Využití hierarchických konečných automatů pro popis vzorů chování

Abstract

V předložené práci zavádíme a studujeme hierarchické konečné automaty jako model umělé inteligence autonomních agentů v obecných virtuálních prostředích a systémech. Formálně definujeme pojem hierarchického automatu, analyzujeme jeho výpočetní sílu srovnáním se známými druhy automatů a poukazujeme na možnosti jejího zvýšení. Poté uvádíme nejběžnější přístupy k simulaci inteligentního chování, rozlišujeme přímý a nepřímý popis vzorů chování a představujeme výhody hierarchických automatů coby nástroje pro popis přímý. Zároveň předkládáme knihovnu interpretující tyto automaty vytvořenou jako součást této práce. Demonstrací jejího použití na ukázkovém robotu pro prostředí Robocode ukazujeme, že jsou obecným a použitelným řešením pro takováto nasazení.

In the present work we introduce and study the hierarchical finite state machines as a model of artificial intelligence of autonomous agents in various virtual environments and systems. We define the concept of hierarchical finite state machine formally, analyze its computational power compared to common types of automata and point out the possibilities of increasing it. Then we list the usual methods of artificial intelligence simulation, tell apart the direct and indirect behavioral pattern description and present advantages of hierarchical finite state machines as a tool for the direct form. We propose a library interpreting these automata, created as a part of this work. By demonstrating its usage for controlling an example robot within the Robocode environment, we show that they are generic and viable solution for this kind of settings.