Fichas Total

1.
INTELLIGENT SENSES IN ROBOT BASED ON NEURAL

NETWORKS.
FICHA RESEA BIBLIOGRAFICA

1. Aspectos formales.
Vimal Ganotra, Rashmi Sharma, Priti Dhingra, Sourabh Sharma, y Navin Kumar.
Intelligent senses in robot based on neural networks.
Sentidos inteligentes en robots, basados en redes neuronales.
International journal of information and electronics engineering, Vol. 2, No. 4, july
2012.
Revista internacional de informacin e ingeniera electrnica, volumen 2, nmero
4, julio del 2012
2. Resumen.
En el artculo se muestra la implementacin de redes neuronales, la cual es
desarrollada en microcontroladores (ATMEGA8), que adicional a esto estas
redes requieren niveles de memoria y de energa muy bajos. Estas redes para
inteligencia artificial se basan en el mtodo de aprendizaje hebbiano, dicho
mtodo, primero que todo, es un mecanismo de aprendizaje en tiempo real, que
parte de la suposicin realizada por Hebb, la cual dice que las neuronas estas
correlacionadas por seales aproximadamente simultaneas y ello podra ser
puesto en duda, ya que con algunos experimentos se ha mostrado que la
relacin no es simultnea, sino ms bien, que es algo secuencial.
La finalidad de este trabajo es capacitar a un robot para que sea capaz de
responder a un entorno, que, como se dijo anteriormente se implementara en el
microcontrolador ATMEGA8 y se busca que este avance hacia delante o
retroceda, de acuerdo a la intensidad lumnica, sin que sea necesaria la
intervencin humana o de ordenadores.
3. Palabras clave.
Inteligencia artificial (AI), ATMEGA8 microcontrolador, robots, teora hebbiana
4. Observaciones.
Este tema es algo novedoso relativamente, pues a pesar de que se ha
investigado, la implementacin es algo an ms complicado, sin embargo poco
a poco se realizar dicha innovacin, por ello es recomendable estar al tanto de
esta temtica
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.

Marcelo J. Marinelli, Enrique C. De Silvestre.
Development of a mobile robot prototype for research and application of artificial
intelligence techniques.
Desarrollo de un prototipo de robot mvil para la investigacin y aplicacin de
tcnicas de inteligencia artificial.
Revista ciencia y tecnologa, Ao 14 / N 17 / 2012 / 1824
2. Resumen.
En este artculo se describen los dispositivos y como sern configurados, para el
desarrollo de un prototipo de robot mvil, con el que, se investigaran diversas
tcnicas referentes a la inteligencia artificial y que a la vez permita la navegacin
autnoma en entornos de prueba.
Para ello Se dise un sistema de percepcin, el cual consta de un arreglo de
cinco sonares, que sern los encargados de la deteccin del entorno; las
seales de los sonares son capturadas por el software embebido que mediante
tcnicas de Inteligencia Artificial determinaran 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. Palabras clave.
Robots mviles, Sonares, Navegacin autnoma, Inteligencia Artificial.
4. Observaciones.
El documento simplemente presenta el anlisis y la gua de implementacin del
robot mvil, sin embargo no se dice que se obtiene con ello, considero que hace
falta un poco ms de explicacin en cuanto a resultados
FICHA DESCRIPTIVA
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.
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.
3.1 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.

