Академический Документы
Профессиональный Документы
Культура Документы
FICHA DESCRIPTIVA
1. Aspectos formales:
1.1 Autor: Vimal Ganotra, Rashmi Sharma, Priti Dhingra,
Sourabh Sharma, and Navin Kumar.
1.2 Titulo del documento: Intelligent Senses in Robot Based on Neural
Networks.
1.3 Tipo de material: Artculo de investigacin.
2. Asunto investigativo:
2.1 Tema central: Implementacin e incorporacin del
comportamiento neuronal al funcionamiento de
microcontroladores embebidos.
2.2 Ncleo temtico: Investigacin del paradigma de redes
neuronales e implementacin en simuladores
adaptados a robots de poca memoria.
2.3 Problema: Debido a la dificultad y la falta de xito en la
construccin fsica de robots, se ha desarrollado
una tendencia a la simulacin por ordenador y
con ello lograr un comportamiento inteligente, en
este caso se analiza el comportamiento
neuronal aplicado a sistemas embebidos.
3. Delimitacin contextual:
3.1 Delimitacin espacial: Department of Electronics and Comunications
Engineering (India)
3.2 Delimitacin temporal: Proyecto iniciado en el 2009 y recibido en el
2010
3.3 Sujetos investigados: Sistemas Neuronales aplicados a
Microcontroladores ATMEGA8
4. Propsito:
4.1 Objetivo general: Modelamiento e implementacin de un sistema
basado en el comportamiento de redes
neuronales, aplicado a sistemas Robotizados de
IA.
4.2 Objetivos especficos: Simulacin de sistemas de IA en
ordenadores.
Investigacin de redes neuronales
(investigacin del paradigma de red
neuronal espacio-temporal).
Explicacin y reflexin sobre el trmino
hebbian learning.
Demostracin del modelo, evolucin e
implementacin del sistema.
5. Enfoque:
5.1 Disciplina: Estudio de redes neuronales, ingeniera de
software y electrnica.
5.2 Paradigma conceptual: Paradigma de redes neuronales en el Espacio-
tiempo
5.3 Referentes tericos: E.S. Brunette, R. C. Flemmer, and C. L.
Flemmer A Review of Artificial Intelligence,
in Proc of the 4h International Conference
on Autonomous Robotos and Agents,
Wellington, New Zeland, pp. 10-12, 2009.
A. H. Klopf and J. S. Morgan, The Role of
Time in Natural Intelligence: Implications for
Neural Network and Artificial Intelligence
Research, Air Force Wright Aeronautical
Laboratories Wright-Patterson Air Force
Base, Ohio 455433-6523.
D. Floreano and C. Mattiussi, Evolution of
Spiking Neural Controllers for Autonomous
Vision-Based Robots, in Gomi, T, edm
Evolutionary Robotics. From Intelligent
Robotics to Artificial Life. Tokyo: Springer
Verlag.
D. Floreano, N. Schoeni, G. Caprari, and J.
Blynel,Evolutionary Bits n Spikes," in
Articial Life VIII, Standish, Abbass, Bedau
(eds) (MIT Press) pp. 335-34, 2002.
5.4 Conceptos principales: Hebbian Learning
Redes Neuronales
Sistemas embebidos
Funcionamiento de microcontroladores
ATMEGA8
Inteligencia artificial
5.5 Hiptesis Se puede sistematizar el comportamiento de
Redes neuronales en sistemas robticos
automticos con el fin de simular dicho
comportamiento de una forma espontnea.
5.6 Tesis No se presenta
5.7 Tipo de investigacin: Experimental e investigativa.
6. Metodologa:
6.1 Tipo de metodologa Cualitativa y cuantitativa.
6.2 Tcnicas: Investigacin, implementacin y desarrollo de
sistemas robticos a travs de programacin de
microcontroladores ATMEGA8.
FICHA SINPTICA
1. Autor y Titulo del Vimal Ganotra, Rashmi Sharma, Priti Dhingra,
documento: Sourabh Sharma, and Navin Kumar.
Intelligent Senses in Robot Based don Neural
Networks
2. Enfoque:
2.1 Resumen: Los microcontroladores ATMEGA8 sern los
encargados de brindarle la inteligencia a los
prototipos. Tambin se examina la teora de
hebb y se concluye que las neuronas tienen un
funcionamiento secuencial.
2.2 Palabras clave: Teoria Hebbiana, Microcontrolador ATMEGA8,
Inteligencia Artificial.
3. Metodologa:
3.1 Resumen: En el artculo se presenta el diseo en
implementacin de un robot inteligente
basndose en el funcionamiento de una red
neuronal, utilizando el microcontrolador
ATMEGA8 y un buen desempeo de alto
rendimiento que no ha sido presentado
anteriormente.
3.2 Palabras clave: Microcontrolador ATMEGA8, robot, red
neuronal.
4. Resultados:
4.1 Conclusin: Un robot inteligente se ha implementado y
capacitado para transportar cosas de un lugar a
otro. El objetivo es disear una red neuronal que
modele los fenmenos del mundo real,
utilizando microcontroladores. Es definitivo el
uso de la luz y con esto modelar el
comportamiento de una polilla, usando un robot
cuyo movimiento es controlado por las salidas
de una red neuronal. Eventualmente la
implementacin de IA en robots es estudiada
con la ayuda de redes neuronales. Sin embargo
el trabajo queda abierto, en el sentido en que
puede ser mejorado y modificado en un futuro,
como por ejemplo para asignarle movimientos
hacia la derecha e izquierda y con esto esquivar
obstculos.
4.2 Recomendaciones Es necesario actualizar el conocimiento en
las tecnologas conforme surgen, pues cada
vez se avanza ms, especialmente en
temticas como esta que son algo
totalmente novedoso.
2. DESARROLLO DE UN PROTOTIPO DE ROBOT MVIL PARA LA
INVESTIGACIN Y APLICACIN DE TCNICAS DE INTELIGENCIA
ARTIFICIAL.
FICHA DESCRIPTIVA
1. Aspectos formales:
1.1 Autor: Marcelo J. Marinelli, Enrique C. De Silvestre.
1.2 Titulo del documento: Development of a Mobile Robot Prototype for
Research and Application of Artificial Intelligence
Techniques.
1.3 Tipo de material: Artculo de investigacin.
2. Asunto investigativo:
2.1 Tema central: Desarrollo de un prototipo de robot mvil para la
investigacin de tcnicas de Inteligencia Artificial
que permita la navegacin autnoma en
entornos de prueba tipo indoor.
2.2 Ncleo temtico: Diseo de prototipos que puedan responder
adecuadamente usando inteligencia artificial,
con ello tambin se debe tener muy buen
manejo de la temtica de materiales para
seleccionar los mejores.
2.3 Problema: Sincronizar adecuadamente los motores del
prototipo.
3. Delimitacin contextual:
3.1 Delimitacin espacial: Revista Ciencia y Tecnologa.
3.2 Delimitacin temporal: 2012
3.3 Sujetos investigados: Los robots que se desarrollaran.
4. Propsito:
4.1 Objetivo general: Desarrollar un prototipo de robot mvil que
permita la investigacin y aplicacin de tcnicas
de inteligencia artificial.
