http://www.gia.usb.ve/es/proyectos/ap_bio_robots

  GRUPO DE INTELIGENCIA ARTIFICIAL
  Investigación
  Aprendizaje Biológico en Robots
  Para que pueda funcionar de manera exitosa en el mundo real, un robot debe 
ser capaz de desenvolverse con éxito en ambientes no estructurados y que 
cambian constantemente. Ya que la capacidad de adaptación a las 
restricciones impuestas por el ambiente ha sido un factor determinante en la 
supervivencia de los seres vivos, muchas investigaciones en el area de 
robotica buscan dotar a los robots de una capacidad de aprendizaje 
comparable al observado en el Reino Animal. En este proyecto de 
investigación se han implementado redes neuronales basadas en teorias 
biologicas de aprendizaje, para alcanzar aprendizaje por condicionamiento 
clasico, aprendizaje por condicionamiento operante, habituación y 
aprendizaje de patrones de comportamiento en un robot miniatura Khepera.
  El primer modelo que hemos propuesto utiliza una red neural para 
condicionamiento operante, la forma de aprendizaje por el cual un animal (o 
humano) aprende los efectos de sus propias acciones. Nuestra red es un 
versión simplificada de la red propuesta por Grossberg (1971, 1982) y más 
tarde implementada por Grossberg y Levine (1987).
  Aprendizaje social, individual y evolución
  Una de las principales áreas de interés de la Simulación de 
Comportamientos Adaptativos es la construcción de modelos descentralizados o 
"bottom-up" para el estudio de sistemas complejos. En este proyecto se 
pretende estudiar; las relaciones entre el aprendizaje social, el aprendzaje 
social y la evoución a través de un modelo descentralizado. Inicialmente se 
ha estudiado el efecto de la transmisión cultural vertical sobre el 
aprendizaje individual y la evolución de las poblaciones.
  Este modelo se basa en la incorporación de sugerencias como forma de 
transmisión de información entre los agentes, usando como mecanismo de 
aprendizaje individual la técnica de computación evolutiva denominada 
clasificadores genéticos, en particular una variante propuesta recientemente 
basada en la precisión de los clasificadores, llamados XCS. Para controlar 
la complejidad del ambiente se adopta el modelo de ambientes de energía 
latente.
  Los primeros resultados de ésta investigación se presentan en el trabajo 
de grado: Un modelo descentralizado de la transmisión Cultural Vertical
  Robótica para rescate y salvamento
  A nivel mundial ocurren graves problemas urbanos de destrucción masiva, ya 
sean causados por la naturaleza o por el hombre, tales como terremotos, 
inundaciones, guerras e incluso ataques terroristas. Estos sucesos 
lamentablemente traen consigo un alto número de víctimas, y bajo estas 
graves circunstancias se requiere la colaboración de los cuerpos de bomberos 
del lugar de la catástrofe. Los miembros de estos organismos de rescate 
realizan una difícil labor, exponiendo sus propias vidas a grandes riesgos 
para rescatar a las víctimas.
  Gracias a los avances tecnológicos actuales, recientemente en el área de 
robótica surge una aplicación de gran interés global por su carácter 
humanitario, en la cual países como los Estados Unidos y Japón participan 
activamente. Consiste en la utilización de robots de rescate en la tarea de 
detección de víctimas en lugares que se encuentran en condiciones de 
emergencia, destinados específicamente a la asistencia de los cuerpos de 
rescate, como los bomberos o protección civil. A largo plazo busca la 
implementación de un sistema de soporte, formado por un conjunto de robots 
equipados con sensores especializados, como cámaras infrarrojas, sensores de 
calor, sensores químicos, sistemas de control remoto, entre otros,los cuales 
participarían en las tareas de rescate y mantendrían la seguridad e 
integridad del personal.
  Aunque el robot posee un conjunto de accesorios avanzados, no se encuentra 
acondicionado con los accesorios especializados para tareas de rescate, y 
debido a las limitaciones económicas del Laboratorio de Inteligencia 
Artificial (GIA) de la Universidad Simón Bolívar, este robot no puede ser 
remplazado por un robot más avanzado. Por tal razón, resultó necesario 
adaptar el proyecto dentro de las limitantes. La restricción principal 
radica en el sistema móvil del robot, que no permite el desplazamiento en 
terrenos irregulares o ambientes exteriores. Por lo tanto, los experimentos 
realizados para este trabajo de investigación no contemplan la operación en 
condiciones de terrenos irregulares. En efecto, se limitó el ambiente de 
trabajo al pasillo del segundo piso del edificio Matemáticas y Sistemas 
(MYS) de la Universidad Simón Bolívar, donde se encontraba la oficina de 
trabajo.
  Recursos y referencias
  Links
  * UMBC Agent Web. Información y recursos sobre agentes inteligentes que 
recuperan información, agentes intencionales, agentes de software, softbots, 
knowbots, infobots, etc.
  * Machine Learning. La revista de Aprendizaje en Inteligencia Artificial 
en línea.
  * Repositorio de Aprendizaje por Reforzamiento en la Universidad de 
Massachusets en Amherst.
  * La colección de las bibliografías de Ciencias de la Computación. Acceso 
en línea a 750,000 referencias de diversas áreas de la computación.
  Libros
  En la Biblioteca Central de la Universidad Simón Bolívar se puede 
encontrar una gran lista de libros relacionados con el área de Inteligencia 
Artificial.