Santiago Ontan, Gabriel Synnaeve, Alberto Uriarte, Florian Richoux, David
Churchill, Mike Preuss.
A Survey of Real-Time Strategy Game AI Research and Competition in
StarCraft.
Encuesta de juegos de estrategia con IA en tiempo real, investigacin y
competencia en StarCraft.
TCIAIG VOL. X, NO. Y, MONTH YEAR.
2. Resumen.
En este artculo se presenta una visin general del trabajo existente de
inteligencia artificial para los juegos de estrategia en tiempo real (RTS). Ms
concretamente, se centra en el trabajo en todo el juego StarCraft, el cual es
descrito respecto a problemas, estrategias, como se debe jugar y los rangos en
que se califican a los jugadores, resaltando que la habilidad del hombre, en este
caso, supera a la de las maquinas con IA. StarCraft en estos ltimos aos ha
sido utilizado como banco de pruebas unificado para esta investigacin. Aqu se
describen los retos especficos planteados para los juegos de inteligencia
artificial con RTS, y se examina de manera general las soluciones que se han
explorado a dicha problemtica. Adems, tambin se presenta un resumen de
los resultados de las competiciones recientes de StarCraft, que describen las
arquitecturas utilizadas por los participantes. Por ltimo, se concluye con una
discusin haciendo hincapi en que los problemas en el contexto de la
estrategia en tiempo real juego de IA no han sido resueltos en su totalidad y que
permanecen abiertos.
3. Palabras clave.
Inteligencia artificial (AI), estrategia en tiempo real, StarCraft, estrategia en
tiempo real (RTS)
4. Observaciones.
El articulo presenta informacin muy completa, ya que se ha utilizado un buen
banco de pruebas, adems, considero que es un trabajo muy amplio, el de
resolver todos los inconvenientes de este, ya que conforme se va innovando
tambin irn surgiendo ms problemas y me parece algo especialmente
llamativo incluir dicha inteligencia a los juegos, ya que esto es el primer paso
para la automatizacin de muchas funciones y deberes, a los cuales se debe
enfrentar la ingeniera.
FICHA DESCRIPTIVA
1.1 Autor: Santiago Ontan, Gabriel Synnaeve, Alberto
Uriarte, Florian Richoux, David Churchill, Mike
Preuss.
1.2 Titulo del documento: A survey of Real-Time Strategy Game AI
Research and Competition in StarCraft.
2.1 Tema central: Desarrollo del juego StarCraft, el cual ha surgido
en los ltimos aos y un resumen que
proporciona los resultados de las competiciones
recientes StarCraft AI.
2.2 Ncleo temtico: Analizar, de acuerdo a las competiciones, el
avance de la inteligencia artificial en el juego de
StarCraft.
2.3 Problema: Los jugadores humanos, en su mayora, siguen
siendo evidentemente superiores a los
programas de ordenador, por lo que se desea
mejorar en este aspecto, igualmente en las
reas de diseo de grficas y fotorealismo.
3.1 Delimitacin espacial: Computer Science Department at Drexel
University, Philadelphia, PA, USA. Laboratory of
Cognitive Science and Psycholinguistics (LSCP)
of ENS Ulm in Paris, France. Nantes Atlantic
Computer Science Laboratory (LINA) of the
Universite de Nantes, France. Department of
the University of Alberta, Edmonton, Canada.
Department of Computer Science of Technische
Universitat Dortmund, Germany.
3.2 Delimitacin temporal: Concursos ORTS que se realizaron de 2006 a
2011
3.3 Sujetos investigados: Juego StarCraft.
4. Propsito:
4.1 Objetivo general: Analizar las desventajas de los programas de
ordenador, al comparar estos con jugadores
humanos y con ello mejorar las debilidades.
4.2 Objetivos especficos: Explorar el juego de StarCraft en el contexto
de estrategia en tiempo real.
Mejorar las debilidades de los programas de
ordenador, partiendo de la comparacin
humano-maquina.
5. Enfoque:
5.1 Disciplina: Ingeniera de software y diseo grfico.
5.2 Paradigma conceptual: Inteligencia artificial aplicada a los juegos de
estrategia en tiempo real.
5.3 Referentes tericos: M. Buro, Real-time strategy games: A new
AI research challenge, in IJCAI 2003
International Joint Conferences On Artificial
Intelligence 2003, pp. 1534-1535.
K. Mishra, S. Ontaon, and A. Ram,
Situation assessment for plan retrieval in
real-time strategy games, in ECCBR, 2008,
pp. 355-369.
F. Schadd, S. Bakkes, and P. Spronck,
Opponent modeling in real-time strategy
games, in GAMEON, 2007, pp.
S. Hladky and V. Bulitko, An evaluation of
models for predicting opponent positions in
first-person shooter video games, in CIG
(IEEE), 2008.
J. Rubin and I. Watson, computer pker: A
review, Artificial Intelligence, vol. 175, no.
5, pp. 958-987, 2011
5.4 Conceptos principales: Game AI.
StarCraft.
RTS (Real-Time Strategy).
5.5 Hiptesis La mejora de respuestas en el juego Starcraft,
conllevara mejores respuestas en toda el rea
de Inteligencia Artificial.
5.7 Tipo de investigacin: Explicativa.
6. Metodologa:
6.1 Tipo de metodologa Mixta.
6.2 Tcnicas: Aplicaciones de inteligencia artificial en juegos
de RTS.
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.
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
1.1 Autor: Choong-Soo Lee.
1.2 Titulo del documento: The revolution of StarCraft network traffic.
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.
3.1 Delimitacin espacial: U.S.A.
3.2 Delimitacin temporal: 23 de noviembre del 2012
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.
5.5 Hiptesis Mejorando el tamao de los paquetes de
informacin, se mejorara la calidad del juego.
6. Metodologa:
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

Nasri Othman, James Decraene, Wentong Cai, Member, IEEE, Nan Hu,
Malcolm Yoke Hean Low, Senior Member, IEEE, and Alexandre Gouaillard.
Simulation-based Optimization of StarCraft Tactical AI through Evolutionary
Computation.
Simulacion basada en la optimizacin tctica de IA de StarCraft a travs de la
evolucin computacional.
2012 IEEE Conference on Computational Intelligence and Games (CIG).
2. Resumen.
En el presente artculo se habla y se hace la descripcin de todo juego en
general, describiendo de que se compone, que es lo que debe realizar cada uno
de los bots en cuando a procedimientos de anlisis de juego, en pocas palabras
todos los procedimientos que se deben realizar en los juegos de estrategia en
tiempo real, tambin se hace la comparacin de la habilidad humano vs
mquina, en la cual, el humano es superior a la mquina. La descripcin
tambin abarca gran parte de los escenarios y la aleatoriedad al inicio de cada
partida, es un documento muy detallado en cuando a la explicacin de las
funciones del juego, lo que se hace para llevar a cabo cada una de las funciones
y como jugarlo.
3. Palabras clave.
StarCraft, Inteligencia Artificial, simulation, RTS, EC (Evolutionary Computation),
XML (Xtensible Markup Language).
4. Observaciones.
En el paper se utilizan demasiadas siglas, considero que sera pertinente aclarar
que indica cada una, ya que muchos lectores podemos ser inexpertos en el
tema.
FICHA DESCRIPTIVA
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.
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.
3.1 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.
4. Propsito:
4.1 Objetivo general: Presentar un FrameWork modular para simular
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).
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.
6. Metodologa:
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
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.
F1. FICHA DESCRIPTIVA

