de base para a construção das Redes Semiônicas
Agente Semiônico Sêmion: Agente elementar por meio do qual um sistema
semiótico pode ser construído Redes Semiônicas ou Redes de Agentes Semiônicos
proposta de ferramenta matemático-computacional para o design de “mentes artificiais” de agentes inteligentes
Análise Semiótica
Semiótica Ferramenta de Análise - principal meta é entender o
processamento semiótico ocorrendo na natureza Seres Semióticos (intérpretes) apresentam-se “já prontos”
organismos vivos (bio-semiótica) seres humanos (antropo-semiótica)
é mais fácil criar conceitos e aplicá-los a coisas que já existem e que já estão funcionando
Questões será possível usar a mesma infra-estrutura conceitual de tal
forma a sintetizar novos tipos de seres (sistemas), realizando o mesmo comportamento semiótico que em seres vivos/humanos ?
Quais seriam os desafios que encontraríamos neste sentido ?
Síntese Semiótica
Problema as coisas ainda não estão funcionando portanto, é necessário colocá-las para funcionar !
Problemas Escondidos especificar as entidades básicas envolvidas no processo de semiose
de tal forma que essa possam ser produzidas em computadores especificar o mecanismo pelo qual os signos são interpretados
existem diversos passos intermediários que geralmente não são considerados dentro do contexto da semiose humana
• Como, a partir de uma cena produzida por uma câmera de vídeo descobrimos os objetos envolvidos nesta mesma cena ?
• Como falar de signos, se os sistemas ainda não conhecem os objetos ? Dispositivos Computacionais seriam aptos a processar todos os
tipos de semiose que seres vivos/humanos processam ?
Síntese Semiótica
Fundamentos Básicos definição de um cenário básico para a discussão de síntese
semiótica tentativa de obter “pistas” sobre como o processo semiótico
realmente acontece criar uma versão computacional de processos semióticos
Terminologia relacionada com a terminologia semiótica tradicional sem restringir o significado dos termos a seres naturais
Requisito cuidado ao aplicar-se princípios de análise semiótica a um
cenário de síntese semiótica
Síntese SemióticaFundamentos Básicos
Espaços de Representação
INTÉRPRETE
ESPAÇO EXTERNOESPAÇO
INTERNO
FOCO DEATENÇÃOEXTERNO
FOCO DE ATENÇÃOINTERNO
Síntese SemióticaFundamentos Básicos
Espaços Compartilhados e Não-compartilhados
ESPAÇO EXTERNO(COMPARTILHADO)
FOCO DEATENÇÃO
ESPAÇOS INTERNOS(NÃO-COMPARTILHADOS)
Síntese SemióticaFundamentos Básicos
Campos de Sinais
INTÉRPRETE
ESPAÇO EXTERNOCAMPO DE SINAISINTERNO I (x,y,z,t)
(UMWELT)
CAMPO DE SINAISEXTERNO
E (x,y,z,t)
Síntese SemióticaFundamentos Básicos
Múltiplos Espaços Internos e Campos de Sinais
ESPAÇOCONCRETO
ESPAÇOABSTRATO
ESPAÇOABSTRATO
Síntese SemióticaFundamentos Básicos
Campo deSinais conceito originado da teoria dos campos função (função de energia ?) que a cada ponto do
espaço/tempo determina um único valor estado
Espaço Externo campo de sinais é contínuo (trata-se do mundo real) por definição, não é conhecível em sua plenitude
Espaços Internos acomodam modelos do campo de sinais externo campos de sinais interno são funções que dependem do tipo
de síntese semiótica que tentamos modelar
Síntese SemióticaFundamentos Básicos
Signo Qualquer coisa sobre o foco de atenção do intérprete (interno
ou externo) que possa causar uma ação do intérprete Ações Possíveis do Intérprete
Mudança nos focos de atenção (internos e/ou externo) Determinação, para o tempo t = t+1 de um novo valor para
algum campo de sinais (interno ou externo), em referência ao ponto (x,y,z) sob o foco de atenção neste espaço
Interpretante qualquer ação do intérprete causada pelo signo qualquer mudança em um campo de sinais interno ou externo
para o tempo t = t+1 causado por uma ação do intérprete devida ao efeito do signo
Semiose Externa
Interpretante do Signo ocorre no espaço externo