4.2 Objetivos especficos: Disear un sistema de percepcin
constituido por un arreglo de cinco sonares,
distribuidos en una plaqueta montada sobre
el chasis del robot.
Desarrollar un sistema de traccin
diferencial con servomotores modificados
que brindaran tanto impulso como
direccionamiento al robot.
5. Enfoque:
5.1 Disciplina: Ingeniera de software e ingeniera electrnica.
5.2 Paradigma conceptual: Inteligencia artificial soportada en robots
autnomos.
5.3 Referentes tericos: Baturone, A., Robotica Manipuladores y
robots mviles, 1 Ed. Espaa, Alfaomega &
Marcombo, 2001.
Bronx M. Gersnoviez A., Sanchez-Solano
S., Baturone I., Controlador difuso para
problemas de navegacin en presencia de
obstculos fijos, XIII Congreso espaol de
Tecnologias y Logica Fuzzy, p. 29-34, 2006.
Everet R. H., Sensors for mobile robots:
theory and application, Cambridge MA, A. K.
Peters LTD., 1995.
Arduino, Plataforma de hardware libre,
Disponible en: http://www.arduino.cc
(verificado en marzo del 2012).
Arduino, Software de arduino, Disponible
en: http://www.arduino.cc (verificado en
marzo del 2012).
5.4 Conceptos principales: Robots mviles.
Sonares.
Navegacin autnoma.
Inteligencia artificial.
5.5 Hiptesis Se puede sistematizar el comportamiento de
Redes neuronales en sistemas robticos
automticos con el fin de simular dicho
comportamiento de una forma espontnea.
5.6 Tesis No se presenta.
5.7 Tipo de investigacin: Explorativa.
6. Metodologa:
6.1 Tipo de metodologa Cualitativa.
6.2 Tcnicas: Desarrollo de un prototipo con los componentes:
Cinco sonares tipo MaxSonar-EZ1, El servo
Hextronik HX5010 - Twin Bearing Servo,arduino.
FICHA SINPTICA
1. Autor y Titulo del Marcelo J. Marinelli, Enrique C. De Silvestre.
documento: Desarrollo de un prototipo de robot mvil para la
investigacin y aplicacin de tcnicas de
inteligencia artificial.
2. Enfoque:
2.1 Resumen: Este trabajo propone el desarrollo de un
prototipo de robot mvil para la investigacin de
tcnicas de Inteligencia Artificial que permita la
navegacin autnoma en entornos de prueba
tipo indoor.
2.2 Palabras clave: Prototipo, robot, Inteligencia Artificial.
3. Metodologa:
3.1 Resumen: En el artculo se presenta un diseo de un
sistema de percepcin, compuesto por un
arreglo de cinco sonares que proveen una
deteccin del entorno, las seales de los
sonares son capturadas por el software
embebido que mediante tcnicas de Inteligencia
Artificial determinan las seales de control del
sistema motriz.
Tambin, se presentan los diseos de los
sistemas de traccin diferencial, con dos
servomotores, y de alimentacin con un circuito
de estabilizacin de la tensin de las bateras.
3.2 Palabras clave: Sonares, Inteligencia Artificial, robot movil.
4. Resultados:
4.1 Conclusin: Se construy un prototipo de robot mvil con las
caractersticas necesarias para poder desarrollar
investigaciones aplicando tcnicas de IA. Se
dise un sistema de precepcin constituido por
un arreglo de cinco sonares dispuestos en una
plaqueta montada sobre el chasis del robot. Este
sistema de percepcin se ensay obteniendo un
rango de error inferior al 20 %, comprendido en
un margen de tolerancia para prototipos de
robots mviles.
Finalmente, se desarroll un sistema de traccin
diferencial con dos servos modificados que
proveen el impulso y el direccionamiento al
prototipo.
4.2 Recomendaciones Se requiere un buen manejo tanto de
materiales, circuitera y programacin para
ubicar correctamente los elementos y
calibrarlos como debe ser, sin embargo, en
el paper se hace una buena descripcin de
cmo se realiza cada una de estas cosas,
algo til para personas con poca
experiencia.
3. A Survey of Real-Time Strategy Game AI Research and
Competition in StarCraft.
FICHA SINPTICA
1. Autor y Titulo del Santiago Ontan, Gabriel Synnaeve, Alberto
documento: Uriarte, Florian Richoux, David Churchill, Mike
Preuss.
A survey of Real-Time Strategy Game AI
Research and Competition in StarCraft.
2. Enfoque:
2.1 Resumen: En el presente artculo se muestra el avance de
la inteligencia artificial, tomando como referente
el juego de StarCraft, sin embargo, tambin se
destaca que la habilidad humana, que supera
sin mucha dificultad los robots que poseen
inteligencia artificial, lo cual es algo que se
quiere mejorar.
2.2 Palabras clave: StarCraft, RTS, Inteligencia Artificial.
3. Metodologa:
3.1 Resumen: En el artculo se analiza las arquitecturas que
utilizan principalmente los buenos jugadores de
StarCraft, examinando el desempeo de los
mismos en los torneos que se han realizado en
los ltimos aos.
3.2 Palabras clave: RTS, Inteligencia Artificial, StarCraft.
4. Resultados:
4.1 Conclusin: Teniendo en cuenta los anlisis realizados a las
competiciones se puede observar que StarCraft
obedece a diferentes estrategias, ya sea obtener
la victoria por fuerza o por mayora de nmero;
el juego an tiene muchos problemas, los cuales
quedan abiertos para ser resueltos en un futuro.
Conforme las dificultades vayan siendo
solucionadas no solo el juego sino la IA,
avanzaran considerablemente, ya que StarCraft
es considerado un banco de pruebas, de donde
se podr estudiar y utilizar como base el
conocimiento de este.
4.2 Recomendaciones Poco a poco el avance de la IA ira
mejorando aspectos del diario vivir, como
por ejemplo cosas sencillas como ordenar la
agenda o poner en el calendario los
deberes, hasta cosas complejas como
poder realizar incluso operaciones con la
mayor precisin posible.
4. The Revolution of StarCraft Network Traffic.
FICHA RESEA BIBLIOGRAFICA
1. Aspectos formales.
Choong-Soo Lee.
The Revolution of StarCraft Network Traffic.
La revolucin del trfico de red de StarCraft.
Department of Mathematics and Computer Science Gustavus Adolphus College,
Saint Peter, MN 56082, USA.
Departamento de Matemticas y Ciencias de la Computacin, Universidad
Gustavus Adolphus, San Peter, Minnesota 56082, Estados Unidos
2. Resumen.
En el presente artculo se habla y se hace la descripcin de todo el trfico de red
que compete a StarCraft, en el cual primero se realiz un anlisis y se
determinaron los problemas que enfrentan los jugadores como por ejemplo: los
retardos, el jitter y la perdida de paquetes, posterior a eso se determin que
StarCraft I tena un funcionamiento peer-to-peer, mientras que StarCraft II utiliza
una arquitectura cliente-servidor. Adems de eso se analiza tambin el tamao
de los paquetes, se determina que se utiliza el protocolo TCP y principalmente
UDP, gracias a la herramienta wireshark.
3. Palabras clave.
StarCraft, peer-to-peer (arquitectura punto a punto), client-server (arquitectura
cliente-servidor), trfico de red.