1.ASPECTOS FORMALES
1.1 Autor: Ral Lara-Cabrera, Carlos Cotta and Antonio J. Fernndez-Leiva
1.2 Ttulo del Documento: A review of computational intelligence in RTS games
Una revisin de la inteligencia computacional en los juegos de estrategia en
tiempo real.
1.3 Tipo de Material: Articulo investigativo.
2.ASUNTO INVESTIGATIVO
2.1 Tema Central: Inteligencia Computacional.
2.2 Ncleo Temtico: Inteligencia artificial en los juegos de tiempo real.
2.3 Problema: Planeacin, confrontacin y toma de decisin en tiempo real.
3.DELIMITACIN CONTEXTUAL
3.1 Delimitacin Espacial: ETSI Informatica, University of Mlaga, Spain
3.2 Delimitacin Temporal: 2010-2011
3.3 Sujetos Investigados: Juegos RTS, AI.
4.PROPSITO
4.1 Objetivo General: Caractersticas en videojuegos RTS.
4.2 Objetivo Especfico: Problemas en videojuegos RTS.
5.ENFOQUE
5.1 Disciplina: Ingeniera de Software.
5.2 Paradigma:
5.3 Referentes Tericos:
- V. Alczar, D. Borrajo, and C. Linares Lpez, Modelling a RTS
- planning domain with cost conversion and rewards, in Artificial
- Intelligence in Games. Workshop of the Eighteenth European
- Conference on Artificial Intelligence, Patras, Greece, 2008, pp. 5054.
- P. Avery and S. J. Louis, Coevolving team tactics for a real-time
- strategy game, in IEEE Congress on Evolutionary Computation.
- IEEE, 2010, pp. 18.
- R.-K. Balla and A. Fern, UCT for tactical assault planning in realtime
- strategy games, in International Joint Conference on Artificial
- Intelligence, C. Boutilier, Ed., 2009, pp. 4045.
- G. H. Burgin and L. J. Fogel, Air-to-air combat tactics synthesis and
- analysis program based on an adaptive maneuvering logic, Journal
- of Cybernetics, vol. 2, - no. 4, pp. 6068, 1972.
- M. Buro, RTS games and real-time AI research, in Behavior
- Representation in Modeling and Simulation Conference, vol. 1. Curran
- Associates, Inc., 2004.
5.4 Conceptos Principales:
- RTS.
- AI.
5.5 Hiptesis: Los desafos que presentan los juegos de estrategia en tiempo
real pueden ser superados por inteligencia computacional.
5.6 Tesis:
5.7 Tipo de Investigacin: Descriptiva.
6.METODOLOGA
6.1 Tipo de Metodologa: Cualitativa
6.2 Tcnicas:
- Investigacin documental.
- Investigacin prctica.
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.
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
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.
7. An Experimental System for Real-time Interaction between

Humans and Hybrid AI Agents.

1.ASPECTOS FORMALES
1.1 Autor: John Pendlebury, Mark Humphrys, Ray Walshe.
1.2 Ttulo del document: An Experimental System for Real-time Interaction
between Humans and Hybrid AI Agents.
1.3 Tipo de Material: Articulo.
2.1 Tema Central: Describir el funcionamiento y la arquitectura de la Inteligencia
Artificial mediante XAI(inteligencia artificial experimental)
2.2 Ncleo Temtico: Intentar dar solucin a los paradigmas de software
mediante Society of Mind.
2.3 Problema: La creacin de IA que permita la interaccin en tiempo real
mediante mentes artificiales.
3.1 Delimitacin Especial: School of Computing Dublin City University,
Glasnevin. Dublin 9, Republic of Ireland.
3.2 Delimitacin Temporal: Fue propuesto en el 2010
3.3 Sujetos: Mentes artificiales, server XAI.
4.PROPSITO
4.1 Objetivo General: Describir el funcionamiento y la composicin de la
inteligencia artificial experimental.
4.2 Objetivos Especficos:
- Arquitectura XAI.
- Apoyo al desarrollo de 2D y 3d para juegos.
- Proporcionar experiencia en la interaccin de los usuarios con
- simulacin de mundos reales.
- Crear un entorno multi-agente para la interaccin de las mentes con
- los diversos entornos.
5.ENFOQUE
5.2 Paradigma Conceptual: Desarrollo de aplicaciones en tiempo real para
Sistemas multi-agente.
- Wooldridge, M. Vandekerckhove, D., MYWORLD: An Agent
- Orientated TestBed for Distributed Artificial Intelligence Proceedings.
-of the 1993 Workshop on Cooperating Knowledge Based Systems,
- 1993.
- Reticular Systems Inc., AgentBuilder: An Integrated Toolkit for
- Constructing Intelligent Software Agents White Paper, April, 2012.
- Humphrys, M.,The World-Wide-Mind: Draft Proposal Dublin City
- University, School of Computing, Technical Report no. CA-0301, Feb
- 2001.
- Walshe, R. Humphrys, M. First Implementation of the World-Wide-Mind,
- poster in Advances in Artificial Life: Proceedings of the 6th European
- Conference on Artificial Life (ECAL 01), Prague, Czech Republic, Sept
- 2001.
- AI.
- Multi-Agent System.
- Human AI Interation.
- Society of Mind.
5.5 Tesis:
5.6 Hiptesis: A travs de la creacin de un Sistema Multi-Agente (MAS) se
pueden realizar
F3.RESEA BIBLIOGRAFICA
Interacciones en tiempo real entre Agente AI y humanos.

