【文章內(nèi)容簡(jiǎn)介】 ensor System為了保持世界——Agent分離的完整性，C4采用抽象感應(yīng)系統(tǒng)(Sensor System Abstraction)。感應(yīng)系統(tǒng)有兩個(gè)作用：(1) 過濾器，比如牧羊狗不應(yīng)該看到她后面的羊；(2) 轉(zhuǎn)換器，因?yàn)橥粭l信息在不同的Agent眼里意義并不相同。 感知系統(tǒng) Perception System感知系統(tǒng)將“意義(Meaning)”賦予感應(yīng)到的事件。感知子(Percept)是感知系統(tǒng)的原子類型，又是一種數(shù)據(jù)提取單元。感知子的輸入是從感應(yīng)系統(tǒng)傳過來的數(shù)據(jù)記錄，返回匹配概率(SheepShapePercept返回看到的是一頭羊的概率)，如果概率大于閾值，同時(shí)返回提取的數(shù)據(jù)(SheepShapePercept羊的位置坐標(biāo))。C4沒有對(duì)感知子的實(shí)現(xiàn)方式做任何假設(shè)，因此開發(fā)者可以根據(jù)需求選擇算法，這是模塊化增強(qiáng)可擴(kuò)展性的直接體現(xiàn)。為了提高感知效率，感知子以樹形結(jié)構(gòu)(圖43)組織，每一次判斷都裁減掉大量不可能的感知判斷，降低復(fù)雜度；而且子感知子只接受父感知子提取的數(shù)據(jù)；減少數(shù)據(jù)量。如果一個(gè)聲音信號(hào)直接傳遞給Sound感知子，而不再考慮Shape等感知子。每當(dāng)數(shù)據(jù)記錄到達(dá)，感知系統(tǒng)就會(huì)創(chuàng)建一個(gè)感知存儲(chǔ)(PerceptMemory)對(duì)象，此后每一個(gè)感知子返回的可信度和提取的數(shù)據(jù)都保存在感知存儲(chǔ)中。感知存儲(chǔ)代表Agent對(duì)刺激理解的所有內(nèi)容。圖43感知子不僅僅作為接受場(chǎng)(Receptive Field)，而且會(huì)根據(jù)反應(yīng)系統(tǒng)(Action System)的反饋，修改樹的拓?fù)浣Y(jié)構(gòu)，動(dòng)態(tài)添加子節(jié)點(diǎn)——稱之為革新(Innovation)。 工作存儲(chǔ) Working MemoryC4包含一個(gè)Working Memory結(jié)構(gòu)，儲(chǔ)藏駐存的Percept Memory對(duì)象，保存對(duì)世界中的物體的感知?dú)v史。她們構(gòu)成生物對(duì)世界的“視圖(View)”。 預(yù)測(cè)和驚奇 Predication and Surprise基于Percept Memory對(duì)象，生物可以模仿下意識(shí)，對(duì)現(xiàn)在或?qū)淼臓顟B(tài)作出預(yù)測(cè)。預(yù)測(cè)一般對(duì)感知存儲(chǔ)的數(shù)據(jù)進(jìn)行外推函數(shù)逼近，更復(fù)雜地考慮周期性為和知行關(guān)系。預(yù)測(cè)偶爾出現(xiàn)的偏差，可以作為驚奇的基礎(chǔ)。 動(dòng)作系統(tǒng) Action System動(dòng)作是一個(gè)五元組ActionTuple：(1) Primitive Action(s)：做什么；(2) TriggerContext：什么時(shí)候做；(3) ObjectContext：對(duì)誰做；(4) DoUntilContext：做多久；(5) Intrinsic Value：做的好處。C4有Attention Group和Primary ActionGroup兩個(gè)動(dòng)作組(ActionGroups)，每個(gè)動(dòng)作組有兩條ActionTuple鏈表：Startle、Default。Startle具有較高的優(yōu)先級(jí)，具有最高優(yōu)先級(jí)的ActionTuple被激活；Default根據(jù)evalues隨機(jī)的激活動(dòng)作。學(xué)習(xí)是C4的研究重點(diǎn)，類似人類訓(xùn)練狗的方法，有三種學(xué)習(xí)方式：Credit Assignment，Statespace Discovery，Innovation。 