0 évaluation0% ont trouvé ce document utile (0 vote)
41 vues4 pages
a) En un entorno estocástico donde la acción de aspirar tiene una probabilidad del 25% de fallar, el agente debería aspirar repetidamente hasta estar seguro de que el cuadro está limpio. También debería esperar varias mediciones del sensor si este es erróneo el 10% del tiempo para obtener una lectura más confiable.
b) Dado que cada cuadro tiene un 10% de probabilidad de ensuciarse en cada periodo, el agente debería recorrer periódicamente todos los cuadros para revisar su estado. Para entorn
a) En un entorno estocástico donde la acción de aspirar tiene una probabilidad del 25% de fallar, el agente debería aspirar repetidamente hasta estar seguro de que el cuadro está limpio. También debería esperar varias mediciones del sensor si este es erróneo el 10% del tiempo para obtener una lectura más confiable.
b) Dado que cada cuadro tiene un 10% de probabilidad de ensuciarse en cada periodo, el agente debería recorrer periódicamente todos los cuadros para revisar su estado. Para entorn
a) En un entorno estocástico donde la acción de aspirar tiene una probabilidad del 25% de fallar, el agente debería aspirar repetidamente hasta estar seguro de que el cuadro está limpio. También debería esperar varias mediciones del sensor si este es erróneo el 10% del tiempo para obtener una lectura más confiable.
b) Dado que cada cuadro tiene un 10% de probabilidad de ensuciarse en cada periodo, el agente debería recorrer periódicamente todos los cuadros para revisar su estado. Para entorn
Profesor: Héctor Soza Fecha: 04 de abril de 2019 Descripción del ejercicio 2.12:
Los entornos del ejemplo de la aspiradora en los ejercicios del
capítulo 2 del libro “Inteligencia Artificial, Un Enfoque Moderno”, han sido todos deterministas. Se pide discutir posibles programas de agentes para cada una de las siguientes versiones estocásticas:
a) Ley de Murphy: el 25 por ciento del tiempo, la acción de
“Aspirar” falla en la limpieza del suelo si está sucio y deposita suciedad en el suelo si el suelo está limpio. ¿Cómo se ve afectado el agente si el sensor de suciedad da una respuesta incorrecta el diez por ciento de las veces? b) Niño pequeño: en cada lapso de tiempo, cada recuadro tiene un diez por ciento de posibilidad de ensuciarse. ¿Puede identificar un diseño para un agente racional en este caso? Desarrollo: a) Cuando se de el caso de que la acción “Aspirar” falle y en vez de limpiar, ensucie y si está sucio no limpie, con base en que se conoce que este error puede pasar, se podría reducir el impacto negativo de este fallo al cambiar la acción “Aspirar” en un agente con un plan secuencial, por “Aspirar hasta que esté limpio” Si en cada medición del sensor se sabe que los datos pueden ser erróneos, lo mejor sería que el agente espere unas pocas mediciones para conocer la información que entrega el sensor de manera más confiable, con lo que posteriormente deberá decidir si “Aspira” o va al próximo cuadrante. Tampoco nos podemos olvidar de la penalización por tener el piso sucio, por lo cual el agente no debe esperar mucho tiempo, pero actuar inmediatamente es riesgoso desde el punto de vista del agente, ya que puede ignorar un cuadrante con suciedad o ensuciar uno limpio. Un agente racional debe continuar recorriendo y revisando los cuadrantes por si en algún recorrido anterior se haya saltado uno sucio. b) Como se tiene la información de que luego de limpiar un cuadro por última vez, la probabilidad de que se ensucie nuevamente aumenta paulatinamente con el tiempo, el agente debería recorrer las cuadrículas de forma periódica o cada cierto tiempo, para comprobar el estado éstas. Si el entorno en el que se encuentra la Aspiradora solo contiene 2 cuadros, el movimiento no tiene mayores complicaciones. Pero al incrementar la cantidad de cuadrantes, un agente racional debería identificar el recorrido más corto que le permita revisar cada uno de los cuadrantes del entorno y repetirlo continuamente.