Inside Jason: Experiências no Desenvolvimento de Arquiteturas Customizadas

Inside Jason: Experiências no
Desenvolvimento de
Arquiteturas Customizadas
Projeto Turing – LISA
(Laboratório Inteligente de
Sistemas Autônomos)
• 1. Centro Federal de Educação Tecnológica (CEFET/RJ), Brasil
• 2. Universidade Federal Fluminense (UFF), Brasil
Carlos Eduardo Pantoja 1,2
24 de Setembro 2017

2Inside Jason: Experiências no Desenvolvimento de Arquiteturas Customizadas
SOCIAL MEDIA
https://www.linkedin.com/in/
carlos-eduardo-pantoja-
aab0a011a
https://www.facebook.com/turi
ngproject
https://www.youtube.com/chan
nel/UCDff9u94Rc1q4xZqCbldQAA
https://www.youtube.com/channel/UC9X
rJBtDKukqUQcHLy4t-kA
https://www.instagra
m.com/prof.pantoja
Professor
Pantoja
Projeto
Turing

OUTLINE 1. Introdução
2. Inside Jason
3. ARGO
4. Agentes Comunicadores
5. Conclusão
Referências Bibliográficas

OUTLINE
2. Inside Jason
3. ARGO
5. Conclusão

1. INTRODUÇÃO: ARGO
ARGO [Pantoja et al., 2016]: Uma arquitetura customizada
do Jason para programação de Agentes Robóticos usando
placas microcontroladas (Arduino):
• Javino [Lazarin e Pantoja, 2015]
 middleware para comunicação entre controladores e software
de alto nível com detecção de erro.
• Filtros de Percepções [Stabile Jr e Sichman, 2015]
 Filtros de percepção reduzem a quantidade de informação
percebida pelo agente em tempo de execução.

1. INTRODUÇÃO: COMMUNICATOR AGENT
Agentes Comunicadores: Uma arquitetura customizada do
Jason para programação de Agentes capazes de se
comunicar com agentes de um outro SMA usando o middleware
ContextNet:
• ConextNet [Endler, 2011]
 Middleware robusto para distribuição de dados em uma rede
da Internet of Things (IoT).

1. INTRODUÇÃO: OBJETIVOS
Objetivo Principal
• Criar SMA utilizando extensões para uma plataforma cognitiva baseada em
Java e AgentSpeak: Jason Framework.
• Desenvolver os projetos de Iniciação Científica ao longo do semestre.
• Introduzir o código fonte do Jason para desenvolvimento de novas soluções
no grupo.
Objetivo Secundário

3. ARGO
5. Conclusão

O Jason [Bordini et al., 2007] é um
framework para desenvolvimento de
Sistemas Multi-Agentes.
Além disso, o Jason implementa em Java
um interpretador para a linguagem
orientada a agentes AgentSpeak [Rao,
1996].
O Jason é um framework amplamente
utilizado na área de desenvolvimento de
sistemas multi-agentes para a
programação de agentes de software
BDI.
2. JASON
Jason by Gustave Moreau

2. JASON: REASONING CYCLE

2. JASON: BIBLIOTECA (THE ROAD SO FAR)

Local onde estão
todas as classes
fontes do Jason.

Caso precise que o nome
da arquitetura
customizada seja
utilizada de forma direta
no arquivo de
configuração do SMA,
colocar sua classe aqui.

A arquitetura padrão de
um agente. Todas as
arquiteturas
customizadas estendem
esta classe. Se está
classe for modificada,
todos os tipos de
agentes serão
modificados.

Instância do ContextNet
para permitir a
comunicação entre
agentes de SMA distintos.
Uma das nossas
experiências com
arquiteturas customizadas.

Instância do Javino para
permitir a comunicação
entre agentes e
microcontroladores. Uma
outra experiência com
arquiteturas customizadas.

Dos autores do Jason:
“The Agent class has the
belief base and plan library
of an AgentSpeak agent. It
also implements the
default selection functions
of the AgentSpeak
semantics.”
Se esta classe for
modificada (dependendo
de como seja feito), o
comportamento de todos
os agentes serão
modificados.

