63ª Reunião Anual da SBPC

A. Ciências Exatas e da Terra - 2. Ciência da Computação - 6. Inteligência Artificial e Redes Neurais

DESENVOLVIMENTO DE MODELO PREDITIVO PARA INTERCEPTAÇÃO DE BOLA EM AMBIENTE MULTI-AGENTES DE FUTEBOL DE ROBÔS SIMULADOS 2D

Bruno Vinicius Silva 1 José Grimaldo da Silva Filho 1 Marco Antônio Costa Simões 2 Diego Gervasio Frías Suárez 3

1. Depto. de Ciências Exatas e da Terra, Universidade do Estado da Bahia - UNEB 2. Prof. Msc. / Orientador - Depto. de Ciências Exatas e da Terra - UNEB 3. Prof. PhD. / Orientador - Depto. de Ciências Exatas e da Terra - UNEB

INTRODUÇÃO:

O futebol de robôs é o atual desafio-padrão adotado pela comunidade científica para o estudo colaborativo da inteligência artificial e robótica, que propõe até 2050 a criação de uma seleção robótica autônoma de jogadores de futebol capazes de derrotar a seleção humana campeã do mundo da FIFA em uma partida real. Diferente do desafio-padrão anterior, o xadrez, o futebol é um jogo de informação incompleta, estocástico, dinâmico, de tempo real, não-simbólico e distríbuido (multi-agente). Estas características o tornam uma proposta compatível com os principais desafios da robótica na atualidade, permitindo que o desenvolvimento obtido e os conhecimentos organizados possam ser aplicados em problemas reais da sociedade. A pesquisa foi realizada sobre a plataforma de futebol de robôs simulados em duas dimensões conhecida como Simulation 2D, onde são realizadas partidas entre times com 12 agentes: 11 jogadores e 1 técnico. Nossa pesquisa buscou compreender e analisar o ambiente onde as partidas são realizadas, criar um modelo computacional para descrever o comportamento esperado do mundo dos agentes quanto ao fenômeno da interceptação de bola pelos adversários, e utilizar o modelo nos algoritmos de nossos agentes de modo a melhorar o desempenho dos seus processos de tomada de decisão.

METODOLOGIA:

A ferramenta de simulação foi o Robocup Soccer Server. Primeiro, foi desenvolvido um módulo de captação de dados da partida para ser utilizado no agente técnico, único que possui visão global do jogo, para prover um conjunto de dados relevantes como número de acerto de passes e total de interceptações. Em seguida foram feitas observações exaustivas sobre o comportamento dos agentes, juntamente com a análise de dados de diversas partidas, que levaram a proposição de um modelo inicial que pudesse predizer a probabilidade de sucesso de uma bola deixar o ponto A e chegar ao ponto B sem que nenhum adversário a intercepte. Foi necessária, então, a transformação do modelo teórico em um modelo matemático que pudesse ser utilizado computacionalmente. Em seguida foi desenvolvido um módulo para gerenciamento de experimentos no ambiente, que permitisse o controle parcial dos agentes e sumarização de resultados, de modo que uma mesma situação de jogo pudesse ser repetida exaustivamente. Foram selecionadas 9 situações chave e 3 times oponentes para avaliar se a probabilidade obtida pelo modelo matemático estava compatível com os valores estatísticos obtidos a partir dessas repetições. A comparação dos resultados nos levou a um ciclo de melhorias contínuas no modelo proposto.

RESULTADOS:

A taxa de sucesso predita pelo modelo criado conseguiu se aproximar da taxa de sucesso real quando acrescido ao modelo um fator de qualidade para cada time, devido a diferença entre as habilidades de interceptação de cada oponente. Isso levanta a questão de como detectar o valor ideal para o fator qualidade do oponente durante uma partida, para os casos que tivermos pouca informação a priori, ou seja, times para os quais não realizamos experimentos exaustivos. Para aumentar a qualidade dos resultados será necessário também levar em conta no modelo as características heterogêneas de cada jogador, já que fatores como velocidade máxima variam para cada um. Estas características foram abstraídas no modelo atual, que faz uso das médias. O modelo criado serviu para modificar os algoritmos utilizados para chute a gol e passe e foi testado em partidas normais sem nenhuma intervenção, porém, a melhoria alcançada ficou aquém das expectativas. A principal hipótese levantada é que as incertezas no ambiente interferem muito no desempenho do algoritmo, pois ele utiliza como entrada informações desatualizadas ou incompletas, sendo necessário realizar melhorias no módulo de coleta de informações dos agentes para verificar essa hipótese.

CONCLUSÃO:

O trabalho desenvolvido efetivamente ampliou nosso conhecimento sobre o funcionamento do ambiente de simulação. Um modelo computacional que prediz a probabilidade de interceptação de bola pelo adversário foi desenvolvido e aplicado nos agentes para duas atividades fundamentais, que são chute a gol e passe de bola. Esta aplicação nos fez conhecer, pela primeira vez de modo mais concreto, os impactos da incerteza sobre os algoritmos utilizados, quando nenhum tratamento relacionado é utilizado. Isso foi determinante para decidir o próximo passo na pesquisa, que é a melhoria do processo de coleta de informações pelo agente de modo a reduzir a incerteza. Avaliamos que o maior ganho obtido é um método para o desenvolvimento de soluções dentro desse contexto, partindo da coleta de dados e análise do ambiente, escolha de um problema, passando pelo desenvolvimento de um modelo teórico, sua transformação em modelo matemático, criação de um algoritmo e experimentação para validação da proposta. Além disso, a infraestrutura de coleta de dados e controle dos experimentos construída será de fundamental importância para o desenvolvimento de qualquer atividade de cunho científico no time.

Palavras-chave: Robótica Inteligente, Modelagem Computacional, Sistemas Multi-agentes.