Artificial Life in Virtual EnvironmentsRogrio Perino de Oliveira NevesLaboratory of Integrable SystemsArtificial Life GroupA.L.I.V.E.

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Presentation partsIntroduction(3)ALife concepts(14)Project Specification (19)Experiment results(12)Conclusions (6)Total(54)

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

ObjectivesResearch on ALifeApply VR technologies to the visualization of ALife experimentsBuild a customizable experimental development frameworkImplement AL experiments within the developed framework

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Project PartsTheoretical partRelated StudiesState of the Art research look upOpen problemsPractical partFramework developmentExperiment development based on it

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

About ALifeCombines biology and Computer Science to create synthetically models of evolution of living systemsA tentative to elucidate the logical structure (in a most general form) of biological evolutionOriginally dominated by computer scientists, Nowadays studied by researches of almost all areas

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Artificial LifeThe expression was introduced by Christopher Langton in 1987, when was used to name a conference held in Los Alamos, Novo Mxico, about The Synthesis and Simulation of Living Systems.

Artificial life: The proceedings of an Interdisciplinary Workshop on the Synthesis and Simulation of Living Systems September, 1987, Los Alamos, New Mexico, Addison-Wesley Pub.MAIS INFORMAES...

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Key conceptsThe initial definition considered two types:Strong AL: re-creation of life in-silico, i.e. in the computerWeak AL: simulation of biological phenomenaPossible attacksBottom-upTop-down

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

AttacksBottom-UpObserved in the natureNo planningComes from emergence/evolutionGenerally associated to strong ALTop-DownHumanistic proceduresComes from planning/foresightGenerally associated with weak AL

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Life SimulationsRulesLocal rather than globalSimple rather than complexEmergent rather than pre-defined (behavior)

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Types of AL researchOrigins of Life, self-organization and self-replicationDevelopment and replicationEvolutionary dynamics and adaptationAutonomous agents and robotsCommunication, cooperation and social behaviorSimulation, synthesis tools and methodologies

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Open problems in Artificial LifeHow does life arise from the nonliving?

Generate a molecular proto-organism in vitro.Achieve the transition to life in an artificial chemistry in silicoDetermine whether fundamentally novel living organizationsSimulate a unicellular organism over its entire lifecycle. Explain how rules and symbols are generated from physical dynamics in living systems.

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Open problems in Artificial LifeB. What are the potentials and limits of living systems?

Determine what is inevitable in the open-ended evolution of life.Determine minimal conditions for evolutionary transitions from specific to generic response systems.Create a formal framework for synthesizing dynamical hierarchies at all scales.Determine the predictability of evolutionary consequences of manipulating organisms and ecosystems.Develop a theory of information processing, information flow, and information generation for evolving systems.

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Open problems in Artificial LifeC. How is life related to mind, machines, and culture?

Demonstrate the emergence of intelligence and mind in an artificial living system.Evaluate the influence of machines on the next major evolutionary transition of life.Provide a quantitative model of the interplay between cultural and biological evolution.Establish ethical principles for artificial life.MAIS INFORMAES...From Bedau et. al Open Problems in Artificial Life

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

ALife toolsExamples:

State machinesNon-linear systems / chaotic dynamicsFuzzy logicArtificial Neural networksEvolutionary searchGenetic Algorithms

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Multi Agent SystemsAutonomous agentsBiological agentsRobotic agentsComputational Agents...ArtificialBiologicalagentsSearch agentsEntertainmentagentsVirusIntelligentagentsALife agentsElectronic agents...

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Experimento de VAActorActorActorAgentAgentAgentEnvironmentVirtual sceneUI / InteractionVisualization device

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Exemplos de Programas de VA

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Estado da arte em VA * Neves, Rogrio Karl Sims videos, http://www.lsi.usp.br/~rponeves/research/sims, acesso em 18/09/2003MAIS INFORMAES...