Cada agente tem sua
própria instância dessa
classe. Funções como o
buf, são implementadas
nesta classe, assim como a
chamada para perceber o
ambiente simulado (classe
Environment)

São as ações internas da
biblioteca padrão
(standard library) do Jason.
As ações internas próprias
podem ser colocadas aqui
para não haver a
necessidade de colocar o
nome do pacote na hora
de fazer chamada a ação
no código asl.

2. Inside Jason
5. Conclusão

3. ARGO FOR JASON
The Argo by Lorenzo Costa
O ARGO é uma arquitetura customizada
que emprega o middleware Javino
[Lazarin e Pantoja, 2015], que provê uma
ponte entre o agente inteligente e os
sensores e atuadores do robô.
Além disso, o ARGO possui um
mecanismo de filtragem de percepções
[Stabile Jr e Sichman, 2015] em tempo de
execução.
O ARGO tem como objetivo ser uma
arquitetura prática para a programação
de agentes robóticos embarcados
usando agentes BDI em Jason e placas
microcontroladas.

3. ARGO FOR JASON: REASONING CYCLE

3. ARGO FOR JASON: IMPLEMENTAÇÃO

Customized
architecture created
to differentiate Argo
agents from common
Jason’s agents

Javino instance for
each Argo agent.

Returns the ARGO agent’s
Javino instance.

• Arquitetura Customizada de agentes ARGO
public class Argo extends AgArch {
public Javino jBridge = new Javino();
public Argo() {
this.setPort("COM1");
}
public Javino getArgo() {
return this.jBridge;
}
}

The serial port from which the agent is
receiving perceptions and executing
actions.

Começa vazia pois nem
todo agente é um
agente ARGO.
É um método que é sobrecarregado na arquitetura
customizada. Aqui retorna nulo para não interferir
no funcionamento de outros tipos de agentes.

Defines if the agent has
to perceive or not the
real world.

A time interval, in
milliseconds, for the
next real world sensing

Desnecessário!!!

Function responsible for
returning the perceptions from
the real world if:
i) the perceptions is not
blocked;
ii) the time limit was reached;
iii) the agent is an ARGO agent

• New realWorlPerceptions Method
public List<Literal> realWorldPerceptions() {
long perceiving = System.nanoTime();
List<Literal> percepts = new ArrayList<Literal>();
if(((perceiving - lastPerceived) < this.limit) || this.blocked)
return null;
lastPerceived = perceiving;
if (this.agArch.getArgo().requestData(this.agArch.getPort(), "getPercepts")) {
String rwPercepts = this.agArch.getArgo().getData();
String perception[] = rwPercepts.split(";");
for (int cont = 0; cont <= perception.length - 1; cont++) {
percepts.add(Literal.parseLiteral(perception[cont]));
}
return percepts;
}

Responsible for filtering
perceptions, as stated
before.

• Método de filtragem de percepções
private static void filter(List<Literal> percept) {
if (currentObjective == null)
return;
Iterator<Literal> it = percept.iterator();
while (it.hasNext()) {
if (remove(it.next())) {
it.remove();
}
}
}
public void buf(List<Literal> percepts) {
(...)
this.filter(percepts);
(...)
}

O ARGO permite:
1. Controlar diretamente os atuadores em tempo de execução;
2. Receber percepções dos sensores automaticamente dentro de um período de
tempo pré-definido;
3. Mudar os filtros de percepção em tempo de execução;
4. Alterar quais os dispositivos que estão sendo acessados em tempo de execução;
5. Decidir quando perceber ou não o mundo real em tempo de execução.
3. ARGO FOR JASON: FUNCIONALIDADES

• Ativando um efetuador
Ativando um
efetuador
utilizando a ação
interna act.