Mudança no Campo de Sinais Externo mudança no ambiente compartilhável com outros intérpretes pode agir como um novo signo para o mesmo intérprete ou para
outros intépretes Podem ocorrer em intérpretes que não possuem espaços
internos processos semióticos em moléculas ou reações químicas organismos biológicos muito simples
Podem ser o resultado final de uma cadeia de semiose interna
Semiose Interna
Interpretante do Signo localiza-se em qualquer um dos espaços internos
Signos pode localizar-se no espaço externo (transdução semiótica) em algum espaço interno
Uma cadeia semiótica típica começa com um signo externo gera um conjunto de interpretantes internos, que tornam-se por sua vez, signos gerando novos interpretantes internos, até que algum deles torne-se um signo que gere um interpretante
externo
SÊMIONS
ESPAÇO
LUGAR
Simplificação do Modelo
Ao invés de espaços e campos de sinais genéricos restringir a memórias e lugares atribuir o processamento sígnico a sêmions (unidades básicas
de semiose)
Uma Hierarquia de Sêmions
Indicial
Icônico
Simbólico
Simbólico
Icônico
Sêmions
ArgumentativoDicenteRemático
GenéricoEspecífico
Objetos
GenéricoEspecífico
Ocorrências
Genérico
Específico
Sensorial
Analíticos Sintéticos
Dedutivos
Indutivos
Abdutivos
Sêmions
Responsabilidade dos Sêmions Atuar como Micro-Intérpretes e encapsular conhecimento na
forma de unidades de conhecimento escolher os outros sêmions que irá usar (foco de atenção) eventualmente destruí-los após o uso criar novos sêmions utilizando a informação contida nos
anteriores
Sêmion (Micro-Intérprete)
Sêmions (Unidades de Conhecimento)
Modelo de um Sêmion
Interface de Entrada
Portas de Entrada
Portas de Saída
Conteúdo Descritivo
Estados Internos
Funções de Transformação
Interface de SaídaFunção de
Avaliação
Modelo de um Sêmion
Sêmions são agrupados e classificados em classes, da mesma maneira que
objetos Classes
Variáveis de Entrada do Agente Variáveis de Saída do Agente Variáveis Internas do Agente Funções de Transformação do Agente Função de Avaliação do Agente
Diferença entre sêmions e objetos possuem um ciclo de atividade contínuo possuem uma função de avaliação que orienta o comportamento
dinâmico do agente
Interação entre Sêmions
s1
s2
s3
s4
s5s6
Interação entre Sêmions
Seleção de Sêmions para Assimilação Função de Avaliação - todos os outros sêmions disponíveis para
assimilação são avaliados Múltiplas Funções de Transformação
• Avaliação é feita considerando-se cada função de transformação Escopos Habilitantes Algoritmo de Seleção - Baseado na avaliação, um algoritmo de
seleção deve fazer a escolha escolha deve evitar conflitos com outros sêmions querendo interagir
com um mesmo sêmionalgoritmo BMSA (Best Matching Search Algorithm)
Assimilação dos Sêmions Escolhidos Absorção do conteúdo descritivo do agente Transporte, Liberação ou Destruição do Sêmion
Interação entre Sêmions
Processamento do Conteúdo Descritivo Funções de Transformação: processam o conteúdo descritivo
dos sêmions assimilados podendoalterar o conteúdo descritivo de algum sêmion assimiladoalterar o conteúdo descritivo de algum outro sêmiongerar um novo sêmion no sistema
Casos Especiais Sêmion Fonte
utilizado para introduzir novos sêmions no sistema sêmion não tem interface de entrada, e a função de avaliação
simplesmente escolhe a função de transformação a ser utilizada Sêmion Vertedouro
utilizado para retirar sêmions do sistema não tem função de transformação
Sistemas Semiônicos
Sistemas Semiônicos Conjunto de Sêmions interagindo entre si
Sistemas Fechados normalmente um sistema semiônico é um sistema fechado
Sistemas Abertos podem ser emulados por meio de sêmions-fonte e sêmions-
vertedouro Sêmions-Fonte
internamente coletam informações de alguma fonte externa Sêmions-Vertedouro
internamente enviam informações para fontes externas
Sistemas Semiônicos
