Onderwijs Portfolioperry/teaching/IOWO/portfolio.pdf · 2011-04-29 · Onderwijs Portfolio P.C....
Transcript of Onderwijs Portfolioperry/teaching/IOWO/portfolio.pdf · 2011-04-29 · Onderwijs Portfolio P.C....
Onderwijs Portfolio
P.C. Groot
10 mei 2010
Samenvatting
Dit portfolio beschrijft mijn visie op onderwijs en mijn ontwikkeling als docent in de rollen vanonderwijs uitvoerder, onderwijs ontwikkelaar en onderwijs organisator. De hoofdgedachte van mijnvisie op onderwijs is dat studenten pas grondige kennis verkrijgen als ze daadwerkelijk zelf aan de slaggaan met een onderwerp. Mijn werkwijze van doceren sluit aan bij deze gedachte en dat laat ik zien indit portfolio. Effectief leren door studenten wordt door mij gefaciliteerd door mijn studenten te voorzienvan voldoende voorbeelden, oefenmateriaal en feedback op tussentijdse geproduceerde resultaten. Of destudent de doelstellingen van een vak beheerst kan dan tenslotte getoetst worden m.b.v. een tentamenof een verslag. Tot slot vind ik dat de verantwoording over het onderwijs bij twee (of meer) docentenzou moeten liggen. Iedere docent doceert namelijk vrijwel altijd beter op een aantal aspecten en aan eenbepaalde groep van studenten. Als de verantwoording ligt bij meerdere docenten dan kunnen ze elkaaraanvullen. Het is aan te raden dat docenten meer met elkaar samenwerken door elkaar feedback te gevenop bijvoorbeeld elkaars colleges, studiewijzers en in het bijzonder altijd op elkaars tentamens.
1
1 Curriculum Vitae
PersoonsgegevensNaam: Perry GrootGeboortedatum: 6 Mei 1975Geboorteplaats: AlkmaarBurgerlijke staat: GehuwdNationaliteit: NederlandsAdres: Harpdreef 21, 4876ZV Etten-LeurTelefoonnummer: +31-6-50516932E-mail: [email protected]: http://www.cs.ru.nl/∼perry
Werk Ervaring2004-2009 Postdoc. Radboud Universiteit Nijmegen2003-2004 Postdoc. Vrije Universiteit Amsterdam1998-2003 AIO. Vrije Universiteit Amsterdam1996-1998 Student assistent. Vrije Universiteit Amsterdam
Opleiding2009 Cursus ‘Theatertechnieken in de wetenschap’2007-2008 BKO traject basiskwalificatie onderwijs1998-2003 AIO. Vrije Universiteit Amsterdam1994-1998 Wiskunde (Topologie). Vrije Universiteit Amsterdam1993-1998 Informatica (AI). Vrije Universiteit Amsterdam
Onderwijs Ervaring1
Onderwijs Uitvoeren
Hoorcolleges
• Lerende en Redenerende Systemen (2009), 6EC, Groep: 2/3I, 2/3IK, KI.B2• Robotica 2 (2008/2009), 6EC, KI.B2• Design of Multi-Agent Systems (2007/2008),6EC, KI.B2• Research & Development 2 (2005–2008), 6EC, Groep: 2IK• Nijmeegse 2-daagse (2007,2008), (voorlichting scholieren)• 4VWO dag (2005–2009), (voorlichting scholieren, 2 keer per jaar)
Werkcolleges
• Intelligente Systemen (2007/2008), 6EC, Groep: 3I, 3IK• Lerende en Redenerende Systemen (2006/2007), 6EC, Groep: 3I, 3IK• Research & Development 2 (2005–2008), 6EC, Groep: 2IK• Onderzoeksmethoden (2005/2006), 3EC• Kennissystemen (1996–1998, 2003/2004), 5EC, Groep: 1AI, 1IK, 2I, 2BWI• AI-Kaleidoscope (2003), 6EC, Groep: 1AI, 1I, 1IK• Inleiding Logica (1999–2002), 5EC, Groep: 1I, 1AI, 1IK• Logische Taal & Redeneermethoden (1999–2002), 5EC, Groep: 1I, 1AI, 1IK• Representatie & Zoeken (1996–1998)
1I = Informatica, IK = Informatiekunde, KI = Kunstmatige Intelligentie, BWI = Bedrijfswiskunde & Informatica
2
Responsiecolleges
• responsiecollege Lerende en Redenerende Systemen, 2009• responsiecollege Robotica 2, 2008/2009• responsiecollege Design of Multi-Agent Systems, 2007/2008
Individuele begeleiding
• 1 master student Informatiekunde (2006/2007) met M. Oostdijk• 1 bachelor student Informatiekunde (2006/2007)• 1 master student Informatica (2005/2006) met P. Lucas en M. Egmont-Petersen• 1 master student Informatica (2005/2006) met P. Lucas en N. Karssemeijer• 2 master studenten Informatiekunde (2005/2006) met M. Oostdijk• 1 bachelor student Informatica (2003)• 1 master student Informatica (2002), met F. van Harmelen en G. Eiben
Onderwijs Ontwikkelen
• tentamen (Lerende en Redenerende Systemen, 2009)• tentamen (Robotica 2, 2008/2009)• tentamen + hertentamens (Design of Multi-Agent Systems, 2007/2008)• Serie leertaken + uitwerkingen (Design of Multi-Agent Systems, 2007/2008; Robotica 2, 2008/2009)• Leerdoelen Robotica 2
Onderwijs Organiseren
• Evaluatie (Enquete + Team-enquete van ‘Robotica 2’, 2008/2009)• Evaluatie (Enquete + Team-enquete van ‘Design of Multi-Agent Systems’, 2007/2008)
3
2 Onderwijs VisieAl vroegtijdig ben ik in aanraking gekomen met het geven van onderwijs, omdat ik in 1996 in Amsterdamals student-assistent ben aangesteld en daardoor betrokken was bij het doceren van een aantal vakken. Ikvond het erg leuk om samen met studenten problemen te analyseren en uit te werken tijden werkcolleges.Vervolgens, heb ik tijdens mijn promotietraject verscheidene presentaties gegeven op conferenties en opcolloquia van de vakgroep en was ik betrokken bij de uitvoering en beoordeling van verscheidene practica.In mijn postdoc periode heb ik naast soortgelijke activiteiten ook gastcolleges verzorgd en ben ik betrok-ken geweest bij wervingsactiviteiten voor scholieren. In 2007 heb ik weer een stap verder gemaakt doorde verantwoording op me te nemen voor het vak ‘Design of Multi-Agent Systems’ waarvoor verscheidenecolleges en leertaken opgezet moesten worden. Hierdoor heb ik al meer dan 10 jaar ervaring opgebouwd.De meeste ervaring heb ik echter “met vallen en opstaan” opgedaan en in 2007 heb ik er daarom voor geko-zen om het BKO-traject te volgen. Door het volgen van de verschillende cursussen, het lezen van literatuuren gesprekken met mede collega’s over kwalitatief goed onderwijs heb ik me verder weten te profileren alsdocent. Dit portfolio is hiervan het bewijs en beschrijft mijn visie op onderwijs en mijn ontwikkeling alsdocent in de rollen van onderwijs uitvoerder, onderwijs ontwikkelaar en onderwijs organisator.