導(dǎo)航系統(tǒng) Navigation System導(dǎo)航系統(tǒng)是對(duì)動(dòng)作系統(tǒng)的高級(jí)實(shí)現(xiàn)，她隱藏動(dòng)作的實(shí)現(xiàn)細(xì)節(jié)，使動(dòng)作簡(jiǎn)化成“前進(jìn)、吃、離開”等一般的指令。導(dǎo)航系統(tǒng)從動(dòng)作系統(tǒng)接受指令，將之分解優(yōu)化成恰當(dāng)?shù)倪\(yùn)動(dòng)命令，再傳送給運(yùn)動(dòng)系統(tǒng)。 運(yùn)動(dòng)系統(tǒng) Motor System運(yùn)動(dòng)系統(tǒng)組織成動(dòng)詞圖(Verb Graph)，定義了最基本的運(yùn)動(dòng)和運(yùn)動(dòng)序列。運(yùn)動(dòng)節(jié)點(diǎn)是手工設(shè)置的，每個(gè)節(jié)點(diǎn)可以由副詞空間(Adverb Space)描述，如向左、筆直、向右地行走。參數(shù)從黑板的MOTOR_DESIRED和MOTOR_ADVERB獲得。分層使生物能同步進(jìn)行多個(gè)運(yùn)動(dòng)。如牧羊狗的頭部層、身體層、尾巴層。圖44 一種可視化的新方法 A New Approach for VisualizingWen的方法主要有三個(gè)部分：視覺合成(Synthetic Vision)，記憶FzFSM，動(dòng)畫庫；圖44。 感覺輸入 Sensorial Input系統(tǒng)有兩個(gè)信息通道：視覺和聽覺，主要是視覺。有別于一般的直接感應(yīng)，一種視覺合成方法——多層次空間場(chǎng)景，用于表示外部世界。3D的虛擬環(huán)境由多層次空間表示成八叉樹(Octree)，如果一個(gè)節(jié)點(diǎn)包圍的圖元大于某個(gè)閾值，就將這個(gè)節(jié)點(diǎn)再次叉分成八個(gè)字結(jié)點(diǎn)。視覺合成用八叉樹結(jié)合局部Z緩沖算法，判斷Agent的可見物體。同樣地，感知層也要對(duì)輸入進(jìn)行過濾。 FzFSM和記憶 FzFSM and MemoryFzFSM是一個(gè)有限狀態(tài)機(jī)，每一個(gè)狀態(tài)有介于[0,1]的模糊值代表狀態(tài)等級(jí)，調(diào)節(jié)動(dòng)畫的轉(zhuǎn)移矩陣，避免重復(fù)的動(dòng)畫。角色的行為設(shè)計(jì)分成高級(jí)和低級(jí)兩層。高級(jí)層面向目標(biāo)，更概括，更直觀。低級(jí)層面向動(dòng)作，更具體，更細(xì)致。如一個(gè)“追逐獵物”的高級(jí)行為可分解成“直沖”，“轉(zhuǎn)彎”，“加速”等低級(jí)行為。記憶就是將能記住的物體保留在八叉樹中，并用一個(gè)遞減的八進(jìn)制數(shù)說明記憶的準(zhǔn)確度。 動(dòng)畫層 Animation Layer動(dòng)畫層用面片皮膚動(dòng)畫(Mess Skinning Animation)實(shí)現(xiàn)，激活骨骼(Skeleton)尾部的轉(zhuǎn)移矩陣完成動(dòng)畫。Quaternion方法的球面線形插值(Spherical Linear Interpolation)算法完成動(dòng)畫的平滑過渡。圖43分別表示行走的人，邊走邊小心觀望的人，驚恐的跑的人。圖43 行為Agent主要從行為上模擬生物，代替人類在虛擬環(huán)境中活動(dòng)，給其它研究一個(gè)相對(duì)理想的試驗(yàn)平臺(tái)，不論是動(dòng)力學(xué)、社會(huì)學(xué)、生物學(xué)。行為Agent與特定的硬件結(jié)合，還可以幫助人類完成繁重危險(xiǎn)的工作。如汽車裝配機(jī)器，外太空探測(cè)器等。 然而，現(xiàn)在的研究還不足以令行為Agent讓人信服，只是在特定的條件下才能發(fā)揮特點(diǎn)。如讓Agent平衡自然上下樓梯就不是一件易為的工作。 我想行為Agent發(fā)展的將來就是機(jī)器人，與人類一起生活工作在現(xiàn)實(shí)世界中，距完全實(shí)現(xiàn)這一天也許很遠(yuǎn)，但在一定程度上獲得突破很值得期待。