4. Observaciones.
En el paper se brinda un anlisis muy completo del trfico de red generado por
StarCraft, sin embargo no se realiza ninguna postulacin.
FICHA DESCRIPTIVA
1. Aspectos formales:
1.1 Autor: Choong-Soo Lee.
1.2 Titulo del documento: The revolution of StarCraft network traffic.
1.3 Tipo de material: Artculo de investigacin.
2. Asunto investigativo:
2.1 Tema central: StarCraft que ha surgido en los ltimos aos ha
tratado de mejorar su calidad de juego desde el
lanzamiento de StarCraft II, y se estudia el
trfico de la red dentro de sus servidores.
2.2 Ncleo temtico: Aporta datos para la investigacin que se realiza
del trfico de red en los servidores del juego de
StarCraft.
2.3 Problema: Los inconvenientes que pueden generarse en el
juego al experimentarse diversos problemas de
red como retardos, jitter o prdida de
informacin.
3. Delimitacin contextual:
3.1 Delimitacin espacial: U.S.A.
3.2 Delimitacin temporal: 23 de noviembre del 2012
3.3 Sujetos investigados: Juego StarCraft.
4. Propsito:
4.1 Objetivo general: Optimizar el trfico de red, para brindar una
mejor experiencia a los jugadores.
4.2 Objetivos especficos: Mejorar la calidad de la experiencia de
juego evitando el retardo, jitter y prdidas de
informacin.
Distribuir mejor el tamao de los paquetes
para el trfico cliente-servidor.
5. Enfoque:
5.1 Disciplina: Ingeniera de software.
5.2 Paradigma conceptual: Conceptos de Evolutionary Computation (EC).
5.3 Referentes tericos: M. Claypool, D. LaPoint, and J. Winslow,
Network Analysis of Counterstrike and
StarCraft, in Proceedings of the 22nd IEEE
international Performance, Computing and
Communications conference (IPCCC),
Phoenix, AZ, USA, April 2003.
A. Dainotti, A. Pescape, and G. Ventre, A
packet-level Traffic Model of StarCraft, in
roceedings of the second international
workshop on Hot Topics on peer-to-peer
Systems (HOT-P2P), la Jolla, CA, USA, July
2005.
S. P. Pederson and M. E. Johnson,
Estimating Model Discrepancy,
Technometrics, vol. 32, no.3, pp. 305-314,
August 1990.
J. Lakkakorpi, A. Heiner, and J. Ruutu,
Measurement and Characterization of
Internet Gaming Traffic, Helsinki University
of Technology, Networking Laboratory,
Espoo, Finland, February 2002
5.4 Conceptos principales: Cliente-servidor.
StarCraft.
RTS (Real-Time Strategy).
5.5 Hiptesis Mejorando el tamao de los paquetes de
informacin, se mejorara la calidad del juego.
5.6 Tesis No se presenta.
5.7 Tipo de investigacin: Explicativa.
6. Metodologa:
6.1 Tipo de metodologa Mixta.
6.2 Tcnicas: Tcnicas de programacin.
FICHA SINPTICA
1. Autor y Titulo del Choong-Soo Lee.
documento: The Revolution of StarCraft Network Traffic.
2. Enfoque:
2.1 Resumen: En este artculo se realiza un estudio sobre el
trfico de informacin cliente-usuario de los
servidores del juego de RTS StarCraft y con
ellos los diferentes problemas que se
desencadenan para los jugadores. Posterior a
esto se propone como solucin, el cambio de
tamao de los paquetes de informacion
2.2 Palabras clave: StarCraft, RTS, cliente-servidor, trfico de red.
3. Metodologa:
3.1 Resumen: Ayudndose de la herramienta Wireshark se
realiz el anlisis del trfico de red y dichos
datos se muestran en el artculo, con esto se
analiz el tamao y el tiempo de cada paquete
en llegar.
3.2 Palabras clave: TCP, UDP, trafico.
4. Resultados:
4.1 Conclusin: En StarCraft II se utiliza una arquitectura cliente-
servidor, mientras que en StarCraft I la
arquitectura utilizada es punto a punto. Dicha
diferenciacin da lugar a muchas otras
caractersticas diferentes entre StarCraft I y II,
por ejemplo que en StarCraft I por cada jugador
adicional se consume ms ancho de banda,
mientras que en StarCraft II el ancho de banda
permanece constante independientemente del
nmero de jugadores. Cada juego presenta sus
pros y contras, sin embargo se puede ver ciertas
mejoras en StarCraft II pues es la versin ms
actual.
4.2 Recomendaciones Es conveniente que los diseadores del
juego revisen los problemas de trfico de
red, para brindar la mejor solucin posible a
estos y as, brindar la mejor experiencia en
cuanto a juegos RTS a los diferentes
usuarios a nivel mundial.
5. Simulation-based Optimization of StarCraft Tactical AI through
Evolutionary Computation
FICHA DESCRIPTIVA
1. Aspectos formales:
1.1 Autor: Nasri Othman, James Decraene, Wentong Cai,
Member, IEEE, Nan Hu, Malcolm Yoke Hean
Low, Senior Member, IEEE, and Alexandre
Gouaillard.
1.2 Titulo del documento: Simulation-based Optimization of StarCraft
Tactical AI through Evolutionary Computation.
1.3 Tipo de material: Artculo de investigacin.
2. Asunto investigativo:
2.1 Tema central: Presentar un FrameWork modular para simular
rpidamente StarCraft AI vs Tactical Scenarios
AI" a travs de una especificacin XML que
permita que el comportamiento y la composicin
tctica varen entre los oponentes.
2.2 Ncleo temtico: Mostrar la arquitectura, detalles y escenarios en
donde puede trabajar el Frame-Work
desarrollado a travs de la computacin
evolutiva.
2.3 Problema: Como encontrar los parmetros ptimos de
software para lograr una mejor experiencia en
los Juegos de Estrategia en Tiempo Real
especialmente en StarCraft.
3. Delimitacin contextual:
3.1 Delimitacin espacial: School of Computer Engineering, Nanyang
Technological University, Singapore Immunology
Network, Agency for Science, Technology and
Research, D-SIMLAB Technologies, in
Singapore.
3.2 Delimitacin temporal: La lnea de Investigacin fue propuesta en el
ao 2012.
3.3 Sujetos investigados: Juego StarCraft.
4. Propsito:
4.1 Objetivo general: Presentar un FrameWork modular para simular
rpidamente StarCraft AI vs Tactical Scenarios
AI" a travs de una especificacin XML que
permita que el comportamiento y la composicin
tctica varen entre los oponentes.
4.2 Objetivos especficos: Presentar el juego StarCraft y examinar las
posibles mejoras con respecto a Estrategia
en Tiempo Real (RTS).
Mostrar el FrameWork desarrollado y su
estructura.
Detallar como utilizar nuevos escenarios en
el nuevo FrameWork a travs de la
evolucin computacional.
Analizar como la computacin evolutiva ha
influido en el desarrollo de StarCraft.
5. Enfoque:
5.1 Disciplina: Ingeniera de software.
5.2 Paradigma conceptual: Conceptos de Evolutionary Computation (EC).
5.3 Referentes tericos: B. G. Weber, Integrating expert knowledge
and experience, in AAAI, M. Fox and D.
Poole, Eds. AAAI press, 2010.