Mijn visie op onderwijs bestaat in wezen uit de volgende drie gedachten.
1. Studenten vergaren pas grondige kennis als ze daadwerkelijk zelf aan de slag gaan met een onder-werp.
2. Uitdagend onderwijs stimuleert de interesse van studenten om te leren en geeft meer voldoening.3. Onderwijs zou verdeeld moeten worden over twee (of meer) docenten, door bijvoorbeeld elkaar
feedback te geven op elkaars colleges, studiewijzers en in het bijzonder altijd op elkaars tentamens.
De eerste twee hiervan zijn gebaseerd op mijn ervaringen uit mijn studententijd, maar werden tevens be-vestigd tijdens het volgen van het BKO-traject. Ik zal deze gedachten hieronder in meer detail toelichten.
In mijn studententijd heb ik twee opleidingen tegelijkertijd afgerond, namelijk de opleiding Informaticaen de opleiding Wiskunde. Hoewel er wel enige overlap was in de vakken van deze opleidingen was hetechter onmogelijk om alle colleges bij te wonen doordat verschillende vakken vaak op dezelfde tijdstippengegeven werden. Het was daardoor noodzakelijk voor mij om een selectie te maken in de colleges die ikzou bijwonen. Al snel kwam ik er achter dat veel vakken goed te volgen waren door zelf de bijbehorendeliteratuur te lezen en alleen de bijbehorende werkcolleges bij te wonen. Indien het onmogelijk was om eenwerkcollege bij te wonen, dan zorgde ik er wel voor dat ik van een andere student de uitwerkingen van debesproken opgaven kon krijgen. Sindsdien heb ik altijd die strategie gevolgd, aangevuld met het vergarenvan andere bronnen (bijv. oude tentamens), om zo veel mogelijk te kunnen oefenen met de lesstof. Dat ikbeide studies succesvol heb afgerond is voor mij het bewijs dat deze aanpak succesvol is om effectief teleren. Dit geldt misschien niet voor alle studenten, maar ik ben wel van mening dat het voor veel vakkennoodzakelijk is om actief bezig te zijn met de lesstof om daadwerkelijk grondige kennis van een onderwerpte verkrijgen. De precieze invulling van ‘actief bezig zijn met de lesstof’ kan wel van student tot studentverschillen.
Als ik terugkijk op mijn studententijd en bij mijzelf na ga welke vakken ik goed vind, dan springendie vakken eruit die uitdagend waren en waar ik veel energie in gestoken heb. Voorbeelden hiervan zijn‘Oneindig Dimensionale Topologie’ en ‘Formele aspecten van de AI (FAAI)’. Bij het vak Oneindig Di-mensionale Topologie moesten we regelmatig uitgewerkte opgaven inleveren over de stof die daarvoorbehandeld was. De opgaven waren echter dusdanig moeilijk van aard dat we ze al snel in groepjes aanhet analyseren waren en probeerden op te lossen. Bij het vak FAAI kregen we een docent toegewezen dieons tijdens het vak begeleidde. We moesten (twee maal) een onderwerp selecteren, bijbehorende literatuurvergaren en hierover een samenvattend artikel schrijven. Dit artikel werd dan gelezen en beoordeeld doorde overige studenten. Tevens werd het artikel aan de rest van de groep gepresenteerd en moesten de overigestudenten feedback geven en vragen stellen, zowel tijdens de presentatie als op papier, die dan nabesprokenwerden met de begeleider. Kortom een heel intensief traject voor zowel docent als student, maar wel eenvak waar ik hele goede herinneringen aan heb overgehouden. De constatering dat docenten die meer enuitdagender werk opgeven als effectiever beoordeeld worden wordt ook door wetenschappelijke literatuurbevestigd [Cashin, 1995, Felder, 1992].
4
Tenslotte, de derde gedachte, is om de verantwoording van het onderwijs zoveel mogelijk te leggen bijtwee (of meer) docenten. Iedere docent heeft namelijk zijn eigen kwaliteiten en is daarom niet in dezelfdemate effectief voor alle doelen en voor alle studenten [McKeachie, 1997]. Als twee (of meer) docentenverantwoordelijk zijn voor hetzelfde onderwijs dan kunnen ze hun sterke kwaliteiten inzetten om elkaaraan te vullen daar waar nodig is. Met meerdere betrokken docenten wordt het bovendien makkelijker omde kwaliteit van het onderwijs te bespreken en om alternatieven aan te dragen. Ook is het mijn ervaring,dat men zich gemakkelijk kan blindstaren op iets waar langdurig aan gewerkt is, bijvoorbeeld de slides vaneen hoorcollege of een toets. Aangezien het zeer storend is voor studenten als er fouten in het onderwijsaanwezig zijn en aangezien studenten recht hebben op kwalitatief goed onderwijs is het belangrijk dat do-centen feedback geven op elkaars ontwikkelde produkten. In het bijzonder, zouden toetsen altijd gescreenedmoeten worden, omdat fouten lastig recht te zetten zijn en vrijwel altijd te laat ontdekt worden.
Uit de eerste twee punten volgt dat ik een groot voorstander ben van uitdagend onderwijs waar studentenzelf actief bezig zijn met de stof. Het is echter zeker niet eenvoudig om kwalitatief goed project/probleemgestuurd onderwijs te ontwikkelen. Vaak zijn er een aantal spanningsvelden aanwezig waar rekening meegehouden dient te worden waardoor dit bemoeilijkt wordt. Een aantal voorbeelden hiervan zijn bijvoor-beeld
1. Bij het vak dienen opdrachten gemaakt te worden die eventueel ingeleverd dienen te worden doorstudenten. Om de leerstof eigen te kunnen maken hebben studenten oefenmateriaal (inclusief ant-woorden) nodig. Echter, hierdoor kunnen antwoorden in omloop komen, met name als opdrach-ten elk jaar weinig veranderen. Elk jaar een volledig nieuwe opdracht bedenken vergt echter meerinspanning van de docent en doorbreekt mogelijk het cyclische proces van onderwijsvernieuwing[Wolfhagen et al., 2002].