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

PROJECT SPECIFICATION

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Project SpecificationMotivationCharacteristicsResourcesTechnical toolsJava, Java3DVisualization, interactivityFramework proposalExperiments

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

MotivationWeak visualization and InteractionMost of ALife programs provides a poor visual representation of the Virtual EnvironmentThe programs allows only the change some parameters at start or during the experimentHard code accessWhen available, the sources are frequently in low-level language (ASM, C)Support to parallel architecturesAllowing to improve the performance in concurrent execution of agents in a Multi-threaded, Multi-Agent contextA full 3D Environment simulationAllowing to employ vector mathematics to operate objects in the sceneApply the State of the Art in visualization technologiesEmploy computer graphics, accelerator boards and VR technologies to the visualization of the Virtual Environment

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Project featuresOOP ParadigmAllows easy object/agent description/operationCross-platform execution capabilityOpen source philosophySimulation of a true 3D space with vector dynamicsProviding easy manipulation of objects into 3D spaceMultiple-device 3D graphical supportVisualization in Virtual Reality and immersive environmentsConcurrent execution of programsAllow experiment speed-ups in multi-processed and distributed architecturesBrowser applet / Internet execution

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Techniques / toolsOOPMASVector MathematicsDiscrete time dynamicsConcurrent programmingComputer graphicsNetworkingALife related

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Development resourcesJava / Java3D API (from SUN)Personal ComputersGraphical Workstations (Silicon Graphics)Multi-processed systems (SPADE project)Cluster of PCs (CAVE)Visualization devices (from monitors to CAVES)GB Ethernet Network

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Java & Java3DJava

Cross-platform capabilityInternet compliantBuilt over the OOP paradigmConcurrent programming support ( through Threads)ExtensibleReliableJava3D

New standard in VR developmentOpenGL/DirectX hi-level interfaceScene description through scene-graphsExtend Java features

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Java3D scene-graph example

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

VisualizationDirected, but not limited to:

Ordinary 3D boardsProfessional graphical acceleratorsFrom ordinary to stereo MonitorsShutter GlassesHead mounted DisplaysCAVESOther VR devices

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

InteractivityMouse*KeyboardGloves*Wands*Other tracking devices**Through Java3D picking behavior

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Levels of operabilityA.L.I.V.E.FrameworkJava/Java3DByte codeSuper classesJava VM/Machine CodeUserInterfaceUserClassesMid-Level/Language CodeHi-Level/Pseudo CodeCustom UserInterfaceRuntime Interface/InteractionProject Scope

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Platform architectureRenderClientSubset

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

UML diagram

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

UML diagram

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Render ClientSceneMulticast PackagesServerRenderClientRenderClientRenderClientEnv

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Environment configuration

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

UI

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Agent diagram example

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Demo codeDEMO CODE

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

EXPERIMENTS & RESULTS

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Developed experimentsProgram testALGA Evolution / AdaptationPredator-Prey systemFish SchoolingFlockingBiological demosCellular dynamicsFungus growthLymphocytes & virusMitosis

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Demo Experiments

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Predator-Prey System

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Predator sightRGB+ACTW1W2W3FILTERRADIATION

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Predator DNAReproduction conditionDeath conditionSensibility radiusStrengthStaminaMetabolism temperatureTemperature toleranceToxic resistanceW1: red filter weight (R)W2: green filter weight (G)W3: blue filter weight (B)

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Predator-Prey population graphs

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Predator-Prey population graphs

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Visual improvementsCellular dynamics

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Fish Schooling

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Flocking

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Performance -1

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

ConclusionsThe project explores the representational potential of ALife experiments employing 3D and VR to the visualization of experiment environmentThe developed framework provides a quick experiment prototype development toolThe developed experiments demonstrates the framework capabilities and resources, serving as models to new user experiments

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

ConclusionsMaking the project available in Sourceforje.net, users around the world are allowed to contribute to the framework improvement The developed experiments can be published thought the internet allowing greater and faster interaction between research groupsAlso allows ordinary people outside the scientific community to experiment with this experimental virtual lab, serving as a scientific divulgation toolThe experiments can take advantage of new coming visualization technologies while they appear, without the need of code adaptation

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Possible employmentsALife experiment developmentBiological scholar demonstrationsProblem solving in sciences/engineering *System training in robotics *Simulation of genetics and evolutionary systemsUser oriented pattern search in virtual spacesEmployment in future technologies (such nanotechnologies) * Neves, Rogrio P. O. and Netto, Marcio L.Evolutionary Search for Optimization of Fuzzy Logic Controllers1st International Conference on Fuzzy Systems and Knowledge Discovery, Volume I, on Hybrid Systems and Applications IMAIS INFORMAES...

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Proposal to future worksInteraction through sensitive devicesFile accessExperiments:Variable morphologyIntelligent agents / humanoids * Cavalhieri, Marcos, Virtual Human Project, http://www.lsi.usp.br/~mac/ , access in 18/09/2003MAIS INFORMAES...

