Inteligentna winda jako zadanie planowania w Sztucznej Inteligencji

• Autorzy: Gałuszka A.

Warianty tytułu

EN

Intelligent elevator as AI planning problem

• Języki publikacji: PL

Abstrakty

PL

Planowanie w Sztucznej Inteligencji polega na znalezieniu sekwencji operatorów (planu) prowadzących od zastanego stanu początkowego do pożądanej sytuacji docelowej. W pracy opisano właściwości windy inteligentnej, zamodelowano przykładowe problemy sterowania inteligentną windą jako problem planowania z reprezentacją PDDL i rozwiązano proste przykładowe problemy. Zaproponowano identyfikację pasażerów przez urządzenia biometryczne. Symulacje zostały wykonane w programie Allegro Common Lisp.

EN

AI planning is a problem of finding of a set of actions that trasform given initial state to desired goal situation. It is a common problem in artificial intelligence. In the paper elevator control is defined as PDDL planning problem. Passengers identification using biometrics techniques is proposed. Simple planning problems are formulated and shown. Simulations were performed using Allegro Common Lisp software.

Słowa kluczowe

PL

reprezentacja PDDL; sterowanie windą; biometryka; sztuczna inteligencja

EN

AI planning; PDDL representation; elevator control; biometrics

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2009
• Tom: R. 85, nr 8
• Strony: 132--137
• Opis fizyczny: Bibliogr. 16 poz., rys.

Twórcy

autor

Gałuszka A.

• Politechnika Śląska, Instytut Automatyki,

Bibliografia

• [1] Allegro Common Lisp. 2009. www.franz.com/products/ (strona sprawdzona w kwietniu 2009)
• [2] Baral Ch., V. Kreinovich, R.Trejo. 2000. Computational complexity of planning and approximate planning in the presence of incompleteness. Artificial Intelligence, 122: 241-267
• [3] Bylander, T. 1994. The computational complexity of prepositional STRIPS planning. Artificial Intelligence, 69:165-204
• [4] Jones P. 2007. An Introduction to Hitachi's Finger Vein Biometric Solutions. Hitachi Europe Ltd.
• [5] Howe A.E. i E. Dahlman. 2002. A Critical Assesment of Benchmark Comparison in Planning. Journal of Artificial Intelligence Research, 17:1-33
• [6] Jain A.L. Hong and S. Pankanti. 2005. Biometric identification. Communications of he ACM, Vol. 43, No. 2: 91— 98
• [7] Koehler, J. i K. Schuster. 2000. Elevator Control as a Planning Problem. Proc. of the Fifth International Conference on Artificial Intelligence Planning System, AIPS-2000, p.331- 338
• [8] McDermott D. and the AIPS'98. 1998. Planning Competition Committee. PDDL-the planning domain definition language. Technical report, www.cs.vale.edu/homes/dvm
• [9] Nareyek A., E.G. Freuder, R. Fourer, E. Giunchiglia, R.P. Goldman, H. Kautz, J. Rintanen, A. Tate. 2005. Constraints and Al Planning, IEEE Intelligent Systems, v.20 n.2, p.62-72
• [10] Nebel B. i J. Koehler. 1995. Plan reuse versus plan generation: a theoretical and empirical results. Artificial Intelligence, 76: 427-454
• [11] Nilson N.J. 1980. Principles of Artificial Intelligence. Toga Publishing Company, Palo Alto, California
• [12] Popovic, D. i V.P. Bhatkar. 1994. Methods And Tools For Applied Artificial Intelligence. Marcel Dekker, Inc., New York, NY
• [13] SensoryGraphplan. 2000. http://www.cs.washinaton.edu/ai/sqp.html (strona sprawdzona w kwietniu 2009)
• [14] Slaney J. i S. Thiebaux. 2001. Block World revisited. Artificial Intelligence, 125: 119-153
• [15] Weld, D.S. 1999. Recent Advantages in Al Planning. Al Magazine
• [16] Yen, J., R. Langari, L.A. Zadeh. 1995. Industrial Applications of Fuzzy Logic and Intelligent Systems. IEEE Press. New York