2. Bij een vak wordt gebruik gemaakt van software. Als we een link willen maken met actueel weten-schappelijk onderzoek, dan zal deze software heel vaak nog in ontwikkeling zijn. Hierdoor kunnenstudenten slachtoffer worden van gebreken in de software.
3. Architecturen en/of oplossingsstrategieen die tijdens een college worden behandeld zijn dermatesimpel dat de uitvoering van een practicum weinig toevoegd aan de behandelde theorie. De vraagis wanneer we theorieen moeten gaan koppelen aan practica voor het verwerven van nieuwe vaar-digheden. Vanuit mijn eigen ervaring en signalen tijdens de BKO-cursus, blijkt dat studenten somsenkel geınteresseerd zijn in de achterliggende theoretische concepten van een onderwerp, maar nietgeınteresseerd zijn om die theoretische kennis in vaardigheden om te zetten.
Dit is zeker geen volledige opsomming van oorzaken, maar geeft wel aan dat er zeer goed nagedachtmoet worden over de invulling van het onderwijs. Al met al zijn er geen pasklare oplossingen voor hetontwerpen van ons onderwijs, maar moeten we onderwijs beschouwen als iets waar we continu aan moetenwerken. (Zo maak ik bijvoorbeeld in mijn eigen onderwijs gebruik van het inleveren van opdrachten,waarvan redelijk eenvoudig nieuwe varianten gemaakt kunnen worden. Bovendien zijn deze opdrachten ineen redelijke tijd te maken en dienen ze als opstapje voor het tentamen waarin soortgelijke vragen gesteldzullen gaan worden.)
5
3 Reflectie Verslag
3.1 Competenties als uitvoerderOver de jaren heb ik substantiele ervaring opgedaan met het uitvoeren van onderwijs (zie CV). Omdat ikhet leuk vond om problemen te analyseren en uit te werken met studenten ben ik student assistent gewordenen ben ik daardoor in mijn loopbaan al vroeg betrokken geweest bij het onderwijs. Naast mijn onderwijs-activiteiten heb ik veel vakinhoudelijke kennis opgedaan door twee studies af te ronden en te publicerenin tijdschriften en conferentie proceedings (cf. bewijsstuk #1). Door deze activiteiten ben ik nu breedinzetbaar in de voornaamste werkvormen binnen het onderwijs zoals dat gegeven word bij Informaticaen verwante opleidingen, in het bijzonder het geven van hoorcolleges, werkcolleges en/of practica, en debegeleiding van studenten.2 Hieronder zal ik mijn uitvoering van hoorcolleges en werkcolleges/practicanader toelichten.
3.1.1 Hoorcolleges
Zoals ik eerder aangaf in mijn onderwijs visie heb ik al vroeg ervaring opgedaan met presenteren doorhet geven van presentaties op conferenties en op het colloquium van de vakgroep. Bovendien heb ikdaarnaast verscheidene gastcolleges verzorgd voor het vak ‘Research & Development 2’ en ben ik geregeldbetrokken geweest bij wervingsactiviteiten voor scholieren. Sinds 2007 is mijn aandeel in het geven vanhoorcolleges aanzienlijk gestegen doordat ik verantwoordelijk werd voor het vak ‘Design of Multi-AgentSystems’. In plaats van 1 college moest ik hiervoor een serie van colleges opzetten waarvoor ik me delesstof nog eigen moest maken en moest ik aansluiting zoeken bij vakken die worden gegeven aan eenandere faculteit. Tevens moest er voldoende oefenmateriaal gemaakt worden zodat mijn studenten destof actief eigen konden maken (zie ook Sectie 3.2). Verder heb ik in 2009 vijf colleges gegeven voorhet vak Datamining wat ik tevens heb laten beoordelen door mijn coach toegewezen door IOWO (cf.bewijsstuk #4).
Bewijsstukken: Voor de vakken ‘Design of Multi-Agent Systems/Robotica 2’ en ‘Datamining’ lever ikde volgende bewijsstukken:
• Publicaties (#1)• Enquete resultaten (#12, #13)• Slides Hoorcollege Robotica 2 (#3)• Feedback Hoorcollege Datamining (#4)• Evaluatie Collega Robotica 2 (#16)
Validatie: Het vak ‘Design of Multi-Agent Systems/Robotica 2’ is geevalueerd m.b.v. een enquete (cf.bewijsstuk #12). De uitslagen van de vragen die relevant zijn voor de hoorcolleges zijn als volgt (met gem.= gemiddelde op een 5-punts Likertschaal, sd = standaard deviatie, en n = aantal respondenten (max 29)):
Nr Vraag Gem. Sd n20. Ik vind de docent Perry Groot de stof tijdens de colleges op overzichtelijke
wijze aanbiedt.2,9 0,9 19
21. Ik vind dat de docent Perry Groot in de colleges helder en eenvoudig formu-leert
3,0 0,9 19
22. Ik vind dat de docent Perry Groot zich er van vergewist of de studentenzijn/haar betoog kunnen volgen
2,9 0,9 19
23. Ik vind dat de docent Perry Groot vragen van studenten adequaat beantwoordt 3,2 0,9 19
Uit de enquete blijkt dat mijn studenten mijn hoorcolleges als voldoende te beoordelen maar dat er ruimteis voor verbetering. In 2008/2009 waren de enquete resultaten nog iets hoger (cf. bewijsstuk #14):
2Onder werkcollege versta ik het klassikaal werken aan en bespreken van opgaven. Onder practicum versta ik het in groepjeszelfstandig werken aan een probleem.