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

AcknowledgmentsClaudio Ranieri , Group ARTLIFE, LSI, USPMarcos Cavalhieri, Group ARTLIFE, LSI, USPProf. Emilio Hernandez, LSI, USPArtur Gonzalez, PCS, USPProf. Wolfgang Banzhaf, Universidade de Dortmund

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Related DocumentsRogrio Neves, ALIVE Project Site & thesishttp://www.lsi.usp.br/~rponeves/Official ALIVE Project sitehttp://www.lsi.usp.br/~alive/ARTLIFE Site, Artificial Life group http://www.lsi.usp.br/~artlife/Questions & doubtsrponeves@lsi.usp.br

3 4 5 6 7 8 10 11 12 13 14 15 16 17 19 20 21 22 23 24 25 26 27 28 29 30 33 34 35 36 40 41 49 50 51 52 53 54

Fim

Meu nome ...Minha dissertao de mestrado sobre...A apresentao foi organizada em 5 partes...Intro ao projetoAos fundamentos de VAEspecificaesExperimentos desenvolvidos

Os objetivos do projeto foram...

Levantamento bibliogrfico

Construo de uma plataforma de desenvolvimeto de experimentos em VAE posterior experimentao uma disciplina relativamente jovem,Von Newman e Turing j experimentavam com algoritmos de VAUtiliza os computadores como ferramenta principalN inicio cientistas da comp e matemticos dominavam a reaHoje, explorada por pesquisadores de diversas reas

Historicamente...1 envolve flutuao aleatria (random drift) tentativas, sucesso/falha, parte da desordem e vai gerando combinaes de maior complexidade atravs de processos conhecido como auto-organizao VA forte2 envolve projeto, no se deseja investir em tentativas falhas, aplicado em simulaes de vida, como comerciais e desenhos de Disney VA fracaConsiderar regras locais em vez de regras globais: Salvo os princpios fsicos que regem o sistema, cada instncia deve considerar apenas estmulos prximos. Parte do princpio que dificilmente algo que acontea a grande distncia venha a afetar o organismo avaliado. Uma anlise global encarece computacionalmente o experimento.

Considerar regras simples em vez de complexas: complexidade surge da reproduo e combinao de uma grande quantidade de regras simples, regras pr-definidas define um comportamento viciado, criar mecanismos que permitem adaptao

Considerar comportamentos emergentes em vez de comportamentos pr-especificados:mais importante princpio, mais cientificamente controverso.Regras pr-especificadas causam sistematizao.Formas de vida dificilmente agem de maneira pr-estipulada ou maneira idntica aos estmulos que recebem, personagem de computao grfica, desenhos de Disney.VA FracaAqui so relacionados...

O meu encaixa em Ferramentas!!Estudos relacionados ao tema Origens da VidaReproduzir fenmenos biolgicos atravs de simulaes,Permitindo-se extrair observaes gerais que podem ser estendidas natureza de maneira globalCriar modelos matemticos para evoluo e adaptaoResultados: tcnicas como algoritmos genticos, busca evolutiva, etcO que inevitvel?Que fenmenos causam especiao?Avaliar as influncias e conseqncias da modificao de variveis, parmetros, e alteraesEm sistemas de dinmica evolutivaAvaliar a consequencia da manipulao direta de ecossistemasExpressar matematicamente a influncia.Tambm incorpora alguns estudos de ordem filosficaFuturamente, estas formas podem desenvolver algum tipo de inteligncia?O que acontece quando voc desliga um computador no qual formas de vida se desenvolvem???Qual a regras ticas nesses casos?

A princpio, qualquer tcnica ferramental, que processe uma entrada e gere uma sada, pode ser empregada.Para controle e aoAqui relacionadas: ...algumas tcnicas ferramentais que foram aplicadas nos experimentos desenvolvidos.Este grafo demonstra onde os agentes de VA se encaixam no contexto da teoria de SMAno enfoque dado, num contexto SMA e POOEsquema de um experimento Cena visualizao, Representao do que aconteceRepresentao atravs de tcnicas de visualizao cientficaA UI Interao com o usurioSada para dispositivos. Ex: Impressora no incio (CA e Tierra) e dispositivos de RV hoje.