6.METODOLOGA
6.1 Tipo de Metodologa: Mixta.
6.2 Tcnicas: Desarrollo de software en HTML y WUIML.
F2.FICHA SINPTICA
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.
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.

1.ASPECTOS FORMALES
1.1 Autor: Jason M. Traish and James R. Tulip.
1.2 Ttulo de documento: Towards Adaptive Online RTS Artificial Inteligence with
NEAT.
Estrategia en tiempo real hacia inteligencia artificial adaptativa en lnea con
NEAT
1.3 Tipo de material: Articulo investigativo.
1.4 Ao de publicacin: 2012
1.5 Editor: IEEE
2.1 Tema Central: Presentar una aplicacin en tiempo real con la inteligencia
artificial.
2.2 Ncleo Temtico: mostrar que a travs de NEAT se puede inteligencia artificial
sofisticada en tiempo real.
2.3 Problema: al ser juegos con AI pueden ser demasiado predecibles y de esto
puede ser una ventaja para el usuario que lo est enfrentando, por eso se est
investigando como llegar a desarrollar una AI capaz adaptarse al entorno y tipo de
juego.
3.1 Delimitacin Espacial: School of Computing and Mathematics, Charles Sturt
University, NSW, Australia.
3.2 Delimitacin Temporal: Propuesta en el 2012.
3.3 Sujetos: AI RTS, NEAT.
4.PROPSITO
4.1 Objetivo General: Presentar NEAT (Neuro-Evolution of Augmenting
Topologies) para RTS (estrategia en tiempo real) de AI (inteligencia artificial).
- Utilizar juegos de estrategia en tiempo real para evaluar NEAT y
comprobar resultados.
- Observar si NEAT cumple con los requerimientos para lograr evolucionar
los juegos en tiempo real.
- Observar la fluidez de NEAT en RTS.
5.ENFOQUE
5.2 Paradigma Conceptual: Desarrollo de redes neuro-artificiales a travs NEAT.
- Ponsen, M. (2004). Improving Adaptive Game AI with Evolutionary
Learning. Master of Science, Delft University of Technology.
Retrieved from.
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.109.6055&rep=re
p1&type=pdf.
- Niu, B., Wang, H., Ng, P. H., & Shiu, S. C. (2009). A Neural-Evolutionary
Model for Case-Based Planning in Real Time Strategy Games. Paper
presented at the Proceedings of the 22nd International Conference on
Industrial, Engineering and Other Applications of Applied Intelligent
Systems: Next-Generation Applied Intelligence, Tainan, Taiwan.
- Weber, B. G., & Mateas, M. (2009b). A Data Mining Approach to Strategy
Prediction. Paper presented at the Proceedings of the 5th international
conference on Computational Intelligence and Games, Milano, Italy.
http://www.ieee-cig.org/cig-
2009/Proceedings/proceedings/papers/cig2009_020e.pdf
5.4 Conceptos principales:
-NEAT.
-AI.
-RTS.
5.5 Tesis: No.
5.6 Hiptesis: Se puede Utilizar NEAT evolucionar los juegos de RTS con AI.
6.METODOLOGA
6.1 Tipo de Metodologa: Mixta.
6.2 Tcnicas: Sondeo, programacin.
F2.FICHA SINPTICA
Jason M. Traish and James R. Tulip.
Towards Adaptive Online RTS Artificial Inteligence with NEAT.
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.
1. ASPECTOS FORMALES:
Jason M. Traish and James R. Tulip.
Towards Adaptive Online RTS Artificial Inteligence with NEAT.
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.

1.ASPECTOS FORMALES
1.1 Autor: Chan Kok Thim, Yap Voon Choong, Eric Seah.
1.2 Ttulo del Documento: Optimizing Portfolio Construction Using Artificial
Intelligence.
Optimizacin de la construccin de cartera usando inteligencia artificial.
1.3 Tipo de Material: Articulo de investigacin.
1.4 Ao Publicacin: 2011.
1.5 Editor: International Journal of Advancements in Computing Technology
2.1 Tema Central: Que tan viable es la inteligencia artificial en el mercado real,
con redes neuronales.
2.2 Ncleo Temtico: Facilitar la carga del ser humano, mediante la creacin de
mentes artificiales.
2.3 Problema: Las investigaciones en redes neuronales no est estandarizada ni
generalizada para el mercado actual.
3.1 Delimitacin Espacial: Multimedia University, Sime Darby Berhad.
3.2 Delimitacin Temporal: propuesta 2011.
3.3 Sujetos: NN (redes neuronales).
4.PROPSITO
4.1 Objetivo General: Examinar las redes neuronales en el mercado.
4.2 Objetivo especfico:
- Dar conocimiento acerca de las redes neuronales.
- Acceder al mercado actual con las redes neuronales.
- Proporcionar una mayor comprensin en cuanto el mercado y las
- redes neuronales.
5.ENFOQUE
5.1 Disciplina: Ingeniera Red.
5.2 Paradigma Conceptual:
5.3 Referencias Tericas:
- Artificial Intelligence. In Wikipedia. Retrieved 11th January, 2010,
from http://en.wikipedia.org/wiki/Artificial_intelligence.
- D. Shanti, G., Sahoo, N., Saravanan, Comparison of Neural Network
Training Algorithms for the prediction of patients post-operative
recovery area, Journal of Convergence Information Technology, Vol.
4, No.1, pp 2432, 2009.
- H. Markowitz, Portfolio selection., Journal of Finance, Vol. 7, pp. 77-
91, 1952.
- I-Fei, Chen, A Two-Stage Cardholder Behavioural Scoring Model
Using Artificial Neural Networks and Data Envelopment Analysis,
International Journal of Advancements in Computing Technology, Vol.
3, No. 2, pp. 87-94, 2011.
-ANN
-AI
-Portafolio.
5.5 Tesis:
5.6 Hiptesis: con las NN se logra observar que la computacin puede generar
cdigos ms complejos que los generados con la mente humana.
6.METODOLOGA
6.1 Tipo de Metodologa: Cualitativa.
6.2 Tcnicas: Metodologa gestin Scrum.
F2.FICHA SINPTICA
Chan Kok Thim, Yap Voon Choong, Eric Seah.
Optimizing Portfolio Construction Using Artificial Intelligence.
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.
F3. RESEA BIBLIOGRFICA