Problema a medida que o tamanho da população de sêmions aumenta, a
demanda computacional aumenta exponencialmente sêmions precisam avaliar todos os sêmions disponíveis para
interação custo computacional aumenta exponencialmente com o aumento
do tamanho da população de sêmions nem todos os sêmions são interessantes para interação
• tipos inadequados• conteúdo indesejado
Solução encontrar alguma maneira de agrupar os sêmions de forma que
somente os sêmions que têm realmente algum interesse sejam sondados para interação
Redes Semiônicas
Sêmions confinados a lugares
Lugares conectados por arcos arcos entram e saem de
portas portas de entrada e saída agentes do mesmo tipo
Vantagens sêmions disponíveis para assimilação podem ser agrupados e
localizados, o que evita a avaliação de toda uma população de sêmions
Função deAvaliação
Funções deTransformação
Redes Semiônicas
Portas privadas e públicas
Arcos entre portas públicas e
privadas
Modos de Acesso compartilhamento de sêmions : exclusivo ou não-exclusivo destruição : consumo ou não-consumo
porta privada
entradas saídas
sêmion1
sêmion2
1 2 1 2
porta privada
porta pública
porta privada
porta privada
porta pública
2
1
1
2
1
1
lugar
privadapública
SNToolkit
SNtoolkit (Semion Network Toolkit) auxiliar no design e simulação de redes semiônicas fornece um engine que implementa os mecanismos
necessários para a execução de redes semiônicas
J avac
MTON
Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh
Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh
Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh
classes Javaexternas e Plugs
Hghd h g kjhfgkj kjfdhg kjhfdgkjh kjsdfhgjhgjgf kjh jjhkjkjhkj kjh kjhfgkjh jh kjh kjhkjh j hkjh kjhkjh kjjh
especificaçãodo modelo
Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh
Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh
Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh
rede domodelo
implementação dasclasses do modelo
Hghd h g kjhfgkj kjfdhg kjhfdgkjh kjsdfhgjhgjgf kjh jjhkjkjhkj kjh kjhfgkjh jh kjh kjhkjh j hkjh kjhkjh kjjh
Hghd h g kjhfgkj kjfdhg kjhfdgkjh kjsdfhgjhgjgf kjh jjhkjkjhkj kjh kjhfgkjh jh kjh kjhkjh j hkjh kjhkjh kjjh
Hghd h g kjhfgkj kjfdhg kjhfdgkjh kjsdfhgjhgjgf kjh jjhkjkjhkj kjh kjhfgkjh jh kjh kjhkjh j hkjh kjhkjh kjjh
ONSLC
Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh
Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh
Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh
Interfaces MTON
Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh
Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh
Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh
Classes AdapterMTON
Arquivo on
Arquivo fill
Arquivo class
Arquivo.java
Legenda:
Módulo de Ediçãoda Topologia
Módulo de Edição doCódigo de Usuário
SNToolkit
Aplicações Potenciais
Simulações Robóticas em Mundos Virtuais
Modelo do Veículo
Variáveis de interesse posição do veículo (x, y, ). ângulo das rodas em relação ao
eixo longitudinal do veículo (). velocidade nominal do veículo (v).
1
2
3
4
Leyenda:
1,2,3,4 – SCA- SIR - dirección del SIR - distancia del SIR
Ambiente
A
y
x
Ambiente
Tipos de Sensores: Sensor de informação remota
(SIR): simplificação de um mecanismo de visão
Sensores de contato (SC): informam quando existe contato com algum objeto
Legenda:
1,2,3,4 - SCA - SIR - direção do SIR - distância do SIR
Controle por Rede Semiônicas
Resultados de Simulação
Ambiente de Simulação Modelo Interno do Robô e sua Trajetória até a Meta
Semiótica Organizacional:Gerência de Projetos
Simulação da Gerência de Projetos
Resultados de Simulação:Gerência de Projetos
Outros Exemplos de Modelos
Algoritmo Genético (Modelo Interno) Problema do Caixeiro Viajante
Outros Exemplos de Modelos
Algoritmo Genético (Modelo Embutido) Problema do Caixeiro Viajante
Outros Exemplos de Modelos
Controlador Fuzzy Controle de um Veículo Autônomo