6
Nr Vraag Gem. Sd n20. Ik vind de docent Perry Groot de stof tijdens de colleges op overzichtelijke
wijze aanbiedt.3,2 1,1 9
Zelfreflectie: De klassieke invulling van een hoorcollege met daarnaast een werkcollege of practicumsluit niet goed aan bij mijn visie van effectief lesgeven. Als studenten enkel hoeven te luisteren naarhet verhaal van een docent zijn ze slechts passief met de lesstof bezig en mijn ervaring is dat er danmeestal weinig van blijft hangen. Vandaar dat ik er voor gekozen heb om beide vormen meer met elkaar teintegreren. Voor het vak ‘Design of Multi-Agent Systems’ hebben we het aantal hoorcolleges teruggebrachttot 8, waarbij de studenten tijdens de colleges kleine opdrachten moesten uitvoeren. Tevens was er naafloop een werkcollege waarin we uitsluitend (grotere) opdrachten hebben gemaakt. De integratie vanwerkcollege opdrachten met het hoorcollege is mijzelf goed bevallen. Wel heb ik gemerkt dat het voormijzelf belangrijk is om duidelijk van te voren in te plannen welke vragen ik wil stellen en hoeveel tijd ikhiervoor wil reserveren, want anders heb ik de neiging om te snel het antwoord te geven. Een ander puntvan kritiek op de invulling van de hoorcolleges is de samenhang tussen theorie en praktijk (cf. enqueteresultaten in bewijstuk #13). Hiervoor zet ik mijn vakinhoudelijke deskundigheid en onderzoeksexpertisein, door relaties te leggen tussen wetenschappelijke theorieen en de actuele praktijk. Dit blijft voor mijeen belangrijk aandachtspunt, met name omdat ik niet van nature een enthousiasmerend persoon ben, engoedgekozen verbanden met de praktijk sterk bij kunnen dragen bij het wekken van interesse bij studentenvoor een bepaald vak. Uit de feedback van een collega (zie bewijsstuk #16) en uit de feedback van IOWO opeen meer recentelijk door mij gegeven college voor datamining (zie bewijsstuk #4) waarin mijn college overhet algemeen als goed werd beoordeeld, kwam dit ook naar voren als punten voor verdere ontwikkeling.Om me hierin verder te ontwikkelen heb ik de cursus ‘theatertechnieken in de wetenschap’ gevolgd en hebdeze onlangs afgerond.
3.1.2 Werkcolleges / Practica
Al sinds 1996 ben ik betrokken geweest bij het geven van meerdere werkcolleges en practica. Als student-assistent in Amsterdam vond ik het al leuk om studenten te helpen bij het analyseren en uitwerken vanproblemen tijden werkcolleges.
Bewijsstukken: Voor het vak ‘Design of Multi-Agent Systems’ lever ik de volgende bewijsstukken:
• Enquete resultaten (#12, #13)• Enquete resultaten ‘Lerende en Redenerende Systemen 2006/2007’ (zie hieronder)• Evaluatie Collega Robotica 2 (#16)
Validatie: Het vak is geevalueerd m.b.v. een enquete (cf. bewijsstuk #12). De uitslagen van de vragendie relevant zijn voor de cursusdoelen, leertaken en toetsen zijn als volgt (met gem. = gemiddelde op een5-punts Likertschaal, sd = standaard deviatie, en n = aantal respondenten (max 29)):
Nr Vraag Gem. Sd n23. Ik vind dat de docent Perry Groot vragen van studenten adequaat beantwoord 3,2 0,9 1924. De docent Perry Groot is bereikbaar als ik hem/haar nodig heb 3,5 0,7 1925. Ik vind de docent Perry Groot bekwaam in het begeleiden van studenten 3,1 0,9 19
Uit deze enquete blijkt dat mijn studenten de practica als goed te beoordelen, maar dient men er reke-ning mee te houden dat er bij dit vak geen duidelijk onderscheid was tussen de vormen hoorcollege enwerkcollege. Bij andere vakken met een duidelijke scheiding tussen college en werkcollege werden dewerkcolleges altijd goed beoordeeld. De volgende uitspraken komen bijvoorbeeld uit de enquete van hetvak ‘Lerende en Redenerende Systemen 2006/2007’:
- Perry Groot: goed uitleggen, beter in bordgebruik (t.o.v. andere docent), te veel opgavenopgeven
- Perry Groot: behulpzaam, geeft prima uitleg
7
Bij het vak ‘Intelligente Systemen 2007/2008’ kwam dit ook naar voren. Het was duidelijk dat de studentenniet helemaal tevreden waren over de gang van zaken bij dit vak, maar bij navraag gaven ze aan dat dewerkcolleges juist wel goed gegeven werden. Mijn aandeel in dit vak beperkte zich tot het geven van dewerkcolleges.
Zelfreflectie: Omdat werkcolleges specifiek gericht zijn op het maken van opgaven sluiten ze goed aanbij mijn visie op goed onderwijs geven. Om er voor te zorgen dat studenten daadwerkelijk opgaven makenen niet bijvoorbeeld uitwerkingen van het bord copieeren kies ik in mijn werkwijze van werkcollegesbegeleiden bewust voor een activerende rol. Dit betekent dat opgaven aan studenten worden doorgespeelden dat zij geacht worden om de uitwerkingen op het bord te zetten, die ik vervolgens ofwel zelf naloopen van feedback voorzie of dat ik om een ‘peer review’ vraag van de andere studenten. Ik zorg er welvoor dat studenten voldoende oefening gehad hebben (o.a. door voorbeelden) voordat ze een opgave ophet bord moeten zetten en dat ze feedback van andere studenten kunnen vragen als ze er bijvoorbeeld zelfniet uit komen om zo onderlinge discussie te faciliteren en een veilige sfeer te creeeren. Deze aanpak blijktin de praktijk zeer gewaardeerd te worden door mijn studenten, aangezien het is voorgekomen dat eenaantal studenten al ijverig uitwerkingen op het bord aan het maken waren voordat ik de zaal had betreden.Kennelijk stimuleert deze aanpak de interesse van studenten om te leren en actief bezig te zijn met destof. Aandachtspunten zijn met name nog het duidelijk herhalen van individuele vragen voor de overigestudenten en het verifieren of gegeven antwoorden voldoende zijn of dat ze nog nader toegelicht moetenworden. Bovenstaande opmerkingen over het vak ‘Lerende en redenerende systemen’ bevatten verder nietecht punten van kritiek. De opkomst bij werkcolleges is immers niet verplicht, dus studenten kunnen zoveelopgaven maken als ze zelf willen. Aangezien een student toch de kritiek geuit heeft dat er teveel opgavengemaakt dienden te worden, moet er kennelijk beter gecommuniceerd worden wat studenten en docentenvan elkaar mogen verwachten.
3.2 Competenties als ontwikkelaarSamen met een collega heb ik in 2007/2008 het vak ‘Design of Multi-Agent Systems’ gegeven net zoalsin 2008/2009, maar dan onder de noemer ‘Robotica 2’. Dit vak bestaat uit een theorie gedeelte en eenpraktijkgedeelte. Het theorie gedeelte bestaat uit 8 colleges waarin concepten aan de orde komen diegerelateerd zijn aan multi-agent systemen. In het praktijkgedeelte krijgen groepjes van 3 of 4 studenten deopdracht een multi-agent systeem te bouwen m.b.v. Mindstorms Lego robots.