Chan Kok Thim, Yap Voon Choong, Eric Seah.
Optimizing Portfolio Construction Using Artificial Intelligence.
Multimedia University, Multimedia University, Sime Darby Berhad.
2.RESUMEN
Uno de los principales objetivos de la inteligencia artificial es facilitarle la vida a
los seres humanos, as esto nos lleve a que cada da nuestra rutina se vuelva
una monotona porque para todo tendremos mquinas (AI) que haran nuestros
deberes. Las redes neuronales artificiales (ANN) buscan en gran parte es
simular el cerebro, logrando as poder imitar las acciones del ser humano,
empleando una especie de neuronas artificiales, procesadores, etc. Estos seran
los que captan las acciones para realizarlas de una manera muy exacta. Con
esto se espera que los estudios y desarrollos ya realizados proporcionen un
nivel de entendimiento mucho mayor al ya existente en el campo de la red
neuronal artificial (ANN). Con esto se puede observar que las redes neuronales
artificiales son o sern capaces de crear formulas y programar cdigos ms all
de lo que la mente humana puede imaginar.
3.PALABRAS CLAVE
ANN, AI, Cartera.
4. OBSERVACIONES
Se puede observar en el presente documento, las ANN proporcionan una gran
ayuda en el desarrollo de AI, promoviendo as la investigacin en esta rea para
lograr acoplar las ANN y AI, logrando as un excelente trabajo.
10. Formal and artificial intelligence techniques for the

management of human resources in IT projects.

1.ASPECTOS FORMALES
1.1 Autor: 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.
1.2 Ttulo del Documento: 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.
1.3 Tipo de Material: Articulo de investigacin:
1.4 Ao publicacin: 2014.
1.5 Editor: Revista Cubana de Ciencias Informaticas.
2.1 Tema Central: La utilizacin de AI para la gestin de recursos humanos con
los proyectos informticos.
2.2 Ncleo Temtico:
2.3 Problema: Los factores humanos pueden causar problemas en las empresas
de software.
3.1 Delimitacin Espacial: Universidad de las Ciencias Informticas, Torrens,
Boyeros, La Habana, Cuba.
3.2 Delimitacin Temporal: Desarrollada 2005 hasta 2014.
3.3 Sujetos:
4.PROPSITO
4.1 Objetivo General: La utilizacin de la AI para gestionar los recursos
- Ofrecer una formacin e informacin adecuada al personal, para que
- permita contar con toda la capacidad que pueden ofrecer.
- Ayudar a la formacin de cada uno de los miembros de los equipos.
5.ENFOQUE
5.1 Disciplina: Ingeniera y gestin de software.
5.2 Paradigma Conceptual: Utilizacin de AI para aumentar la produccin.
- ANDR, M. Un modelo para la asignacin de recursos humanos a
- equipos de proyectos de software. Tesis de doctorado. Instituto
- Superior Politcnico Jos Antonio Echeverra, La Habana, 2009.
- AYALA, S. Administracin de los Recursos Humanos. Lima, Editorial
- Caballero Bustamante, 2004. Pg. 216-240.
- CHARETTE, R. N. Why software fails. [En lnea] 2005. [Citado el: 23
- de mayo de 2014]. Disponible en:
- [http://spectrum.ieee.org/computing/software/why-software-fails].
- CHIAVENATO, I. Administracin de Recursos Humanos. El Capital
- Humano de las Organizaciones. Mxico DF, McGraw-Hill, 2007.
- ISBN: 958-41-0037-8. Pg. 357-392.
- CROSS, V. y SUDKAMP, T. Similarity and Compatibility in Fuzzy
- Set Theory.
- CUESTA, A. Tecnologa de Gestin de los Recursos Humanos -
- (Tercera ed.). La Habana, Editorial Flix Varela, 2010. ISBN: 978
- 959-07-1340-8. Pg. 130-198.
- Gestin de recursos.
-AI.
-Robots Mviles.
5.5 Tesis:
5.6 Hiptesis:
5.7 Tipo de investigacin: explorara.
6.METODOLOGA
6.1 Tipo de Metodologa: Cualitativa.
6.2 Tcnicas: Arduino, sonares, servo Hextronik.
F2.FICHA SINPTICA
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
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.
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
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
2.1. 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.
2.3. Problema: limitaciones en la aplicacin inteligencia artificial para juegos de

estrategia en tiempo real con tcnicas inteligentes.
3.DELIMITACION CONTEXTUAL
3.1. Delimitacin Espacial: Dortmund.
3.2. Delimitacin Temporal: 2013-2014.
3.3. Sujetos Investigados: RTS, StarCraft.
4.PROPOSITO
4.1. Objetivo General: proponer y profundizar sobre un mtodo embebido para la
imitacin de combates en tiempo real.
4.2. Objetivos Especficos:
- Simular la imitacin de aprendizaje de los combates realizados en el juego
StarCraft.
- Aumentar la inteligencia artificial del juego para mejorar la calidad de
experiencia dentro del mismo.
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.
12. IMITATION LEARNING FOR COMBAT SYSTEM IN RTS GAMES WITH

