Situation awareness and practical reasoning in dynamic environments

Abstract

A criação, a proliferação e o consumo de informações são constantemente observados na sociedade. Um agente situado em um ambiente dinâmico está suscetível a perceber grande quantidade de informações, sendo que muitas delas são irrelevantes para os seus objetivos atuais. Além disso, dado o estado do ambiente, uma situação pode ser modelada utilizando diferentes representações de conhecimento, como por exemplo, ontologias para modelar situações com semântica bem definida, e redes Bayesianas para situações de incerteza. Dessa forma, o agente deve ser capaz tanto de perceber de acordo com seus objetivos, quanto integrar essas percepções conforme a representação da situação utilizada. A literatura descreve agentes BDI como adequados para atuar em ambientes dinâmicos, porém considera a percepção do ambiente como dependente da implementação e independente do raciocínio do agente e a flexibilização do raciocínio para representar situações é limitada. Com base nisto, esta pesquisa investiga a utilização de mecanismos de percepção e de representação de situações no raciocínio do agente de modo a aprimorar sua tomada de decisão. O agente é modelado com a perspectiva de sistemas multicontexto, permitindo a decomposição modular de seus componentes. Essa abordagem possibilita a adição de situações representadas em diferentes formalismos e seus relacionamentos com os demais componentes do agente. Um componente pode ser representado por um ou mais contextos do sistema multicontexto, e a troca de informações entre contextos é feita por meio de regras de ponte. Uma regra de ponte é formada por uma cabeça, o contexto que adicionará uma nova informação, e um corpo, o conhecimento que precisa ser satisfeito em um ou mais contextos para que a informação seja adicionada na cabeça. Para avaliar a operacionalização é desenvolvido o framework Sigon, a primeira implementação para o desenvolvimento de agentes situados em ambientes dinâmicos como sistemas multicontexto. São apresentadas implementações realizadas no framework adicionando contextos para representar situações com ontologias e redes Bayesianas, e estratégias para estender a arquitetura do agente por meio de regras de ponte. A parte experimental da pesquisa é desenvolvida no contexto da computação urbana. Inicialmente são realizados três experimentos utilizando realidade virtual para encontrar novos entendimentos do impacto de distrações em smartphones na consciência situacional de pedestres. Testes estatísticos foram realizados nos conjuntos de dados criados, e associações foram encontradas mostrando que eventos inseguros e tempo de resposta aumentam com distrações no smartphone. Por fim, é simulado um ambiente urbano para avaliar o processo perceptivo e a utilização no apoio a tomada de decisão de um agente implementado em Sigon. A análise destes experimentos seguiu a abordagem Factorial Designs para avaliar a influência dos fatores de percepção ativa e passiva, recebimento contínuo de dados, ontologias e redes Bayesianas no tempo de tomada de decisão. A percepção de informações irrelevantes para os objetivos atuais aumentam o tempo para a tomada de decisão em ambientes dinâmicos, mas percepção ativa e políticas de percepções são estratégias para reduzir esse problema. Os resultados fomentam o desenvolvimento de agentes como sistemas multi-contexto para a computação urbana.

Abstract: The creation, proliferation and consumption of information are frequently observed in our society. An agent situated in a dynamic environment is susceptible to perceiving a large amount of information, several of which are irrelevant to its current goals. Also, given the state of the environment, a situation can be modelled using different representations of knowledge, such as ontologies to model situations with well-defined semantics, and Bayesian networks for situations of uncertainty. The agent must be able to perceive according to its goals and to integrate these perceptions conforming to the situation's representation. The literature describes BDI agents as suitable to act in dynamic environments. However, it examines the perception of the environment as being dependent on the implementation and independent of the agent's reasoning, and the flexibility in representing situations is limited. This research investigates the use of perception mechanisms and representation of situations in the agent's reasoning to improve its decision making. The agent is modelled with the multi-context systems approach, allowing the modular decomposition of the agent's components. This approach enables to represent situations in different formalisms and their relationships with other agent's components. A component can be represented by one or more contexts of the multi-context system, and bridge rules exchange the information between contexts. A bridge rule has a head, the context that will add new information, and a body, the knowledge that has to be satisfied in one or more contexts to add the information in the head. The Sigon framework is developed to evaluate the application of multi-context systems in the agent paradigm. Sigon is the first implementation for the development of agents situated in dynamic environments using multi-context systems. We created contexts to represent situations with ontologies and Bayesian networks, and strategies for extending the agent's architecture through bridge rules. We conducted three experiments using virtual reality to find new understandings of pedestrian behaviour when interacting with smartphones. We applied statistical tests in the created data sets, finding associations showing that unsafe events and reaction time increase with smartphone distraction. Finally, an urban environment is simulated to evaluate the perceptual process in a Sigon agent, and a decision support agent for pedestrians. The experimental analysis followed the Factorial Designs approach to evaluate the impact of active and passive perception, continuous data gathering, ontologies and Bayesian networks in the decision-making time. The perception of irrelevant information to current goals increases the time for decision making in dynamic environments. However, active perception and perception policies are strategies to reduce this problem. The results instigate the development of agent as multi-context systems for urban computing.