B. G. Weber, M. Mateas, and A. Jhala,
Applying goal-driven autonomy to
StarCraft, in AIIDE, G. M. Youngblood and
V. Bulitko, Eds. The AAAI Press, 2010.
G. Synnaeve and P. Bessire, a bayesian
model for plan recognition in RTS games
applied to StarCraft, in AIIDE, V. Bulitko
and M. O. Riedl, Eds. The AAAI Press, 2011
StarCraft Participants,
http://eis.ucsc.edu/StarCraftParticipants,
Expressive Intelligence Studio, University of
California, Santa Cruz, 2010.
5.5 Conceptos principales: StarCraft.
XML (Xtensible Markup Language).
RTS (Real-Time Strategy).
EC (evolutionary computation)
5.5 Hiptesis A travs de la modificacin (hacking) del motor
del juego y el control de las interfaces del
jugador humano se pueden crear agente de AI
para StarCraft.
5.6 Tesis No se presenta.
5.7 Tipo de investigacin: Explicativa.
6. Metodologa:
6.1 Tipo de metodologa Mixta.
6.2 Tcnicas: Tcnicas de programacin y principios de la
computacin evolutiva.
FICHA SINPTICA
1. Autor y Titulo del Nasri Othman, James Decraene, Wentong Cai,
documento: Member, IEEE, Nan Hu, Malcolm Yoke Hean
Low, Senior Member, IEEE, and Alexandre
Gouaillard.
Simulation-based Optimization of StarCraft
Tactical AI through Evolutionary Computation.
2. Enfoque:
2.1 Resumen: Presentar un FrameWork modular para simular
rpidamente StarCraft AI vs Tactical Scenarios
AI" a travs de una especificacin XML que
permita que el comportamiento y la composicin
tctica varen entre los oponentes.
2.2 Palabras clave: StarCraft, RTS, FrameWork, XML.
3. Metodologa:
3.1 Resumen: Mostrar la arquitectura, detalles y escenarios en
donde puede trabajar el Frame-Work
desarrollado a travs de la computacin
evolutiva.
3.2 Palabras clave: Arquitectura, FrameWork, EC.
4. Resultados:
4.1 Conclusin: El FrameWork resulta ser limitado debido a
que solo permite modelar el combate tctico
y hace caso omiso a los recursos
econmicos y base de produccin de cada
jugador.
Se logr por medio de la computacin
evolutiva desarrollar agentes modulares.
Las estrategias tcticas pueden ser
moduladas a travs de este marco,
actualizarlas y modificarlas en este mismo.
La EC (evolutionary computation) tambin
se puede utilizar para generar diseos de
bases para la movilidad y para la seleccin
de estrategias (asignar pesos preferenciales
a estrategias).
4.2 Recomendaciones Para mejor entendimiento del artculo se
debe realizar una explicacin un tanto ms
clara respecto a las siglas pues muchas
veces se debe recurrir a investigar dicho
significado en internet.
6. A review of computational intelligence in RTS games.
F2.FICHA SINPTICA
1.AUTOR Y TITLO DEL DOCUMENTO
Ral Lara-Cabrera, Carlos Cotta and Antonio J. Fernndez-Leiva.
A review of computational intelligence in RTS games.
Una revisin de la inteligencia computacional en los juegos de estrategia en
tiempo real.
2.ENFOQUE
2.1 Resumen: La inteligencia computacional es uno de los mejores desarrollos
en cuestin del avance tecnolgico de los videojuegos RTS.
2.2 Palabras Claves: RTS, Inteligencia Computacional.
3.METODOLOGA
3.1 Resumen: Con el avance tecnolgico se ha logrado solucionar algunos de
los grandes problemas que tenan los videojuegos RTS.
3.2 Palabras clave: RTS.
4.RESULTADOS
4.1 Conclusin:
- A medida que los videojuegos y la inteligencia artificial crece, las
- exigencias de ellos tambin lo hacen, y quiz puede ser en un
- mayor marguen. Este documento nos explica como la inteligencia
- computacional junto con la AI, buscan solucionar los grandes
- problemas que enfrentan los juegos RTS.
- Se logr observar que unas de las mejores tcnicas a utilizar para
superar los desafos que tienen los juegos RTS pueden ser:
algoritmos evolutivos, optimizacin estocstica y mtodos
probabilsticos.
4.2 Recomendaciones: Investigar las necesidades de los usuarios, para as
lograr llenar sus exigencias.
F3-RESEA BIBLIOGRAFICA.
1. ASPECTOS FORMALES
Ral Lara-Cabrera, Carlos Cotta and Antonio J. Fernndez-Leiva
A review of computational intelligence in RTS games
Una revisin de la inteligencia computacional en los juegos de estrategia en
tiempo real.
Universidad de Mlaga de Espaa
2. RESUMEN
Los juegos en tiempo real pueden tener muchos desafos a la hora de
interconectar la realidad con la ficcin, la mayora de los desafos tienen
aplicaciones fuera del juego. El actual documento posee una breve revisin sobre
inteligencia computacional en tiempo real. Los videojuegos o la inteligencia
artificial cada vez va avanzando mucho ms y son ms los ingresos hechos por
las empresas para mejorar cada vez ms. Pero no todo es bueno con cada
avance en la tecnologas de este tipo los usuarios se vuelven cada vez
montonos, siendo lo ms importante es la forma de juegos, motores grficos,
formas, estructura, etc, que la propia inteligencia de los usuarios. Los juegos en
tiempo real as como la inteligencia para este tipo de juegos requieren gestin de
diferentes tipos de unidades y recursos en tiempo real, por este motivo son muy
precisos en cuestin de programacin y exigentes en cuestin de alimentacin
(ancho de banda, velocidad). Estos juegos en RTS llevan a los usuarios a tomar
decisiones en ese preciso momento bajo la presin de un lmite de tiempo.
3. PALABRAS CLAVE
Revisin, inteligencia computacional, estrategia en tiempo real.
4. OBSERVACIONES
Con el avance de la tecnologa, se tiene que estar pendiente a los nuevos
proyectos sobre este tipo de inteligencia, ya que por ciertos motivos todos
estamos expuestos a grandes cambios.
F2.FICHA SINPTICA
1.AUTOR Y TITLO DEL DOCUMENTO
John Pendlebury, Mark Humphrys, Ray Walshe.
An Experimental System for Real-time Interaction Between Humans and Hybrid AI
Agents.
Un sistema Experimental para la interaccin en tiempo real entre los seres
humanos y agentes hbridos.
2.ENFOQUE:
2.1 Resumen: Describir y desarrollar un sistema multi-agente, el que permita ejecutar
simultneamente en el entorno on-line facilitando muchas cosas para los usuarios.
2.2 Palabras Clave: AI, Hbrido de AI, Sociedad de la mente, Sistema multi-agente,
interaccin humana AI.
3.METODOLOGA
3.1 Resumen: Se puede observar el aumento de la interaccin del usuario con la AI,
entrelazando la mente del jugador con los diferentes Multi-Agentes.
3.2 Palabras Clave: Multi-Agente, AI.
4.RESULTADOS
4.1 Conclusin: Al avanzar cada vez ms en AI, puede observar que la
necesidad de ancho de banda se incrementa considerablemente llevando a
aumentar el costo. Por otro lado observa que el XAI puede generar simulaciones
de cada entorno en 2D y 3D. Uno de los principales resultados que se observa
es el sistema multi-agente que permite una mejor experiencia del usuario con AI.