Bewijsstukken: Voor het vak ‘Design of Multi-Agent Systems’ lever ik de volgende bewijsstukken:
• Didactisch ontwerp (#2)• Leertaken (#9)• Uitwerkingen leertaken (#10)• Toetsen (#5, #6)• Antwoordschema toets (#7)• Kwaliteitscontrole toets (#8)• Enquete resultaten (#12, #13, #15)• Evaluatie Collega Robotica 2 (#16)
Validatie: Het vak is geevalueerd m.b.v. een enquete (cf. bewijsstuk #12). De uitslagen van de vragendie relevant zijn voor de cursusdoelen, leertaken en toetsen zijn als volgt (met gem. = gemiddelde op een5-punts Likertschaal, sd = standaard deviatie, en n = aantal respondenten (max 29)):
8
Nr Vraag Gem. Sd n2. Ik ben geheel op de hoogte van de leerdoelen van deze cursus 3,8 0,5 199. De onderwijsactiviteiten in deze cursus hebben mij geholpen de leerdoelen te
bereiken3,9 0,4 19
10. Ik vind dat de samenhang tussen de verschillende taken en opdrachten in dezecursus helder is
3,6 0,7 19
15. De zwaarte van de toets is precies goed 3,6 0,7 1916. De toetsing past bij de leerdoelen van de cursus 3,8 0,6 1917. De toets sluit aan bij de stof 4,2 0,5 1918. Ik vind dat de beoordelingscriteria van de toetsing duidelijk zijn 3,9 0,6 1934. De organisatie van de toets (tijd, ruimte, omstandigheden) was goed 4,3 0,7 1935. Het studiemateriaal voor de toets was op tijd bekend 4,3 0,6 19
Uit de enquete blijkt dat mijn studenten de onderdelen leerdoelen, leertaken en toetsen als (zeer) goedbeoordelen. Tevens voldoet de toetsing aan alle criteria die aangereikt zijn in de reader ‘Kwaliteits criteriatoetsing (BKO6)’ (cf. bewijsstuk #8).
De huidige opzet van dit vak sluit direct aan bij mijn in hoofdstuk 2 beschreven visie over effectief leren:Effectief leren bereik je door voldoende voorbeelden beschikbaar te stellen en studenten opgaven te latenmaken zodat ze actief bezig zijn om de stof eigen te maken. Ondanks protesten van studenten aan het beginvan het vak over de schoolse opzet, blijkt (o.a. uit de team-enquete met open vragen in bewijsstuk #13)dat deze studenten achteraf juist deze opzet enorm waardeerden. Met name omdat alle leertaken, door mij,van uitgebreide feedback werd voorzien. Hoewel dit meer inspanning vereist van zowel docent als studentgeeft dit beide partijen meer voldoening. Tevens resulteert deze wijze van doceren in een serie van stappenwaarin
1. de student actief oefent met de stof (voorbeelden + leertaken),2. de student feedback ontvangt (uitwerkingen + commentaar ingeleverd werk), en3. de student zijn activiteiten kan herhalen (tentamen),
zodat de student voldoende gefaciliteerd wordt om aan te tonen over de benodigde vaardigheden te be-schikken.
Zelfreflectie: Zoals beschreven in mijn onderwijs visie is het om goede kwaliteit te leveren in mijn ogennoodzakelijk dat toetsen gescreend worden door andere docenten. De moeilijkheidsgraad van een, doormij gemaakte, opgave inschatten bleek moeilijker dan ik aanvankelijk dacht. Hier heb ik mij enkele malenop verkeken. Door mij zelf te laten toetsen door een mede docent bleek dat het overschatten afnam. Ik hebhierdoor meer inzicht gekregen in de moeilijkheidsgraad van de opgaven die ik voor mijn studenten maak.
Het laten inleveren van leertaken heeft aanzienlijk bijgedragen tot een kwalitatief goede toets. Hierdoorkan ik een goede inschatting maken van het niveau van mijn studenten en wordt mij duidelijk waar ereventueel knelpunten zijn in de formulering van de door mij gemaakte leertaken, die de basis vormen voorde toets. Zo heb ik de formulering van verscheidene leertaken verbeterd t.o.v. de resultaten van het jaarervoor. Bijvoorbeeld in de leertaken in bewijsstuk #9 zijn er bij opgave 6.2 voorbeelden toegevoegd, is erbij opgave 7.1 extra uitleg toegevoegd over de centrale agent, is opgave 8.2 vereenvoudigd, en is opgave12.6 toegevoegd vanwege de uitdagende moeilijkheidsgraad. Aandachtspunten zijn en blijven met namede volgorde van onderdelen van een opgave (deze moeten bij voorkeur zo geformuleerd worden dat latereonderdelen onafhankelijk zijn van eerdere onderdelen3) en herhaling van de criteria die we stellen aan deuitwerkingen (het blijkt onvoldoende om dit in een keer boven de opgave te vermelden of alleen bij heteerste onderdeel). Verder heb ik gemerkt dat voor het creeeren van een serie van uitdagende leertaken entoetsvragen het verstandig is om ook veelvuldig van bestaande bronnen gebruik te maken (o.a. raadplegenvan internet en het polsen van andere docenten).
Tijdens de BKO-cursus werd ik bewust van de noodzaak om een link te leggen tussen de toetsvragen ende gestelde cursusdoelen. Hoewel ik me hiervan eerst niet bewust was bleek na toetsing dat ik dit in mijnwerkwijze al regelmatig toepaste (cf. bewijsstuk #8). De cursus is voor mij een reminder om hier bewustmee om te blijven gaan.
3Zo komt bijvoorbeeld in vraag 5 van de toets in bewijsstuk #6 onderdeel a voor b en c zodat het gegeven model in b onafhankelijkgebruikt kan worden van het gevraagde model in a.
9
3.3 Competenties als organisatorBewijsstukken: Voor het vak ‘Design of Multi-Agent Systems’ lever ik de volgende bewijsstukken:
• Enquete resultaten (#12, #13)• Evaluatie Collega Robotica 2 (#16)
Validatie: Uit de enquete resultaten blijkt dat de studenten het vak over het algemeen als goed te beoor-delen (Eindcijfer 7,4, standaard deviatie 0,8). De onderdelen die minder scoorden waren de volgende:
Nr Vraag Gem. Sd n7. Ik vind dat er in deze cursus een duidelijke koppeling is met wetenschappelijk
onderzoek3,2 1,1 19
13. De tijdsplanning van deze cursus interfereert niet met andere door mij te vol-gen studieonderdelen
2,8 1,1 19
20. Ik vind dat de docent Perry Groot de stof tijdens de colleges op overzichtelijkewijze aanbiedt
2,9 0,9 19
21. Ik vind dat de docent Perry Groot in de colleges helder en eenvoudig formu-leert
3,0 0,9 19
22. Ik vind dat de docent Perry Groot zich er van vergewist of de studentenzijn/haar betoog kunnen volgen
2,9 0,9 19
23. Ik vind dat de docent Perry Groot vragen van studenten adequaat beantwoord 3,2 0,9 19
Zelfreflectie: Een nadeel van de individuele enquete is dat de resultaten hiervan geisoleerde uitkomstenkunnen geven. Om een globaler beeld te krijgen heb ik daarom bovenop de individuele enquete een enquetegehouden die ingevuld diende te worden door groepjes van studenten [Felder, 1993]. Aangezien ik voorhet eerst verantwoordelijk was voor het vak ‘Design of Multiagent Systems’ en omdat ik me afvroeg ofde gekozen opzet, die we grondig hadden aangepast t.o.v. voorgaande jaren, in orde was, heb ik ervoorgekozen om deze aspecten na te gaan bij de studenten. Om op basis van een groepsevaluatie mogelijkeverbeteracties op te kunnen stellen heb ik gekozen voor een aantal open vragen, aangezien dit naar mijnmening vaak de beste feedback oplevert en zwakke/sterke punten kan identificeren die een docent over hethoofd kan zien. Op basis van de resultaten van deze 2 enquetes heb ik een aantal acties ondernomen omhet vak te verbeteren.