APPLICATION TO STARCRAFT
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
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).
Department of Computation Science. & Engineering, Sejong University, Seoul, South
Korea
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.
2.3. Problema: limitaciones en la aplicacin inteligencia artificial para juegos de estrategia

en tiempo real con tcnicas inteligentes.
3.1. Delimitacin Espacial: Dortmund.
3.2. Delimitacin Temporal: 2013-2014.
3.3. Sujetos Investigados: RTS, StarCraft.
4.PROPOSITO
4.1. Objetivo General: proponer y profundizar sobre un mtodo embebido para la
imitacin de combates en tiempo real.
- Simular la imitacin de aprendizaje de los combates realizados en el juego
StarCraft.
- Aumentar la inteligencia artificial del juego para mejorar la calidad de experiencia
dentro del mismo.
5.ENFOQUE
5.1. Disciplina: investigacin informtica.
5.2. Paradigma Conceptual: Software Inteligente y metodologa del diseo.
- 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.
- 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.
6.METODOLOGIA
6.2 Tcnicas:
- Mejora de sistemas establecidos.
13. DESARROLLO DE UN PROTOTIPO DE ROBOT MVIL PARA LA

INVESTIGACIN Y APLICACIN DE TCNICAS DE INTELIGENCIA
ARTIFICIAL
RESEA BIBLIOGRAFICA
1.ASPECTOS FORMALES
Marcelo J. Marinelli, Enrique C. De Silvestre
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
Marcelo J. Marinelli, Enrique C. De Silvestre
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
Artculo de investigacin.
Facultad de Ciencias Exactas Qumicas y Naturales Universidad Nacional de
Misiones. Flix de Azara 1552 - Posadas Misionesion
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.
2.3. Problema: navegacin en presencia de obstculos fijos

3.1. Delimitacin Espacial: Facultad de Ciencias Exactas Qumicas y Naturales
Universidad Nacional de Misiones. Flix de Azara 1552 - Posadas Misiones
3.2. Delimitacin Temporal: 2012.
3.3. Sujetos Investigados:
4.PROPOSITO
4.1. Objetivo General: El objetivo de este trabajo es desarrollar un prototipo de
robot mvil que permita la investigacin y aplicacin de tcnicas de inteligencia
artificial.
Disear 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.
Presentar 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.
5.ENFOQUE
5.1. Disciplina: ingeniera robtica.
5.2. Paradigma Conceptual: Desarrollo de robots acorde a los requerimientos de
la industria y mbitos domsticos.
- Baturone, A., Robtica Manipuladores y robots mviles, 1 Ed. Espaa,
Alfaomega & Marcombo, 2001.
- Brooks R., A robust Layered Control System for a Mobile Robot; IEEE
Journal of Robotics and Automation 4, N 6, p. 14 - 23, 1986.
- Brox M. Gersnoviez A., Sanchez-Solano S., Baturone I., Controlador Difuso
para problemas de Navegacin en presencia de obstculos fijos, XIII
Congreso Espaol de Tecnologas y Lgica Fuzzy, p. 29-34, 2006.
- Craig J. J., Introduccin a la Robtica, 3 Ed., New Jersey, Prentice Hall,
2006.
- MaxBotix; Hoja de datos MB1010; Disponible en http://
www.maxbotix.com/documents/MB1010_Datasheet. pdf (verificado en
Marzo de 2012).
- Robots mviles
- Navegacin autnoma
- Inteligencia artificial
5.5. Hiptesis: los robots de deteccin del entorno pueden ser un componente de
mquinas, herramientas o utilizarse como un sistema autnomo para un sin
nmero de aplicaciones.
5.7. Tipo de Investigacin: descriptiva y procedimental.
6.METODOLOGIA
6.2 Tcnicas:
- cuantificacin y cualificacin de datos
13. THE XPILOT-AI ENVIRONMENT
RESEA BIBLIOGRAFICA
1.ASPECTOS FORMALES
Gary B. Parker ; David A. Arroyo
The xpilot-ai environment
XPilot- entorno inteligencia artificial
Comput. Sci. Dept., Connecticut Coll., New London, CT, USA
2.RESUMEN
XPilot es el clsico juego de computadora que fue seleccionado como un entorno

para la investigacin en inteligencia Artificial dado que ofrece variedad de modos
juego y opciones de servidor que proporcionan a los investigadores una gran
libertad en el diseo en la fase de pruebas de los sistemas inteligentes.
La importancia de este artculo radica en el servidor Xpilot-AI ya que este se est
tomando como un banco de pruebas con el fin del desarrollo de sistemas de
control inteligentes. Xpilot permite la fcil evaluacin de nuevos diseos de
sistemas de inteligencia artificial.
3.PALABRAS CLAVES
Xpilot, combat, game, space, AI
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
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
- la flexibilidad en los entornos ambientales, capacidad de multijugador en

lnea, capacidad para enfrentar diferentes tipos de agentes uno contra el
otro, y el ciclo de desarrollo rpido de contribuir a formar una excelente
herramienta para la investigacin en IA.
- Xpilot-AI da a los investigadores la oportunidad de probar y comparar los

sistemas de control y mtodos de aprendizaje antes de utilizarlos para
aplicaciones ms costosas.
4.2. Recomendaciones: Existen enlaces de Exteriores para Java, Scheme, y