4.2 Recomendaciones: Un muy complejo estudio a la hora de interconectar la
mente humana con XAI.
1. ASPECTOS FORMALES
John Pendlebury, Mark Humphrys, Ray Walshe.
An Experimental System for Real-time Interaction Between Humans and Hybrid
AI Agents.
Un sistema Experimental para la interaccin en tiempo real entre los seres
humanos y agentes hbridos.
School of Computing.
Dublin City University, Glasnevin.
Dublin 9, Republic of Ireland.
2. RESUMEN:
En este trabajo se describe el ltimo sistema de prototipo desarrollado como
parte de Word-wide, el XAI (servidor experimental de inteligencia artificial). Este
servidor es un sistema multi-agente, el que permite ejecutar simultneamente en
el entorno on-line facilitando la interaccin de los usuarios.
Una de las cosas llamativas en XAI es que este agrega mucha ms interaccin
entre el usuario y la AI, siendo uno de los temas ms llamativos a futuro es
mejorar la interfaz 2D y crear un nueva interfaz pero en 3D. Lo que ms interesa
en este mtodo es poder entrelazar la mente de cada usuario y su mundo con
cada AI para as poder recrear el enlace maquina humano mucho mejor, siendo
as la experiencia del usuario mucho ms rica para con los entornos de
simulacin que nos brida cada AI. El multi-agente o su funcin principal es la de
poder permitir la interaccin de muchas o varias mentes artificiales en varios
entornos.
Uno de los pasos ms duros a seguir es el intentar describir el cmo interacta
cada mente artificial con cada una de la mente del usuario en diversos entornos y
ms an si se mira que cada interaccin entre estos dos agentes se debe
realizar en tiempo real.
3.PALABRAS CLAVE
AI, Hbrido de AI, Sociedad de la mente, Sistema mult-iagente,
Interaccin humana AI.
4. OBSERVACIONES
La inteligencia artificial hoy en dia es una de las tecnologas que va
revolucionando el mundo moderno y no para de crecer.
8. Towards Adaptive Online RTS Artificial Inteligence with NEAT.
F2.FICHA SINPTICA
1.AUTOR Y TITLO DEL DOCUMENTO
Jason M. Traish and James R. Tulip.
Towards Adaptive Online RTS Artificial Inteligence with NEAT.
Estrategia en tiempo real hacia inteligencia artificial adaptativa en lnea con
NEAT.
2.ENFOQUE
2.1 Resumen: Con los avances en AI, tambin avanzan los requisitos de cada
mquina o consola y esto lleva a los elevados precios comerciales de dichos
aparatos. La inteligencia artificial en los juegos lleva a la experimentacin de
nuevos mundos donde se puede interactuar ms con los ellos, y ah es donde
juega un papel importante NEAT para dar una mejor experiencia.
2.2 Palabras Clave: AI, NEAT.
3.METODOLOGA
3.1 Resumen: Para el desarrollo de este tipo de juegos se necesita una gran
investigacin y desarrollo, para lograr superar los grandes desafos que aun
interfieren en el desarrollo de estos mismos.
3.2 Palabras Clave: interaccin.
4.RESULTADOS
4.1 Conclusin:
-Con el primer experimento, se estableci que NEAT podra crear
- agentes que respondan a cualquier situacin de estrategia.
- Con el segundo se demostr que NEAT puede elegir la mejor
estrategia - en tiempo real.
- Con el tercero se modific NEAT a la hora de responder en
estrategias - en tiempo real.
- En el cuarto NEAT demostr que fue capaz de generar agentes
- complejos para adaptarse al juego.
4.2 Recomendaciones: Para lograr buenos resultados se debe tener un
desarrollo e investigacin constante.
F3.RESEA BIBLIOGRAFICA
1. ASPECTOS FORMALES:
Jason M. Traish and James R. Tulip.
Towards Adaptive Online RTS Artificial Inteligence with NEAT.
Estrategia en tiempo real hacia inteligencia artificial adaptativa en lnea con
NEAT
School of Computing and Mathematics, Charles Sturt University, NSW, Australia.
2. RESUMEN.
Aunque los juegos con AI y con RTS han tenido un gran avance en el tiempo en
cuanto a grficos y en lo fsico se podra decir que han tenido tambin un
decrecimiento en cuanto al rendimiento. Con cada avance en estos tipos de
juegos llegan tambin las exigencias de las maquinas en las cuales se los va a
soportar, por este motivo para lograr el 100% del juego se tiene que tener una
buenas mquinas y con esto una gran inversin en ellas.
Para el desarrollo de estos tipos de juegos con inteligencia artificial y con
estrategia en tiempo real hay diversos desafos los cuales pueden ser: recursos,
tcticas, investigacin, reconocimiento, y un alto nivel de estrategia para los
jugadores. Como estos juegos se basan en la estrategia en tiempo real (RTS)
como lo hace el juego del ajedrez, por este motivo ha despertado la
investigacin de este y los jugadores para el desarrollo de estos juegos en AI.
Uno de los grandes problemas que se encuentran en este tipo de juegos es que
la mayora son predecibles entonces es como tener una clave para ganar, por
este motivo se est implementando una especie de inteligencia o agentes
artificiales para contrarrestar esto, para ello o en solucin se emplea NEAT que
es aumentar la neuro evolucin de la topologas para que NEAT logre crear un
agente artificial que evolucione los juegos de estrategia en tiempo real.
3. PALABRAS CLAVE
NEAT, RTS, AI, AG.
4.OBSERVASIONES
Se logra apreciar que una de las grandes falencias de los juegos con AI y en
RTS es la monotona por lo que pueden ser muy predecibles por los usuarios,
pero en solucin a esto proponen implementar NEAT para las estrategias en
tiempo real.
9. Optimizing Portfolio Construction Using Artificial Intelligence.
F2.FICHA SINPTICA
1.AUTOR Y TITLO DEL DOCUMENTO
Chan Kok Thim, Yap Voon Choong, Eric Seah.
Optimizing Portfolio Construction Using Artificial Intelligence.
Optimizacin de la construccin de cartera usando inteligencia artificial.
2.ENFOQUE
2.1 Resumen: Las NN buscan en gran parte simular el cerebro humano para
que en un tiempo no muy lejano puedan cumplir con todas las acciones que los
seres humanos hacemos en nuestro diario vivir.
2.2 Palabras Clave: NN, cartera.
3.METODOLOGA
3.1 Resumen: en la descripcin de la metodologa se puede comprender los
factores que pueden afectar las redes neuronales a la hora de que la inteligencia
artificial cumpla con todas las acciones de nuestro diario vivir.
3.2 Palabras Clave: Redes Neuronales.
4.RESULTADOS
4.1 Conclusin: Se logra demostrar que las redes neuronales pueden crear unos
cdigos y algoritmos mucho ms complejos que los que podramos crear.
4.2 Recomendaciones: Investigar mucho sobre el mercado basado en las redes
neuronales.
