Architekturprinzipien und Lernen auf der Basis mentaler Modelle: Benutzung von Agenten-orientierten und fallbasierten Techniken zur Programmierung kooperativen Verhaltens in dynamischen Umgebungen

点击翻译按钮获取中文摘要

Agenten-Orientierte Techniken und Fallbasiertes Schließen sind die gemeinsame Basis für mentale Modelle der intelligenten Verhaltenssteuerung für langfristige kooperative Zielstellungen unter Echtzeit-Bedingungen in Umgebungen mit unvollständiger und unsicherer Information. Agenten-Orientierte Techniken implementieren Modelle menschlicher Entscheidungsprozesse, Fallbasiertes Schließen implementiert das Handeln auf der Basis von Erfahrungen oder Vorbildern. Aktuelle Erfahrungen werden als neue Fälle gespeichert und sind sofort wiederverwendbar. Im Projekt dienen Fälle als deliberative Verhaltensmuster für langfristige kooperative Handlungen mit der Möglichkeit der fortlaufenden Anpassung an die aktuelle Situation nach dem Prinzip der Fallvervollständigung. Kooperation wird vereinfacht durch den Bezug auf gemeinsame Verhaltensmuster. Fälle bestehen aus hierarchisch gegliederten Absichten, reaktive Verhaltensweisen werden auf den unteren Hierarchiestufen eingebunden. Die Auswahl erfolgt in einem weniger zeitkritischen Deliberationsprozeß nach Nützlichkeitsabschätzungen bzw. Ähnlichkeitsbewertungen in einem Belief-Desire-Intention-(BDI)-Modell. Die Absichten steuern echtzeitfähige Abarbeitungsprozesse. Online-Lernen erfolgt auf unterschiedliche Weise: Auswahlkriterien für Absichten (Fälle) werden nach aktuellen Erfolgsbewertungen modifiziert, neue Fälle werden online integriert. Das erlaubt Online-Lernen insbesondere auch für kooperative Absichten. Gegnermodellierung erfolgt durch Interpretation des beobachteten Verhaltens innerhalb vorgegebener und erweiterbarer Fallsammlungen.