O ARGO permite:
2. Receber percepções dos sensores automaticamente dentro de um
período de tempo pré-definido;

• Recebendo Percepções com Limite de Tempo
Limitando as
percepções em
25ms.

public boolean reasoningCycle() {
…
ag.buf(this.realWorldPerceptions());
…
}
• Mudanças na Classe TransitionSystem
antes:
ag.buf(getUserAgArch().perceive()

• New realWorlPerceptions Method
public List<Literal> realWorldPerceptions() {
long perceiving = System.nanoTime();
List<Literal> percepts = new ArrayList<Literal>();
if(((perceiving - lastPerceived) < this.limit) || this.blocked)
return null;
lastPerceived = perceiving;
if (this.agArch.getArgo().requestData(this.agArch.getPort(), "getPercepts")) {
String rwPercepts = this.agArch.getArgo().getData();
String perception[] = rwPercepts.split(";");
for (int cont = 0; cont <= perception.length - 1; cont++) {
percepts.add(Literal.parseLiteral(perception[cont]));
}
return percepts;
}

O ARGO permite:

• Criando filtros de percepção
nome do filtro
nome do agente
dono do filtro

• Mudando filtros de percepção
+!carry_to(R)
<− ! take (object, R);
.change_filter(search);
−object (r1);
!!search(slots).

• Mudanças na Classe Agent
public void buf(List<Literal> percepts) {
if (percepts == null) {
return;
}
int adds = 0;
int dels = 0;
long startTime = qProfiling == null ? 0 : System.nanoTime();
filter(percepts);
Iterator<Literal> perceptsInBB = getBB().getPercepts();
while (perceptsInBB.hasNext()) {
...

private static void filter(List<Literal> percept) {
if(currentObjective==null){
return;
}
Iterator<Literal> it = percept.iterator();
while (it.hasNext()) {
if (remove(it.next())) {
it.remove();
}
}
}
• Mudanças na Classe Agent

O ARGO permite:
4. Alterar quais os dispositivos que estão sendo acessados em tempo de
execução;

• Criando e definindo a arquitetura de um agente ARGO
É preciso escolher
qual dispositivo o
agente irá
controlar definindo
a porta serial onde
o mesmo estiver
conectado.

O ARGO permite:

• Criando e definindo a arquitetura de um agente ARGO
Por padrão, as
percepções
provenientes dos
sensores estão
inicialmente
bloqueadas. Para
isso é necessário
desbloqueá-las .

• ARGO Internal Actions:
• .limit(x)
• .port(y)
• .percepts(open|block)
• .act(w)
• .change_filter(filterName)
3. ARGO FOR JASON: AÇÕES INTERNAS

public class limit extends DefaultInternalAction {
@Override
public Object execute(TransitionSystem ts, Unifier un, Term[] args)
throws Exception {
if (args[0].isNumeric()) {
ts.setLimit(Long.valueOf(args[0] + "000000"));
} else {
return false;
}
return true;
}
}
• A Classe limit no package jason.stdlib

• .limit(x)
• .port(y)
• .act(w)

public class port extends DefaultInternalAction {
@Override
public Object execute(TransitionSystem ts, Unifier un, Term[] args) throws Exception {
Term illoc = args[0];
String os = System.getProperty("os.name");
if (os.substring(0, 1).equals("W")) {
ts.getUserAgArch().setPort(illoc.toString());
} else {
ts.getUserAgArch().setPort("/" + illoc.toString());
}
return true;
}
}
• A Classe port no package jason.stdlib

• .limit(x)
• .port(y)
• .act(w)

public class percetps extends DefaultInternalAction {
@Override
if (args[0].toString().equals("block")) {
ts.blocked = true;
return true;
} else if (args[0].toString().equals("open")) {
ts.blocked = false;
return true;
} else {
return false;
}
}
• A Classe percepts no package jason.stdlib

• .limit(x)
• .port(y)
• .act(w)

public class act extends DefaultInternalAction {
@Override
public Object execute(TransitionSystem ts, Unifier un, Term[] args)
throws Exception {
Term action = args[0];
if (ts.getUserAgArch().getArgo().sendCommand(ts.getUserAgArch().getPort(), action.toString())) {
return true;
} else { return false;}
}
}
• A Classe act no package jason.stdlib