Python que controlen el agente programas para ser escritos en cualquiera de
estos tres idiomas. Utilizando el esquema o Python bindings, el agente puede
desarrollarse mientras se est ejecutando en el bucle de lectura-eval-print.
FICHA DESCRIPTIVA
1.ASPECTOS FORMALES
1.1. Autor: Gary B. Parker; David A. Arroyo.
1.2. Ttulo del documento The xpilot-ai environment. ( XPilot- entorno inteligencia
artificial).
Comput. Sci. Dept., Connecticut Coll., New London, CT, USA
2.1. Tema Central: Obtener datos de pruebas suficientes para evaluar nuevos
sistemas para el aprendizaje de control de agente
2.2. Ncleo Temtico: Desarrollar agentes que puedan jugar uno contra el otro y
los seres humanos en un servidor xpilot
2.3. Problema: El beneficio de nuevas tcnicas de sistemas inteligentes a

menudo es difcil de medir. Ms problemas se enfrentan al tratar de nuevo AI en
tcnicas de robtica. Los robots pueden ser caros de construir, mantener y
ejecutar.
3.1. Delimitacin Espacial: New London, CT, USA.
3.2. Delimitacin Temporal:
3.3. Sujetos Investigados:
4.PROPOSITO
4.1. Objetivo General: desarrollar agentes que puedan jugar uno contra el otro y
los seres humanos en un servidor xpilot.

- Disear sistemas inteligentes que son a menudo radicalmente diferentes de
todo lo disponible en el mercado.
- Observar los beneficios del lenguaje C, en el caso de XPILOT- AI este

lenguaje ofrece varias funciones de control a travs del cual el agente de
programa es capaz de obtener informacin sobre el entorno que les rodea,
los barcos en el mapa y varios otros datos tiles.
5.ENFOQUE
5.1. Disciplina: Ingeniera de software y diseo grfico..
5.2. Paradigma Conceptual: Software Inteligente y metodologa del diseo .
- John E. Laird and Michael van Lent. 2000. Human-level ai's killer
application: Interactive computer games.
- Bernard Gorman, Martin Fredriksson, and Mark Humphrys. 2005. QASE:
An integrated api for imitation and general ai research in commercial
computer games.
- Matt Parker and Gary B. Parker. 2007. The evolution of multi-layer neural
networks for the control of xpilot agents, The IEEE Symposium on
Computational Intelligience and Games (CIG 2007).
- Gary B. Parker and Matt Parker. 2007. Evolving parameters for xpilot
combat agents, IEE Symposium on Computational Intelligence and Games
(CIG 2007).
- Matt Parker and Gary B. Parker. 2006. Using a queue genetic algorithm to
evolve xpilot control strategies on a distributed system, The 2006 Congress
on Evolutionary Computation (CEC 2006).5.4. Conceptos Principales:
5.5. Hiptesis: se logra una mejor experiencia mediante el enfoque de imitacin
aplicado al control de unidades de batalla.
6.METODOLOGIA
6.2 Tcnicas:
- investigacin previa y posterior.
- Cualificacin y cuantificacin de datos.
14. TRANSFORMATION OF PERCEPTIONS AS FILTER MECHANISMS IN

ARTIFICIAL INTELLIGENCE
RESEA BIBLIOGRAFICA
1.ASPECTOS FORMALES
Friedrich Gelbard; Dietmar Bruckner; Klaus Doblhammer; Zsofa Kovacs.
Transformation of perceptions as filter mechanisms in artificial intelligence
La transformacin de las percepciones como mecanismos de filtro en la inteligencia
artificial Inst. of Comput. Technol., Vienna Univ. of Technol., Vienna, Austria
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
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.
2.2 Palabras Claves: inteligencia artificial, agentes de software

3.METODOLOGIA
3.1. Resumen: En este artculo se muestran las tablas de transformacin, damos
una categorizacin de los mecanismos de defensa, se muestra la forma general
de las transformaciones y mostramos algunos ejemplos de transformaciones y
formas de ponerlas en prctica en la inteligencia artificial.
3.2. Palabras Clave: inteligencia artificial, pensamiento humano, los mecanismos
de defensa del psicoanlisis, agente de software, tablas de transformacin
4.RESULTADOS
4.1. Conclusiones:
- Se ha desarrollado una manera de poner en prctica los mecanismos de
defensa de la mente humana en un sistema de inteligencia artificial
- Este modelo es universalmente aplicable para diversos campos y

problemas en la inteligencia artificial
- Explicacin clara y concisa de los mecanismos y la obtencin de los datos

adems de la aplicacin en los sistemas de defensa artificial
- El programa est muy limitado en cuanto a caractersticas como las