F2.FICHA SINPTICA
1.AUTOR Y TITLO DEL DOCUMENTO
Surayne Torres-Lpez, Jos Alejandro Lugo-Garca, Pedro Yobanis Piero-
Prez, Karina Mileisis Torres-Quiones, Aym Perdomo-Alonso, Betsy Cuza-
Garca, Miroslava Lzara Aldana-Cuza.
Formal and artificial intelligence techniques for the management of human
resources in IT projects.
Tcnicas formales y de inteligencia artificial para la gestin de re-cursos
humanos en proyectos informticos.
2.ENFOQUE
2.1 Resumen: Se intenta con la AI dar solucin a los problemas de Software que
presentan las empresas desarrolladoras de esto, debido a problemas o factores
humanos.
2.2 Palabras Clave: Software, AI.
3.METODOLOGA
3.1 Resumen: Se construyen prototipos de robot para poder investigar muy
afondo los resultados para este problema. Y as lograr dar solucin a lo
expuesto anteriormente
3.2 Palabras Clave: Prototipos.
4.RESULTADOS
4.1 Conclusin: La inclusin de tcnicas en modelos tericos para la gestin de
recursos humanos puede facilitar la utilizacin de AI.
Se logra aumentar la eficiencia manteniendo niveles de efectividad.
4.2 Recomendaciones: Evaluar el factor humano en los diversos entornos y
circunstancias.
F3.RESEA BIBLIOGRAFICA
1.ASPECTOS FORMALES
Surayne Torres-Lpez, Jos Alejandro Lugo-Garca, Pedro Yobanis Piero-
Prez, Karina Mileisis Torres-Quiones, Aym Perdomo-Alonso, Betsy Cuza-
Garca, Miroslava Lzara Aldana-Cuza.
Formal and artificial intelligence techniques for the management of human
resources in IT projects.
Tcnicas formales y de inteligencia artificial para la gestin de recursos
humanos en proyectos informticos.
Universidad de las Ciencias Informticas, Torrens, Boyeros, La Habana, Cuba.
2.RESUMEN
Una de las principales aplicaciones de la AI es la de facilitarle la vida a los
usuarios, este artculo trata de la utilizacin de tcnicas que en este caso son las
formales y las de inteligencia artificial para la gestin de los recursos humanos
en proyectos informticos. Tratando y describiendo tcnicas para la realizacin
de adquisicin, gestin y formacin de recursos humanos para despus evaluar
las aplicaciones que pueden ayudar a dar unos mejores resultados por medio de
la inteligencia artificial. En el pas que se realiza este artculo (Cuba), presenta
muchos problemas de software, debido a factores humanos en gran medida, por
este motivo se busca en la inteligencia artificial mejorar el mbito o ambiente del
trabajador para as obtener mejores resultados.
3.PALABRAS CLAVE
AI, gestin de recursos, factores humanos.
4.OBSERVACIONES
Se pude dar cuenta de los problemas que llevan el no tener un buen lugar de
trabajo con buenos instrumentos para ello aumentando los resultados. Pero
incluyendo las tcnicas o modelos tericos para la gestin de recursos, se logra
aumentar la efectividad y competencia de lo que se est produciendo.
11. ARTIFICIAL INTELLIGENCE IN CYBER DEFENSE
RESEA BIBLIOGRAFICA
1.ASPECTOS FORMALES
Enn Tyugu
Artificial Intelligence in Cyber Defense
Inteligencia artificial en Ciber Defensa
Cooperative Cyber Defense Center of Excellence (CCD COE), Estonian Academy
of Science, Tallinn, Estonia
2.RESUMEN
Dado que la seguridad informtica es una preocupacin que compete a todos los
usuarios de internet, esta necesidad debe ser solventada de manera rpida y
confiable, pero este proceso resulta engorroso realizarlo sin mtodos
automatizables, es aqu donde la inteligencia artificial presenta una gran
alternativa como plataforma y estructura de seguridad capaz de analizar grandes
cantidades de informacin a altas velocidades, esta seguridad debe estar
amparada en algoritmos variables capaces de ser fcilmente modificables debido
al continuo avance y desarrollo de amenazas cibernticas ms robustas que las
anteriores.
En el presente documento se muestra la inteligencia artificial como un campo de la
ciencia y la tecnologa, enfocada a proporcionar mtodos para resolver problemas
complejos que no pueden resolverse sin la aplicacin de alguna inteligencia
similar.
Finalmente se hace una somera presentacin de la inteligencia artificial existente,
sus aplicaciones y tcnicas que convergen a un desarrollo y evolucin que
propicien una tecnologa basada en redes neuronales, agentes inteligentes y
sistemas expertos; toda una ciencia aplicada que demuestra que incluso una
defensa contra los ataques a gran escala puede tener xito con recursos bastante
limitados cuando se utilizan mtodos inteligentes.
3.PALABRAS CLAVES
Inteligencia artificial aplicada, sistemas expertos en ciberdefensa, mtodos
inteligentes en ciberdefensa, redes neuronales en ciberdefensa.
4.OBSERVACIONES
Usufructuar los recursos y oportunidades que brinda la inteligencia artificial
mejorar en gran medida la capacidad de defensa ciberntica de los sistemas
usados tanto en seguridad militar como particular.
FICHA SINOPTICA
1.AUTOR Y TITULO DEL DOCUMENTO
Enn Tyugu. Artificial Intelligence in Cyber Defense
2.ENFOQUE
2.1. Resumen: resaltar desde la ingeniera de software, la importancia y
participacin de mecanismos de la inteligencia artificial (AI) en el campo de la
defensa ciberntica (CD)
2.2. Palabras Claves: Inteligencia artificial aplicada, mtodos inteligentes en
ciberdefensa, sistemas expertos en ciberdefensa.
3.METODOLOGIA
3.1. Resumen: se ha desarrollado varios mtodos en el campo de la inteligencia
artificial tomando un enfoque desde el punto de vista humano as como tambin
un enfoque ms automatizable en el desempeo de la defensa ciberntica, lo que
conlleva a una gestin del rea de aplicacin de la misma.
3.2. Palabras Clave: Redes neuronales, agentes inteligentes, solucin de
restricciones.
4.RESULTADOS
4.1. Conclusiones: recalcando la penetracin de la inteligencia malware y
evolucin de los riesgos cibernticos, en la actualidad un software inteligente se
consolida como una necesidad en la aplicacin de la defensa ciberntica.
4.2. Recomendaciones: Enfatizar en aplicaciones de mtodos de inteligencia
artificial que proporcionan flexibilidad y capacidad de aprendizaje de software.
FICHA DESCRIPTIVA
1.ASPECTOS FORMALES
1.1. Autor: Ho-Chul Cho, Kyung-Joong Kim.
1.2. Ttulo del documento: Imitation learning for combat system in RTS games
with application to StarCraft. (Aprendizaje de imitacin para sistemas de
combate en juegos de estrategia en tiempo real con aplicacin a StarCraft).
1.3. Tipo de material:
Documento de investigacin.
Department of Computation Science. & Engineering, Sejong University, Seoul,
South Korea
2.ASUNTO INVESTIGATIVO
2.1. Tema Central: implementacin de la inteligencia artificial en el mejoramiento
de la experiencia en videojuegos en tiempo real y de estrategia.
2.2. Ncleo Temtico: se propone el uso de repeticiones humanos como fuente de
la imitacin de los robots de StarCraft.
