lab 2

Hvornår: Fredag d. 16/1
Hvem: Asger
Varighed: 5 timer

Mål

• Konstruere modellen for eget behavior system

Egen autonomous behavior model

Plan:

På grund af tidligere eksperimentering med lejos behavior model, se
week 10 bloggen, valgte vi ikke at bruge lejos, men i stedet forsøge
at implementere vores eget behavior system.

I Modeling
Adaptive Autonomous Agents beskriver Maes de underliggende
problemer med at vælge den rigtige behavior for en agent.

• En agent skal kunne bestemme hvilken behavior der vil bidrage
  bedst til at opfylde dens mål.


• Den skal kunne behandle muligheder der pludselig opstår,
  dvs. mens agenten er igang med en opførsel, skal den kunne tilpasse
  sig og skifte til en ny opførsel, som får højere prioritet.


• Den skal kunne vælge mellem modstridende mål.


• Den skal reagerer indenfor en overkommelig tidsramme på nye
  miljøer.

Vores model er opbygget som
en subsumtion
arkitektur. Vi putter vores opførsler ind i en liste og lader en
opførsel kunne undertrykke alle de underliggende behaviors. F.eks vil
vores robot som vigtigste "refleks" stoppe når den får et stop signal,
hvilket undertrykker alt andet.


Vi havde tænkt os følgende behaviors til agenten.

1. Stop - stop når kampen er ovre


2. Undgå modstandere - undgå at køre ind i modstandere, så
   tacho navigatoren ikke bliver forvirret og agenter ikke hægner fast
   i hindanden


3. Få bold fra modstandere - Enten skubbe til bolden fra
   siden eller placerer sig mellem modstanderen og målet


4. Skyd på mål - i et kort øjeblik sætte hastigheden op og
   "skyde" til bolden


5. Drible mod mål - Løbe med bolden mod målet


6. Drej så agenten vender mod bolden - vende spilleren mod
   bolden


7. Løb efter bolden - placerer spilleren så bolden er
   mellem spilleren og målet

Arbejdsgang

Autonomous behavior model

Af behavior nåede vi at sætte de generelle abstrakte klasser op som
skulle bruges. Dette vil sige at vi implementerer Behavior.java
(http://www.daimi.au.dk/~mkm/LEGO/projec/src/legodart/nxt/Behavior.java)
og vores arbitrator
(http://www.daimi.au.dk/~mkm/LEGO/projec/src/legodart/nxt/BehaviorManagerMulti.java).
En komplet gennemgang af vores endelige behavior model følger i lab
reporten for d. 22/1, indtil da vil vi bare redegøre for hvad der blev
udviklet på i modellen.