Allereerst hebben we het vak verplaatst van het voorjaar na het najaar. Omdat het vak een behoorlijktijdsintensief practicum heeft, interfereerde dit met het practicum Neurale Netwerken dat in het voorjaargegeven word. In het najaar hebben de studenten geen intensieve practica waardoor de tijdsplanning veelbeter zou moeten verlopen. Ten tweede hebben we een docent gevraagd om een gastcollege over ‘con-current programming’ te geven. Tijdens het gastcollege kunnen wetenschappelijke strategieen (criticalsections, deadlocks, starvation) worden besproken, die waarschijnlijk van pas kunnen komen tijdens hetpracticum. Tevens hebben we extra opdrachten gegeven voor het practicum zoals het uitwerken van decalibratie van sensoren en de communicatie van de robots. Deze onderdelen kunnen veel problemen geventijdens de uitvoering van het practicum en zo komen de studenten al in een vroeg stadium in aanraking metdeze problemen. De derde verbetering van het vak was een betere structurering van mijn colleges. Zo hebik een college over modale logica in twee colleges gesplitst omdat het voor studenten een lastig onderwerpbleek. Tevens heb ik de volgorde van de colleges veranderd en de colleges over modale logica vooraangeplaatst zodat studenten langer de tijd hebben om de materie te bestuderen. Omdat het tentamen vrij snelvolgt op het laatste college verhoogt dit de studeerbaarheid voor studenten. Tenslotte heb ik de website vanhet vak verbeterd door deze te structureren. De leerdoelen en de leertaken van de verschillende collegesheb ik uitgewerkt en zijn nu on-line beschikbaar zodat studenten een duidelijk beeld hebben wat er van hunverlangd wordt.
3.4 Reflectie op de onderwijsrollenIn dit verslag heb ik me voornamelijk gericht op het vak ‘Design of Multi-Agent Systems’ omdat ik indit vak alle drie rollen van uitvoerder, ontwikkelaar en organisator heb uitgevoerd. Momenteel is het vak
10
‘Design of Multi-Agent Systems’ voor de tweede keer gegeven en wordt beter beoordeeld t.o.v. het jaardaarvoor (Eerste keer eindcijfer 7,4, standaard deviatie 0,8; tweede keer eindcijfer 7,8, standaard deviatie1,0). Een aantal van de gestelde verbeteracties hebben geleid tot een duidelijke verbetering van het vak.Hieronder zal ik de verschillende onderwijsrollen beschrijven aan de hand van de competenties uit het BKOdocentprofiel.
Competentie 1: ‘het inzetten van (vak)inhoudelijke deskundigheid ten behoeve van het academischonderwijs’ blijkt direct uit mijn CV, mijn publicaties (cf. bewijsstuk #1) en de feedback op een collegedoor het IOWO (cf. bewijsstuk #4). Het blijft echter wel moeilijk om buiten de stof te treden tijdensbijvoorbeeld een college. Competentie 2: ‘het breed inzetbaar zijn in de voornaamste werkvormen in hetacademisch onderwijs’ blijkt uit de vele colleges, werkcolleges, practica, student begeleiding en responsiecolleges die ik in de loop der tijd heb gegeven (cf. CV). Met name de werkcolleges en practica worden overhet algemeen als zeer goed beoordeeld (cf. Sectie 3.1.2). De hoorcolleges kunnen echter nog verbeterdworden (cf. Sectie 3.1.1). Mijn belangrijkste leerdoel hiervoor is het enthousiast maken en motiveren vanstudenten tijdens mijn colleges. Om dit aan te pakken wil ik mezelf meer verdiepen in de MBTI [Fairhurst,1995, Lawrence, 1993] en wil ik gebruik maken van ondersteuning die gegeven wordt door de Radbouduniversiteit bij loopbaanontwikkeling. (Zij hebben me bijvoorbeeld gewezen op de mogelijkheid om decursus ‘theatertechnieken in de wetenschap’ te volgen.) Competentie 3: ‘het inrichten van doelgerichte uit-dagende leeromgevingen’ werd door de studenten als zeer goed beoordeeld (cf. Sectie 3.2). Competentie4: ‘Actief bijdragen aan de kwaliteit van het docentschap en van de eigen onderwijsorganisatie’ volgt uitmijn uitgesproken visie over de wijze waarop effectief onderwijs gegeven wordt en hoe dit als een rodedraad door mijn eigen onderwijs loopt. Tevens volgt dit uit de verbeteringen die ik heb voorgesteld enheb doorgevoerd voor het vak ‘Design of Multi-Agent Systems’ (cf. bewijsstuk #16). Tussen het eerste entweede jaar waarin het gegeven werd en bijvoorbeeld uit voorgestelde verbeteringen van onderwijs gegevenaan collega’s (e.g., verheldering van vakinhoud op het web voor het vak ‘Lerende en Redenerende Syste-men’ door de criteria van verschillende opdrachten duidelijk op te splitsen). Competentie 5: ‘het kritischreflecteren op het eigen handelen en op de eigen ontwikkeling als docent’ volgt direct uit dit portfolio, deontwikkeling die ik heb gemaakt als docent – met name de laatste paar jaar waarin ik verantwoordelijkben geweest voor alle facetten van het vak ‘Design of Multi-Agent Systems’ – en de stappen die ik hebondernomen en de geplande stappen die ik nog ga ondernemen om het onderwijs kwalitatief te verbeteren.De geplande verbeteringen zullen zich met name richten op het verbeteren van mijn hoorcolleges.
ReferentiesW.E. Cashin. Student Ratings of Teaching: The Research Revisited. IDEA paper no. 32, Center for Faculty
Evaluation & Development, Kansas State University, 1995.
