Model paměti pro animata
Memory model for a human-like agent
bachelor thesis (DEFENDED)
View/ Open
Permanent link
http://hdl.handle.net/20.500.11956/10412Identifiers
Study Information System: 43492
Collections
- Kvalifikační práce [11244]
Author
Advisor
Referee
Neruda, Roman
Faculty / Institute
Faculty of Mathematics and Physics
Discipline
General Computer Science
Department
Department of Software and Computer Science Education
Date of defense
26. 6. 2007
Publisher
Univerzita Karlova, Matematicko-fyzikální fakultaLanguage
Czech
Grade
Excellent
V práci předkládáme původní symbolický model episodické paměti pro virtuální bytost vycházející z Gibsonovy teorie afordancí. Pracujeme s modelem episodické paměti na události, do níž se zaznamenávají krátké příhody, vztahující se ke konkrétnímu místu a času. Jejich ukládání do episodické paměti a vybavování je ovlivněno subjektivními prožitky a současnými cíly. Modelovaná virtuální bytost se pohybuje v jednoduchém virtuálním světě a je řízena hierarchickým reaktivním plánováním s prvky Belief-Desire-Intention architektury. Je vybavena filtrem pozornosti, díky kterému se do paměti ukládají pouze důležité informace, což výrazným způsobem přispívá k omezení velikosti paměti. Zabýváme se jak aspekty uvěřitelnosti modelované virtuální bytosti, například tím, jestli dokáže převyprávět svůj "denní příběh", tak technickými otázkami ohledně velikosti paměti a rychlosti přístupu. Součástí práce je prototypová aplikace implementovaná v programovacím jazyce Python, na které ověřujeme funkčnost navrženého modelu. V závěru práce předkládáme výsledky provedených testů.
In this thesis we introduce a model of episodic memory for a human-like agent, who is designed according to Gibson's theory of affordances. Episodic memory represents personal history of an agent. It stores memories related to particular places and moments, their storage and retrieval depends on subjective feelings and current goals. In this thesis we discuss the believability of the agent as well as some technical issues concerning memory size and memory access time. As a part of our work, we implemented a human-like agent with hierarchical reactive planning, including some features of Belief-Desire-Intention. The agent remembers only important things, i.e. things which passed through the attention filter. Thanks to this filter, memory size can be significantly reduced. At the end of the thesis we introduce results of some tests, which were performed in our prototype implementation.