Alguns programas conhecidos de VA, da Esq. Dir.John Conways Game of Life, The Blind Watchmaker de Richard Dawkings,Tierra do eclogo Thomas Ray, AVIDA de Cristoph Adami, Maioria disponveis na WEB para downloadRessaltar o fraco apelo visualDas mais interessantes pesquisas...Os robs-inseto de Rodney Brooks. Experimento de Karl Sims com morfologia evolutiva.

Nesse tpico so apresentadas as caractersticas, motivao...foram,... Sadas em texto ou representao grfica rudimentar... No permitiam uma interao abrangente com o experimento... Se difcil entender o prprio cdigo, imagine um escrito em assembler ou C por um Alemo ou chins.... Multi-agentes, com possibilidade de multi-threading, cada ag um programa que executa independentemente, em arq paralelas.... Matemtica, clculo vetorial, manipulao mais intuitivaRV ... Maior riqueza de informao na visualizao, interatividade natural.POO, PortabilidadeAmbiente com Visualizao 3D (estreo)com manipulao por vetoressuporte a dispositivos grficos Placas Aceleradoras Monitores shutter glasses Possibilidade de visualizao em dispositivos de RV e em ambientes imersivosPossibilidade de execuo concorrente em sistemas paralelos multi-proccessados, no contexto multi-agentes, multi-threadedE em sistemas distribudos em cluster para otimizao da performance na apresentao grficamodo Applet, para visualizao pela Internet

Alguns dos recursos previstos p/ o projeto, alem do Java e Java3D, executando em os eq. Para desenvolvimento,comocomputadores pessoais, ou estaes grficasPrev o uso de Sist multi-processados ou arq. Distribudas para melhorar a performancevisualizao desde monitor c/ ou s/ oculos at disp. De RV imersivos como HMD cavernaRedes, internetPorqu a escolha de Java?Organizao dos componentes da cena em um grafo

Local num universo de alta-resoluoSeparao entre objetos de cena e de visualizaoComportamentos agregados/associados aos obj de cena

Head Mounted Displays

O projeto contrudo diretamente sobre classes do Java e J3D, fornecendo mtodos e variveis de controle indireto para objetos e agentes...O funcionamento dos agentes e ambiente descrito por mtodos fornecidos pelas superclasses e por clculo com os vetores de manipulao.Alm, o usurio pode utilizar classes java em seus cdigos. Ex Fourier, Neural, Fuzzy, Proc-Imagens, etc.As classes do pacote e sua comunicao7 classes:3 superclasses4 classes auxiliares (helper-classes)Um experimento desenvolvido no contexto teria a seguinte forma...Foi desenvolvida para utilizar um cluster acionando a caverna...O aplicativo de confuraoTipo de visualizaoTipo de interaoTamanho do volume da simulaoCarga populacional mxima P/ o ambienteSeleo do experimentoSuporte a rede

A interface de controleEste um exemplo de diagrama para controle de um agente... Com o enfoque dado.Entre a entrada e sada, podem haver vrios estgios e pr e processamento at gerar uma aoUtilizando diversas tecnologias de reconhecimento de padres, tipos de memria, cognio, etc.Exemplo simplesComida de peixeContm energia e Cai com taxas aleatriasEm vermelho, os mtodos obrigatrios e chamadas de acionamentoO preciso preencher?Enquanto roda, behavior define o comportamentoUpdate actor efetua as mudanas visuais com base nos parmetros

Fora os testes da plataformaAlguns experimentosE demonstraesAlguns screenshots de demonstraesDemonstraes so Sistematizadasi.e. + associadas VA fracaComparar modelo SMA com o matematico, aplicando-se as equaes de Lotka-Voltera, propostas por Lotka (1925) e Voltera (1926-1931) Foram desenvolvidos 3 tipos de agentesPresa = comidaPredador adaptao evoluo