A. Fairhurst. Effective Teaching, Effective Learning: Making the Personality Connection in Your Class-room. Intercultural Press, 1995.
R. Felder. What Do They Know, Anyway? Chem. Engr. Education, 26(3):134–135, 1992.
R. Felder. What Do They Know, Anyway? 2. Making Evaluations Effective. Chem. Engr. Education, 27(1):28–29, 1993.
G. Lawrence. People Types and Tiger Stripes. Center for Applications of Psychological Type, 1993.
W.J. McKeachie. Student Ratings: The Validity of Use. Am. Psychol., 52(11):1218–1225, 1997.
I. Wolfhagen, D. Dolmans, T. Bastiaens, and A. Scherpbier. Interne kwaliteitszorg in ontwikkeling. WoltersNoordhoff, 2002.
11
4 Bewijsstukken
Overzicht#1 Publicaties#2 Didactisch Ontwerp Design of Multi Agent Systems / Robotica 2#3 Slides Hoorcollege Robotica 2#4 Feedback Hoorcollege Datamining#5 Toets 16-06-2008 Design of Multi Agent Systems#6 Toets 21-11-2008 Robotica 2#7 Antwoordschema toets 21-11-2008 Robotica 2#8 Kwaliteits controle toets 21-11-2008 Robotica 2#9 Leertaken Robotica 2
#10 Uitwerkingen leertaken Robotica 2#11 Organisatie Cursus Internetpagina’s#12 Enquete Design of Multi Agent Systems#13 Team-enquete Design of Multi Agent Systems#14 Enquete Robotica 2#15 Team-enquete Robotica 2#16 Evaluatie Collega
12
Publication
sP.C
.G
root
2010
Con
ference
1.P
erryG
root,Adriana
Birlutiu,T
omH
eskes.B
ayesianM
onteC
arlofor
theG
lobalO
ptimization
ofE
xpensiveFunctions,
19thE
uropeanC
onferenceon
Artificial
Intelligence(E
CA
I),2010.
Journ
al
2.A
drianaB
irlutiu,P
erryG
root,T
omH
eskes.M
ulti-taskpreference
learn-ing
with
anapplications
tohearing-aid
personalization,N
eurocomputing,
Volum
e73,
Issues7-9,
Pages
1177-1185,2010.
2009
Con
ference
3.A
drianaB
irlutiu,P
erryG
root,and
Tom
Heskes.
Multi-T
askP
referenceL
earningw
ithG
aussianP
rocesses(E
xtendedabstract),
BN
AIC
,2009.
4.A
drianaB
irlutiu,P
erryG
root,and
Tom
Heskes.
Multi-T
askP
referenceL
earningw
ithG
aussianP
rocesses,E
SAN
N,
2009.
2008
Journ
al
5.P
erryG
root,Arjen
Hom
mersom
,Peter
Lucas,R
obbertJan
Merk,A
nnetteten
Teije,
Frankvan
Harm
elen,and
Radu
Serban.U
singM
odelC
heck-ing
forC
ritiquingbased
onC
linicalG
uidelines,A
rtificialIntelligence
inM
edicine,46(1):19–35,
2008.
Book
Chap
ter
6.A
rjenH
omm
ersom,P
erryG
root,MichaelB
alser,andP
eterL
ucas.Form
alM
ethodsfor
Verification
ofC
linicalP
racticeG
uidelines,In
Aten
Teije,
S.Miksch,and
P.J.F.L
ucas,editors,Com
puter-basedM
edicalGuidelines
andP
rotocols:A
Prim
erand
Current
Trends,
volume
139of
Studiesin
1
Health
Technology
andInform
atics,C
hapter4,
pages63-80.
IOS
Press,
2008.
7.P
erryG
root,Arjen
Hom
mersom
,andP
eterL
ucas.A
daptationofC
linicalP
racticeG
uidelines,In
Aten
Teije,
S.M
iksch,and
P.J.F.
Lucas,
editors,C
omputer-based
Medical
Guidelines
andP
rotocols:A
Prim
erand
Cur-
rentT
rends,volume
139ofStudies
inH
ealthT
echnologyand
Informatics,
Chapter
7,pages
121-139.IO
SP
ress,2008.
8.A
rjenH
omm
ersom,
Perry
Groot,
Peter
Lucas,
Mar
Marcos,
andB
egonaM
artınez-Salvador.A
Constraint-based
Approach
toM
edicalG
uidelinesand
Protocols,
InA
tenT
eije,S.
Miksch,
andP.J.F
.L
ucas,editors,
Com
puter-basedM
edicalG
uidelinesand
Protocols:
AP
rimer
andC
ur-rent
Trends,volum
e139
ofStudiesin
Health
Technology
andInform
atics,pages
213-222.IO
SP
ress,2008.
Tech
icalR
eport
9.P
erryG
root,T
omH
eskes,T
jeerdM
.H.
Dijkstra.
Nonlinear
perceptionof
hearing-impaired
peopleusing
preferencelearning
with
Gaussian
Pro-
cesses,T
echnicalR
eportIC
IS-R08018,
Radboud
University
Nijm
egen,2008.
2007
Journ
al
10.P
erryG
root,C
ristianG
ilissen,and
Michael
Egm
ont-Petersen.
Error
Probabilities
forL
ocalExtrem
ain
Gene
Expression
Data,P
atternR
ecog-nition
Letters,28(15):2133–2142,
2007.
11.A
rjenH
omm
ersom,P
erryG
root,Peter
Lucas,M
ichaelBalser,and
JonathanSchm
itt.V
erificationof
MedicalG
uidelinesusing
Background
Know
ledgein
Task
Netw
orks,IEE
ET
ransactionson
Know
ledgeand
Data
Engineer-
ing,19(6):832–846,
June2007.
12.A
rjenH
omm
ersom,P
erryG
root,Peter
Lucas,M
ichaelBalser,and
JonathanSchm
itt.C
ombining
Task
Execution
andB
ackgroundK
nowledge
forthe
Verification
ofM
edicalG
uidelines.K
nowledge-B
asedSystem
s,20(2):113-
119,2007.
Con
ference
13.P
erryG
root,Ferry
Bruijsten,
andM
artijnO
ostdijk.P
atientD
ataC
onfi-dentiality
Issuesofthe
Dutch
Electronic
Health
Care
Record,P
roceedingsof
the19th
Belgian-D
utchC
onferenceon
ArtificialIntelligence
(BN
AIC
),151-157,
2007.
#1 Publicaties
13
14.P
erryG
root,Arjen
Hom
mersom
,Peter
Lucas,R
aduSerban,A
nnetteten
Teije,and
Frankvan
Harm
elen.T
heR
oleofM
odelChecking
inC
ritiquingbased
onC
linicalGuidelines.
