A Context-aware Architecture for Mental Model Sharing through Semantic Movement in Intelligent Agents

مطالعات اخير در سيستم هاي چند عامله توجه ويژه اي را به الگوي طراحي عامل هاي هوشمند با استفاده از مفهوم هاي الهام گرفته شده از انسان-ها داشته است. يكي از مفهوم هاي شناختي مهمي كه در بسياري از روش هاي اخير در سيستم هاي چند عامله نقش محوري ايفا مي كند،مفهوم ‌مدل ذهني مشترك است. در اين مقاله ما يك معماري براي اشتراك مدل ذهني عامل ها بر اساس يك مفهوم جديد با عنوان حركت معنايي معرفي مي-كنيم. اين معماري با الهام از مدل ذهني انسان ها طراحي شده و مي تواند به صورت هم زمان توسط عامل ها در چندين هم بافت مورد استفاده قرار گيرد. اين معماري از حركت معنايي به عنوان يك ساز و كار رفع تضاد استفاده مي كند. حركت معنايي نوعي حركت در حالت هاي ذهني افراد با هدف برطرف كردن تضادهاي مضر موجود در مدل هاي ذهني است. همچنين براي ارزيابي اين معماري، ما از مجموعه اي از سناريوهاي پيچيده استفاده كرديم كه در آن ها بدون فرآيند اشتراك گذاري نمي توان به جواب مناسب رسيد. معماري ما نسبت به روش هاي جايگزين اشتراك گذاري عملكرد بهتري را نشان داد. ما اعتقاد داريم كه معماري ارايه شده مي تواند عامل ها را براي ايجاد رفتارهايي سازگارتر بين خودشان توانمند كند. همچنين اين معماري مي تواند براي محيط هاي مذاكره بين عامل ها مناسب باشد.

Recent studies in multi-agent systems are paying increasingly more attention to the paradigm of designing intelligent agents with human inspired concepts. One of the main cognitive concepts driving the core of many recent approaches in multi agent systems is shared mental models. In this paper, we propose an architecture for sharing mental models based on a new concept called semantic movement. This architecture has been inspired by a variety of mental models in humans and supports agents working in different simultaneous contexts and it uses semantic movement as a conflict resolution mechanism. Semantic movement is a kind of transition from the present mental states to some new states in order to resolve harming conflicts between mental models of participants. We formalized the semantic movement process in order to use it in our proposed architecture. Our test bed to evaluate this architecture is a set of complex scenarios which are likely impossible to be solved by individual agents without sharing. Our architecture exhibits better performance than other alternative methods that have sharing capabilities. We believe that the proposed architecture would be able to provide agents with the ability of generating more consistent behaviors between agents. Moreover, this architecture can become a suitable platform for the negotiation of self interested agents.