Esquema comportamental e funcionalfiltroO comportamento especificado por um cdigo gentico, ou DNA que defimeQuanto o agente viveQuanto enxerga do ambienteComo se movimentaEficincias em geralFiltro: Ws podem ser + ou -Gera oscilaes populacionais comparveis s equaes de Lotka-volteraO que cada cor?O que mostra esse?A evoluo desenfreada de espcies predatrias em ambientes fechados geralmente, termina com o consumo de todos os recursoslevando as espcies extino, aps extinguir os recursos. Geralmente, o tamanho do ambiente virtual determina o tempo de durao do experimento. Quanto menor o volume testado, mais rpido os predadores saturam em algum momento, uma mutao (egosta e voraz) pode surgir desestabilizando o sistema e levando novamente ao caso anterior.O acmulo de toxinas torna-se um fator agravante. No havendo espcies capazes de sintetizar o resduo derivado da ao dos predadores, as toxinas acabam por se acumular no ambiente, impossibilitando que os predadores se locomovam livremente sem esbarrar nelas Uma alternativa ao experimento foi proposta para determinar o que inevitvel na evoluo dos predadores , com ou sem auto-abastecimentoPara considerar o caso ideal, s +. Nesta condio, os experimentos podem durar indefinidamente, a tendncia que uma nica espcie mais evoluda domine o ambiente e recursos, sobrepuja todas as demais espcies at ser esta prpria dominante seja sobrepujada por uma casta mais adaptada.caso a espcie dominante no possua um mecanismo de auto-regulao, ela e as demais espcies dependentes esto fadadas a um colapso total em algum momento da sua evoluo. Esta observao leva a crer que a racionalidade um requisito obrigatrio para o sucesso de uma espcie em longo prazo, visto ter sido constatado pelos experimentos que a simples evoluo sem a emergncia do fator cognio, leva ao inevitvel fracasso.Demo de dinmica celulare Tcnicas de visualizaoUso de transparncias para melhorar a exibio de informao

Peixes,Rede neural que muda quando se reproduz e sobre alteraes durante a vida.Visa comparar dois tipos de armazenagem de informao, memria gentica ou instinto, com a cognio, aprendizado(Depois de muito tempo aparecem alguns que comem)Demo comum de VADemonstra como se pode obter comportamentos complexos atravs de regras muito simplesRegido por variveis probabilsticas,A foto mostra como Aleatoriedade OrganizaoO nmero de testes ou operaes cresce com o nmero de agentesLogo, o nmero de agentes em execuo limita exponencialmente a performance do experimentoEntre as contribuies realizadas pelo projeto (achievements), vale citar o reforo ao vnculo entre Vida Artificial e Realidade Virtual, vnculo, ainda pouco explorado por programas de VA e computao grfica;A plataforma facilitar a implementao de futuros experimentos do grupoOs experimentos demonstram os conceitos estudados

O projeto esta no SF.net, seguindo a doutrina do cdigo aberto, permitindo cooperar no seu desenvolvimentoPublicao na internet, Interao entre grupos de pesquisadores, ferramenta de divulgao cientfica, lab virtual + interessadosVisualizao independente * Apenas de atualizaes no Java3D, clarosimulaes didticas visando a ilustrao de conceitos bsicos de fenmenos biolgicos , anloga a experimentos in-vitro.solues de problema em robtica e engenharia, como demonstrado em [NEVES, 2002]estudos futuros envolvendo reas como nanotecnologia onde se deseja que nano-robos, constitudos de poucos tomos e baseados em um conjunto de regras simples, desempenhem tarefas complexas. Simulaes de sistemas genticosDepende de computadores de alta-performance Massas de dados, Agentes inteligentes podem efetuar buscas por padres no espao virtual orientados pelo usurioPermitindo maior interao com o agente, movendo, empurrando, espremendo, etc...leitura e gravao de experimentos, agentes e configuraes, limitaes no funcionamento do programa em modo Applet. relativas segurana. acesso leitura e gravao no disco do usurio. o projeto seja dividido em dois mdulos independentes, um voltado divulgao na Internet, em Applet, e um para uso como aplicativo, sistemas com morfologia varivel, para observar como o aspecto fsico influenciado pela evoluo e regras de encaixe (fitness). O genoma, um programa contendo cdigos simples que coordenariam as ramificaes, informando os comprimentos e ngulos, garantindo variedade de formas. Uma funo de satisfao permitindo escolher qual critrio ser considerado vantajoso no processo evolutivo, maior volume, maior rea de superfcie, maior comprimento, relao entre altura e largura, ou uma combinao. O experimento permitiria observar como as formas variam atravs da evoluo, dependendo das regras e critrio definidos (funo de encaixe, satisfao ou fitness).

Marcio Netto, pela liberdade dada a elaborao e planejamentoClaudio Ranieri, pela colaborao e auxlio tcnicoProf. Wolfgang Banzhaf, por contribuir com dicas e melhorias que poderiam ser implementadas (Sourceforge)