五 多Agent系統(tǒng)MultiAgent在大型的虛擬環(huán)境中，一個(gè)Agent并不能很真實(shí)的反映客觀世界的情況，常常需要大群Agent參予其中，相互交流，協(xié)同合作。比如社會(huì)系統(tǒng)的模擬，[35]稱之為MAS(MultiAgent Society)；[36]中螞蟻王國(guó)的例子是基于計(jì)算Agent (Computational Agent)，CA代表一一對(duì)應(yīng)關(guān)系的有機(jī)體。以下以金斯敦大學(xué)計(jì)算和信息學(xué)院的FreeWill[33][34]體系構(gòu)架為例，說明多Agent在生成人群場(chǎng)景上的應(yīng)用。FreeWill的目的是利用多Agent完成人群場(chǎng)景的模擬，設(shè)計(jì)實(shí)現(xiàn)一套可擴(kuò)展可調(diào)節(jié)的認(rèn)知構(gòu)架，并和其它軟件包協(xié)同工作，如幾何引擎，AI引擎等。FreeWill用java編碼，圖形包用的是3D Max Studio。 虛擬人AvatarFreeWill的虛擬人集合FCA[Funge’s Cognitive Architecture]和SAC[32]的特點(diǎn)，并擴(kuò)展成更魯棒更靈活的體系。表51是關(guān)于FCA和SAC的對(duì)比。表51每個(gè)虛擬人都是改進(jìn)的SAC Agent，有兩個(gè)子系統(tǒng)：幾何引擎和AI引擎。幾何引擎包括一系列幾何函數(shù)，把握虛擬人的軀體參數(shù)。幾何引擎是從FCA體系中借鑒過來，以反運(yùn)動(dòng)學(xué)控制虛擬人的幾何面。幾何引擎內(nèi)建了許多簡(jiǎn)單的動(dòng)作模式模擬人的行為。AI引擎完成環(huán)境感應(yīng)，數(shù)據(jù)感知，目標(biāo)規(guī)劃，碰撞避免等。FCA的內(nèi)部世界模型是知識(shí)的基本組成，同樣包含計(jì)劃庫(Plan Library)。圖52 虛擬人間的通信Communication among Agents虛擬人之間的通信主要通過基于事件(Event)的全局調(diào)度(圖52)實(shí)現(xiàn)。調(diào)度器(Scheduler)維護(hù)一個(gè)事件隊(duì)列，既分配事件，又要安排事件的序列。 虛擬人必須先提交一個(gè)事件到調(diào)度器，等到接受這個(gè)事件才能執(zhí)行相應(yīng)的命令。所以FreeWill執(zhí)行周期是這樣進(jìn)行的：(1) 虛擬人感應(yīng)環(huán)境的變化；(2) 更新信念(Belief)；(3) 評(píng)估當(dāng)前計(jì)劃，如果一個(gè)新的動(dòng)作必須被執(zhí)行，取消當(dāng)前運(yùn)動(dòng)隊(duì)列，提交新的動(dòng)作事件；(4) 如果需要，更新目標(biāo)；(5) 如果需要，更新計(jì)劃；(6) 選擇上一個(gè)動(dòng)作并提交，當(dāng)虛擬人執(zhí)行一個(gè)動(dòng)作時(shí)，也會(huì)提交一個(gè)感應(yīng)事件。例如兩個(gè)虛擬人都要走過環(huán)境的某一個(gè)位置，感應(yīng)時(shí)都發(fā)現(xiàn)沒有其她人，于是提交行走動(dòng)作，此時(shí)，調(diào)度器就可以延遲其中一個(gè)動(dòng)作事件的分配，使一個(gè)虛擬人等待。目的層次切換也是虛擬人交互的重要手段。起初，要為每一個(gè)虛擬人設(shè)定一個(gè)主目的，然后驅(qū)動(dòng)她們。在運(yùn)動(dòng)過程中，虛擬人根據(jù)內(nèi)部知識(shí)和感應(yīng)數(shù)據(jù)，判斷是否有新目的，并會(huì)切換執(zhí)行。比如，虛擬人在走到一點(diǎn)的過程中遇到一個(gè)朋友，會(huì)將主目的替換成第二目的，重新計(jì)劃同步握手動(dòng)作，之后如果沒有其它意外，又切回主目的，繼續(xù)行走。圖53是FreeWill模擬人行道上行人們的結(jié)果。圖53 小結(jié) 相對(duì)單個(gè)Agent，多Agent替社會(huì)系統(tǒng)等群體結(jié)構(gòu)的研究打下了基礎(chǔ)。然而體系構(gòu)架更為復(fù)雜，現(xiàn)有的進(jìn)展尚且不能滿足人們的實(shí)踐要求。 將來的發(fā)展