capacidades del agente, los mecanismos de defensa y su medio ambiente.
4.2. Recomendaciones:
Las simulaciones muestran un importante avance en el campo de anlisis de
espectro e implementacin en un software con una plataforma informtica que nos
muestra y explica el funcionamiento de dichos mecanismos implementados en la
FICHA DESCRIPTIVA
1.ASPECTOS FORMALES
1.1. Autor: Friedrich Gelbard; Dietmar Bruckner; Klaus Doblhammer; Zsofa Kovacs.
1.2. Ttulo del documento: Transformation of perceptions as filter mechanisms in artificial
intelligence. (La transformacin de las percepciones como mecanismos de filtro en la
inteligencia artificial)
Inst. of Comput. Technol., Vienna Univ. of Technol., Vienna, Austria
2.1. Tema Central: Prctica y transformacin de mecanismos de defensa a partir del
psicoanlisis para el desarrollo de sistemas de inteligencia artificial.
2.2. Ncleo Temtico: Mecanismos de defensa modelados a partir de principios del

pensamiento humano.
2.3. Problema: Area de desarrollo e implementacin de mecanismos de defensa

aplicados a la inteligencia artificial a partir de pensamientos reales.
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 .

- Crear y analizar tablas de transformacin para el anlisis de mecanismos de
defensa.
- Anlisis y modelamiento psicoanaltico de principios de pensamiento humano.
- Anlisis de sistemas de reconocimiento artificial
- Simulacin de resultados del modelamiento en una plataforma informtica
- Comparacin de mecanismos de defensa con los mecanismos de filtro en la
- Explicacin de la implementacin de los mecanismos de defensa y como se
concibe el mapeo de los datos de entrada y la activacin de dichos mecanismos
sobre la inteligencia artificial
5.ENFOQUE
5.1. Disciplina: Programacin, psicoanlisis e ingeniera de automatizacin
5.2. Paradigma Conceptual:
- D. Dietrich, D. Bruckner, G. Zucker, B. Muller, and A. Tmej, Psychoanalytical
Model for Automation and Robotics, invited, Proceedings of the 9th IEEE AFRICON
09.
- 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.
- C. Riediger, Psychoanalytical Defense Mechanisms Applied to Autonomous

Agents, Vienna University of Technology, Faculty of Informatics, Institute of
Computer Technology, Austria, 2009.
- 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.

- Mecanismos de defensa
- Psicoanlisis de pensamiento humano
- inteligencia artificial
5.5. Hiptesis: Se pueden desarrollar nuevos sistemas o mecanismos de defensa en un

sistema de inteligencia artificial a partir de pensamientos humanos utilizando tcnicas de
psicoanlisis y monitoreo exhaustivo de la mente.
5.7. Tipo de Investigacin: Analtica, experimental y explicativa
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

Fichas Total

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Fichas Total

Загружено:

Авторское право:

Доступные форматы

1.

INTELLIGENT SENSES IN ROBOT BASED ON NEURAL

FICHA RESEA BIBLIOGRAFICA

FICHA RESEA BIBLIOGRAFICA

FICHA RESEA BIBLIOGRAFICA

FICHA RESEA BIBLIOGRAFICA

F1. FICHA DESCRIPTIVA

7. An Experimental System for Real-time Interaction between

F1. FICHA DESCRIPTIVA

Interacciones en tiempo real entre Agente AI y humanos.

F1. FICHA DESCRIPTIVA

F1. FICHA DESCRIPTIVA

F3. RESEA BIBLIOGRFICA

10. Formal and artificial intelligence techniques for the

F1. FICHA DESCRIPTIVA

2.3. Problema: limitaciones en la aplicacin inteligencia artificial para juegos de

12. IMITATION LEARNING FOR COMBAT SYSTEM IN RTS GAMES WITH

2.3. Problema: limitaciones en la aplicacin inteligencia artificial para juegos de estrategia

13. DESARROLLO DE UN PROTOTIPO DE ROBOT MVIL PARA LA

2.3. Problema: navegacin en presencia de obstculos fijos

Presentar los diseos de los sistemas de traccin diferencial, con dos

XPilot es el clsico juego de computadora que fue seleccionado como un entorno

Xpilot, combat, game, space, AI

- la flexibilidad en los entornos ambientales, capacidad de multijugador en

- Xpilot-AI da a los investigadores la oportunidad de probar y comparar los

4.2. Recomendaciones: Existen enlaces de Exteriores para Java, Scheme, y

2.3. Problema: El beneficio de nuevas tcnicas de sistemas inteligentes a

4.2. Objetivos Especficos:

- Observar los beneficios del lenguaje C, en el caso de XPILOT- AI este

14. TRANSFORMATION OF PERCEPTIONS AS FILTER MECHANISMS IN

2.2 Palabras Claves: inteligencia artificial, agentes de software

- Este modelo es universalmente aplicable para diversos campos y

- Explicacin clara y concisa de los mecanismos y la obtencin de los datos

- El programa est muy limitado en cuanto a caractersticas como las

2.2. Ncleo Temtico: Mecanismos de defensa modelados a partir de principios del

2.3. Problema: Area de desarrollo e implementacin de mecanismos de defensa

4.2. Objetivos Especficos:

- C. Riediger, Psychoanalytical Defense Mechanisms Applied to Autonomous

5.4. Conceptos Principales:

5.5. Hiptesis: Se pueden desarrollar nuevos sistemas o mecanismos de defensa en un

Вам также может понравиться