5.ENFOQUE
5.1. Disciplina: investigacin informtica.
5.2. Paradigma Conceptual: Software Inteligente y metodologa del diseo.
5.3. Referentes tericos:
- L. Cardamone, et al., "Learning drivers for TORCS through imitation using
supervised methods," IEEE Symposium on Computational Intelligence and
Games, pp. 148-155, 2009.
- H.-C. Cho, K.-J. Kim, and S.-B. Cho, "Replay-based strategy prediction and
build order adaptation for StarCraft AI bots," IEEE Conference on
Computational Intelligence and Games, pp. 1-7, 2013.
5.4. Conceptos Principales:
- Estrategia en tiempo real (RST).
-StarCraft.
-Mapas de influencia (IM).
- Inteligencia Artificial Aplicada
5.5. Hiptesis: se logra una mejor experiencia mediante el enfoque de imitacin
aplicado al control de unidades de batalla.
5.6. Tesis: no se presenta.
5.7. Tipo de Investigacin: experimental y explicativa.
6.METODOLOGIA
6.1. Tipo de Metodologa: Mixta.
6.2 Tcnicas:
- Mejora de sistemas establecidos.
RESEA BIBLIOGRAFICA
1.ASPECTOS FORMALES
Ho-Chul Cho, Kyung-Joong Kim
Imitation learning for combat system in RTS games with application to StarCraft.
Aprendizaje de imitacin para sistemas de combate en juegos de estrategia en tiempo
real con aplicacin a StarCraft.
Department of Computation Science. & Engineering, Sejong University, Seoul, South
Korea
2.RESUMEN
La industria de los videojuegos ha tenido una gran evolucin y desarrollo por lo que
constantemente se buscan alternativas para mejorar la experiencia del jugador, esta
necesidad se potencia an ms en juegos de estrategia en tiempo real como lo es
StarCraft, en este documento se presenta un mtodo que pretende mejorar el sistema de
realidad virtual.
Este mtodo consta de un anlisis de la situacin actual en el juego realizando una
observacin de los comandos y direcciones de movimiento de las unidades y
comparndolas con una serie de escenas similares almacenadas; posteriormente se
escoge la escena ms cercana, optimizando algoritmos de decisin implementados
anteriormente y da paso a algoritmos de imitacin, de esta manera se van
interconectando escenas de juego para crear mapas de combate.
Los resultados de juego empleando esta tcnica son bastante prometedores debido a que
adems de reducir el nmero de comparaciones, tambin tuvo un porcentaje de victoria
mayor que usando los sistemas previamente existentes, por lo que se demuestra el
potencial enfoque de la tcnica de imitacin en juegos de esta naturaleza.
3.PALABRAS CLAVES
Combate, Imitacin, StarCraft, Unidad de control.
4.OBSERVACIONES
Es necesario ampliar la tcnica para incluir otras habilidades, como la produccin, la
defensa, exploracin, y la acumulacin de orden. Adems, hay espacio para el desarrollo
de nuevas tcnicas de bsqueda eficientes para la comparacin de juego escenas.
FICHA SINOPTICA
1.AUTOR Y TITULO DEL DOCUMENTO
Ho-Chul Cho, Kyung-Joong Kim.
Imitation learning for combat system in RTS games with application to StarCraft.
2.ENFOQUE
2.1. Resumen: es importante mejorar la experiencia del jugador por lo que se propone
recurrir inteligencia artificial en la implementacin de un nuevo mtodo basado en la
imitacin de comportamientos humanos.
2.2. Palabras Claves: imitacin, mapa de influencia, estados futuros.
3.METODOLOGIA
3.1. Resumen: se propone el uso de la imitacin basado en el ser humano lo que posibilita
que la inteligencia artificial imite los comportamientos durante el juego, se realiza un
anlisis de la implementacin de esta nueva tcnica y se compara con tcnicas previas.
3.2. Palabras Clave: imitacin, mapa de influencia, escena de juego, comparacin.
4.RESULTADOS
4.1. Conclusiones:
- Se constata el potencial de la tcnica imitacin aplicado para juegos de realidad
virtual como StarCraft
- Esta tcnica permite acelerar la bsqueda de la escena de juego siguiente
- Con esta tcnica como pilar, abre las puertas al desarrollo de nuevos mtodos de
bsqueda eficientes para la comparacin de escenas de juego.
4.2. Recomendaciones: emplear algoritmos de decisin y tablas de comparacin lo
suficientemente eficaces para evitar que escenarios o comportamientos simultneos
puedan sobrecargar el software y volverlo potencialmente ineficaz.
FICHA DESCRIPTIVA
1.ASPECTOS FORMALES
1.1. Autor: Ho-Chul Cho, Kyung-Joong Kim.
1.2. Ttulo del documento: Imitation learning for combat system in RTS games with
application to StarCraft. (Aprendizaje de imitacin para sistemas de combate en juegos
de estrategia en tiempo real con aplicacin a StarCraft).
1.3. Tipo de material:
Documento de investigacin.
Department of Computation Science. & Engineering, Sejong University, Seoul, South
Korea
2.ASUNTO INVESTIGATIVO
2.1. Tema Central: implementacin de la inteligencia artificial en el mejoramiento de la
experiencia en videojuegos en tiempo real y de estrategia.
2.2. Ncleo Temtico: se propone el uso de repeticiones humanos como fuente de la
imitacin de los robots de StarCraft.
5.ENFOQUE
5.1. Disciplina: investigacin informtica.
5.2. Paradigma Conceptual: Software Inteligente y metodologa del diseo.
5.3. Referentes tericos:
- L. Cardamone, et al., "Learning drivers for TORCS through imitation using
supervised methods," IEEE Symposium on Computational Intelligence and Games,
pp. 148-155, 2009.
- H.-C. Cho, K.-J. Kim, and S.-B. Cho, "Replay-based strategy prediction and build
order adaptation for StarCraft AI bots," IEEE Conference on Computational
Intelligence and Games, pp. 1-7, 2013.
5.4. Conceptos Principales:
- Estrategia en tiempo real (RST).
-StarCraft.
-Mapas de influencia (IM).
- Inteligencia Artificial Aplicada
5.5. Hiptesis: se logra una mejor experiencia mediante el enfoque de imitacin aplicado
al control de unidades de batalla.
5.6. Tesis: no se presenta.
5.7. Tipo de Investigacin: experimental y explicativa.
6.METODOLOGIA
6.1. Tipo de Metodologa: Mixta.
6.2 Tcnicas:
- Mejora de sistemas establecidos.
RESEA BIBLIOGRAFICA
1.ASPECTOS FORMALES
Marcelo J. Marinelli, Enrique C. De Silvestre
Desarrollo de un prototipo de robot mvil para la investigacin y aplicacin de
tcnicas de inteligencia artificial
Facultad de Ciencias Exactas Qumicas y Naturales Universidad Nacional de
Misiones. Flix de Azara 1552 - Posadas Misiones
2.RESUMEN
En la actualidad constantemente se ha venido desarrollando todo el trabajo
competente a la robtica tanto para requerimiento industriales como domsticos;
constantemente y cada vez ms se busca que estas mquinas tengan un sistema
que les permita ejercer un comportamiento autnomo, es aqu donde las tcnicas
de inteligencia artificial tienen su participacin ya que estas son las que propician
el funcionamiento independiente y eficaz de la mquina.