• .limit(x)
• .port(y)
• .act(w)

public class filter extends DefaultInternalAction {
@Override
String tag = args[0].toString();
ts.getAg().changeFilter(tag);
return true;
}
}}
• A Classe filter no package jason.stdlib

2. Inside Jason
3. ARGO
5. Conclusão

NA PRÓXIMA VERSÃO
DA APRESENTAÇÃO
4. AGENTES COMUNICADORES

2. Inside Jason
3. ARGO

6. CONCLUSÃO
Este material teve (e tem) como objetivo orientar o
desenvolvimento de soluções integrando SMA e
plataformas de hardware utilizando as mais diversas
tecnologias.
Este material não está em sua versão final e estará em
constante atualização até os objetivos individuais dos
projetos em andamento forem concluídos.
Toda contribuição é válida e será bem vinda.

2. Inside Jason
3. ARGO
5. Conclusão

REFERÊNCIAS BIBLIOGRÁFICA
•[Bordini et al. 2007] Bordini, R.H., Hubner, J.F., Wooldridge, M. Programming Multi-Agent Systems in AgentSpeak
Using Jason. John Wiley & Sons Ltd., 2007.
•[Bratman, 1987] Bratman, M. Intentions, Plans, and Practical Reason. Harvard University Press, 1987.
•[Endler et al., 2011] Endler M, Baptista G, Silva LD, Vasconcelos R, Malcher M, Pantoja V, Pinheiro V, Viterbo J.
ContextNet: context reasoning and sharing middleware for large-scale pervasive collaboration and social
networking. In Proceedings of the Workshop on Posters and Demos Track 2011 Dec 12 (p. 2). ACM.
•[Guinelli et al., 2016] Guinelli, J. V. ; Junger, D. S. ; Pantoja, C. E. . An Analysis of Javino Middleware for Robotic
Platforms Using Jason and JADE Frameworks. In: Workshop-Escola de Sistemas de Agentes, Seus Ambientes e
Aplicações, Maceió. Anais do X Workshop-Escola de Sistemas de Agentes, seus Ambientes e Aplicações, 2016.
•[Lazarin and Pantoja, 2015] Lazarin, N.M., Pantoja, C.E. : A robotic-Agent Platform For Embedding Software
Agents Using Raspberry Pi and Arduino Boards. In 9th Software Agents, Environments and Applications School,
2015
•[Pantoja et al., 2016] Pantoja, C. E.; Stabile Jr, M. F. ; Lazarin, N. M. ; Sichman, J. S. ARGO: A Customized Jason
Architecture for Programming Embedded Robotic Agents. In: Proceedings of the 3rd International Workshop on
Engineering Multi-Agent Systems (EMAS 2016), 2016.

REFERÊNCIAS BIBLIOGRÁFICA
•[Rao 1996] Rao, A.S.: AgentSpeak(L): BDI agents speak out in a logical computable language. In: de
Velde,W.V., Perram, J.W. (eds.) Proceedings of the 7th European workshop on Modelling autonomous
agents in a multi-agent world. Lecture Notes in Artificial Intelligence, vol. 1038, pp. 42-55. Springer-Verlag,
Secaucus. USA, 1996.
•[Stabile Jr. and Sichman, 2015] Stabile Jr., M.F., Sichman, J.S. Evaluating Perception Filters In BDI Jason
Agents. In: 4th Brazilian Conference On Intelligent Systems, 2015.
•[Wooldridge, 2009] Wooldridge M. An Introduction to MultiAgent Systems. John Wiley & Sons, 2009.

AGRADECIMENTOS
OBRIGADO!
pantoja@cefet-rj.br

Inside Jason: Experiências no Desenvolvimento de Arquiteturas Customizadas

Recomendados

Recomendados

Mais conteúdo relacionado

Semelhante a Inside Jason: Experiências no Desenvolvimento de Arquiteturas Customizadas

Semelhante a Inside Jason: Experiências no Desenvolvimento de Arquiteturas Customizadas (20)

Mais de Carlos Eduardo Pantoja

Mais de Carlos Eduardo Pantoja (20)

Inside Jason: Experiências no Desenvolvimento de Arquiteturas Customizadas