En este documento se muestra la creacin de un prototipo de robot mvil que
contribuye la investigacin de tcnicas de Inteligencia Artificial encargado de
permitir la navegacin autnoma en entornos cerrados.
3.PALABRAS CLAVES
Robots mviles, Sonares, Navegacin autnoma, Inteligencia Artificial.
4.OBSERVACIONES
La importancia de este articulo esta en las investigaciones realizadas sobre robots,
ya que estas estn evolucionando acorde a los requerimientos de la industria y de
mbitos domsticos.
FICHA SINOPTICA
1.AUTOR Y TITULO DEL DOCUMENTO
Marcelo J. Marinelli, Enrique C. De Silvestre
Desarrollo de un prototipo de robot mvil para la investigacin y aplicacin de
tcnicas de inteligencia artificial
2.ENFOQUE
2.1. Resumen: se desarrolla un prototipo de un robot mvil fundamentado en las
tcnicas de AI para su funcionamiento y operacin.
2.2. Palabras Claves: Robots mviles, Sonares, Navegacin autnoma,
Inteligencia Artificial.
3.METODOLOGIA
3.1. Resumen: Se construy un prototipo de robot mvil con las caractersticas
necesarias para poder desarrollar investigaciones aplicando tcnicas de IA.
3.2. Palabras Clave: Robots mviles, Sonares, Navegacin autnoma, Inteligencia
Artificial.
4.RESULTADOS
4.1. Conclusiones:
- Se verifica la importancia de la AI como mtodo de automatizacin de
maquinas
- Se ejecut un prototipo de robot mvil con los requerimientos necesarios
para poder desarrollar investigaciones aplicando tcnicas de inteligencia
artificial.
FICHA DESCRIPTIVA
1.ASPECTOS FORMALES
1.1. Autor: Marcelo J. Marinelli, Enrique C. De Silvestre
1.2. Ttulo del documento: Desarrollo de un prototipo de robot mvil para la
investigacin y aplicacin de tcnicas de inteligencia artificial
1.3. Tipo de material:
Artculo de investigacin.
Facultad de Ciencias Exactas Qumicas y Naturales Universidad Nacional de
Misiones. Flix de Azara 1552 - Posadas Misionesion
2.ASUNTO INVESTIGATIVO
2.1. Tema Central: El desarrollo de un prototipo de robot mvil para la
investigacin de tcnicas de Inteligencia Artificial que permita la navegacin
autnoma en entornos de prueba tipo indoor
2.2. Ncleo Temtico: Analizar y desarrollar la fiabilidad de un prototipo de robot
mvil capaz de utilizar tcnicas de inteligencia artificial y permita la investigacin.
2.RESUMEN
3.PALABRAS CLAVES
4.OBSERVACIONES
XPilot-AI representa una excelente herramienta para la investigacin en IA debido
a que da a los investigadores la oportunidad de probar y comparar los sistemas de
control y mtodos de aprendizaje antes de usarlos para aplicaciones ms
costosos.
FICHA SINOPTICA
1.AUTOR Y TITULO DEL DOCUMENTO
Gary B. Parker ; David A. Arroyo
The xpilot-ai environment
2.ENFOQUE
2.1. Resumen: Xpilot-AI es una biblioteca escrita en C que permite a los
investigadores desarrollar fcilmente agentes xpilot que controlan los barcos en el
juego. Xpilot-AI ofrece varias funciones a travs del cual el agente de control de
programas son capaces de obtener informacin sobre el entorno que les rodea,
los barcos en el mapa, y varios otros datos tiles.
2.2. Palabras Claves: Xpilot-AI, agent controller, autonomous agent learning,
control system, interactive game, testing method.
3.METODOLOGIA
3.1. Resumen: Las funciones exportadas por la biblioteca xpilot-AI realiza acciones
mediante la simulacin de pulsaciones de teclas al Cliente xpilot. La Informacin
sobre el mapa y los objetos circundantes se obtiene de las funciones de dibujo del
cliente xpilot. Tambin existen funciones para enviar y recibir mensajes a travs
del sistema de chat xpilot. Esto permite a los agentes por separado en el juego
para comunicarse entre s y el servidor xpilot.
3.2. Palabras Clave: computer games, intelligent control, learning (artificial
intelligence), multi-agent systems.
4.RESULTADOS
4.1. Conclusiones:
- Xpilot-AI es un ambiente til para la evaluacin de nuevos diseos de
sistemas de inteligencia artificial
2.2. Ncleo Temtico: Desarrollar agentes que puedan jugar uno contra el otro y
los seres humanos en un servidor xpilot
2.RESUMEN
Cuando se utiliza la mente humana como una plantilla para sistemas de inteligencia
artificial, los principios del pensamiento humano tienen que ser modelado. Uno de esos
principios muy importante es la defensa.
En este artculo se describe de manera formal cmo implementar los mecanismos de
defensa del psicoanlisis en los sistemas de inteligencia artificial. Estos mecanismos
pueden ser vistos como transformaciones.
3.PALABRAS CLAVES
inteligencia artificial, automatizacin cognitiva, Mecanismos de defensa, mente humana,
psicoanlisis
4.OBSERVACIONES
El anlisis y modelamiento psicoanaltico de seales elctricas generadas a partir de
actividad cerebral tiene una importancia fundamental para esta investigacin ya que a
partir de dichas seales se fundamenta el desarrollo de sistemas y mecanismos de
defensa basados en inteligencia artificial.
FICHA SINOPTICA
1.AUTOR Y TITULO DEL DOCUMENTO
Friedrich Gelbard; Dietmar Bruckner; Klaus Doblhammer; Zsofa Kovacs.
Transformation of perceptions as filter mechanisms in artificial intelligence
2.ENFOQUE
2.1. Resumen: Algunos tipos de mecanismos de defensa se pueden transformar
fcilmente. Otros ms difciles y tipos abstractos de los mecanismos de defensa
son transformados por el uso de tablas de transformacin. Las transformaciones
pueden alterar, suprimir o pasar cada uno de los componentes de una tupla o toda
la tupla.
3.DELIMITACION CONTEXTUAL
3.1. Delimitacin Espacial: Universidad de tecnologa de Viena, Austria
3.2. Delimitacin Temporal: La investigacin inicio en el ao 2009
3.3. Sujetos Investigados: Sistemas de defensa para Inteligencia Artificial
4.PROPOSITO
4.1. Objetivo General: Investigacin y categorizacin de mecanismos de defensa
aplicados a la inteligencia artificial adems de tablas investigativas de transformacin y
procedimientos para ponerlas en prctica .
- A. Freud, The Ego and the Mechanisms of Defense, London, Hogarth Press and
Institute of Psycho-Analysis, GB, 1937. Revised edition: 1966 US, 1968 UK.
- T. Deutsch, H. Zeilinger, R. Lang, Simulation Results for the ARS-PA Model. In:
Proceedings of 2007 IEEE International Conference on Industrial Informatics
INDIN07, 2007, S. 1021 - 1026.
6.METODOLOGIA
6.1. Tipo de Metodologa: Cualitativa y cuantitativa
6.2 Tcnicas:
- Recopilacin y mapeo de datos utilizados para las percepciones y las unidades de
anlisis en una plataforma informtica