InR
.Bellazzi,A
.Abu-H
anna,andJ.H
unter(editors),
11thC
onferenceon
Artificial
Intelligencein
Medicine,
number
4595in
LN
AI,
pages411–420,
Springer-Verlag
Berlin
Heidelberg,
2007.
15.P
erryG
root,Arjen
Hom
mersom
,Peter
Lucas,M
ichaelBalser,and
JonathanSchm
itt.E
xperiencesin
Quality
Checking
Medical
Guidelines
usingFor-
mal
Methods,
VV
SS,164-178,
2007.
16.M
auriceSam
ulski,N
icoK
arssemeijer,
Peter
Lucas,
andP
erryG
root.C
lassificationof
mam
mographic
masses
usingsupport
vectorm
achinesand
Bayesian
networks.
InN
.Karssem
eijerand
M.L
.Giger,editors,P
ro-ceedings
ofSP
IEM
edicalIm
aging.SP
IEO
pticalSociety,
2007.
2006
Con
ference
17.A
rjenH
omm
ersom,P
erryG
root,Peter
Lucas,M
ichaelBalser,and
JonathanSchm
itt.C
ombining
Task
Execution
andB
ackgroundK
nowledge
forthe
Verification
ofM
edicalG
uidelines.In
M.
Bram
er,F
.C
oenen,and
A.
Tuson,eds,P
roceedingsof
AI-2006,
the26th
SGA
IInternationalC
onfer-ence
onInnovative
Techniques
andA
pplicationsof
Artificial
Intelligence,num
berX
XIII
inR
esearchand
Developm
entin
IntelligentSystem
s,pages3-16,
Springer,2006.
18.C
ristianG
ilissen,Perry
Groot,P
eterL
ucas,JorisV
eltman,A
dG
eurtsvan
Kessel,and
MichaelE
gmont-P
etersenP
redictionof
protein-to-proteinin-
teractions.In
InternationalConference
onA
dvancesin
Microarray
Tech-
nology(A
MT
2006),2006.
19.A
rjenH
omm
ersom,
Perry
Groot,
andP
eterL
ucas.C
heckingG
uidelineC
onformance
ofM
edicalP
rotocolsusing
Modular
Model
Checking.
InP
roceedingsof
the18th
Belgium
-Netherlands
Conference
onA
rtificialIn-
telligence(B
NA
IC’06),
pages173–180,
2006.
20.A
rjenH
omm
ersom,
Perry
Groot,
Peter
Lucas,
Mar
Marcos,
andB
eg-ona
Martinez-Salvador.
AC
onstraint-basedA
pproachto
Medical
Guide-
linesand
Protocols.
InE
CA
I2006
Workshop
–A
Itechniques
inhealth-
care:evidencebased
guidelinesand
protocols,pages
25-30,2006.
21.A
rjenH
omm
ersom,P
erryG
root,Peter
Lucas,M
ichaelBalser,and
JonathanSchm
itt.V
erificationof
Medical
Guidelines
usingT
askE
xecutionw
ithB
ackgroundK
nowledge.
In4th
Prestigous
Applications
ofIntelligent
Sys-tem
s(PA
IS2006),
pages835-836,
2006.
2005
Journ
al
22.P
erryG
root,Annette
tenT
eije,andFrank
vanH
armelen.
AQ
uantitativeA
nalysisof
theR
obustnessof
Know
ledge-Based
Systems
Through
Degra-
dationStudies.
InK
nowledge
andInform
ationSystem
s(K
AIS),
volume
7,pages
224–245,Springer-V
erlagL
ondonL
td.,2005.
Con
ference
23.H
olgerW
ache,P
erryG
root,H
einerStuckenschm
idt.Scalable
InstanceR
etrievalfor
theSem
anticW
ebby
Approxim
ation.In
M.
Dean
etal.,
editor,W
ISE2005
Workshops,
volume
3807of
LN
CS,
pages245–254,
Springer-Verlag
Berlin
Heidelberg,
2005.
24.P
erryG
root,H
einerStuckenschm
idt,and
Holger
Wache.
Approxim
at-ing
Description
Logic
Classification
forSem
anticW
ebR
easoning.In
A.
Gom
ez-Perez
andJ.
Euzenat,
editors,T
heSem
anticW
eb:R
esearchand
Applications:
2ndE
uropeanSem
anticW
ebC
onference,volum
e3532
ofL
ectureN
otesin
Com
puterScience,pages
318-332,Springer-Verlag
Berlin
Heidelberg,
2005.
2004
Con
ference
25.P
erryG
root,A
nnetteten
Teije,
andFrank
vanH
armelen.
Tow
ardsa
StructuredA
nalysisof
Approxim
ateP
roblemSolving:
aC
aseStudy
inC
lassification.In
D.
Dubois,
C.
Welty,
andM
.W
illiams,
editors,P
rinci-ples
ofKnow
ledgeR
epresentationand
Reasoning:
Proceedings
oftheN
inthInternational
Conference
(KR
2004),pages
399–406,W
histler,B
ritishC
olumbia,
Canada,
June2004,
AA
AI
Press.
2000
Con
ference
26.P
erryG
root,Frankvan
Harm
elen,andA
nnetteten
Teije.
Torture
Tests:
AQ
uantitativeA
nalysisfor
theR
obustnessofK
nowledge-B
asedSystem
s.In
R.
Dieng
andO
.C
orby,editors,
Proceedings
ofthe
Tw
elfthInterna-
tionalC
onferenceon
Know
ledgeE
ngineeringand
Know
ledgeM
anage-m
ent.M
ethods,Models,and
Tools
(EK
AW
2000),number
1937in
Lecture
Notes
inA
rtificialIntelligence,pages403–418,Juan-les-P
ins,France,Oc-
tober2000.
Springer-Verlag.
#1 Publicaties
14
1999
Con
ference
27.P
erryG
root,A
nnetteten
Teije,
andFrank
vanH
armelen.
Formally
Ver-
ifyingD
ynamic
Properties
ofK
nowledge
Based
Systems.
InD
.Fensel
andR
.Studer,
editors,P
roceedingsof
theE
leventhE
uropeanW
orkshopon
Know
ledgeA
cquisition,M
odeling,and
Managem
ent(E
KA
W1999),
number
1621in
Lecture
Notes
inA
rtificialIntelligence,
pages157–172,
Dagstuhl
Castle,
Germ
any,M
ay1999.
Springer-Verlag.
#1 Publicaties
15
Cursus
Robotica
2
Ontw
erper(s)Perry
Groot&
IdaSprinkhuizen-K
uyper
Doel
Na
afloopvan
decursus
‘Robotica
2’kunnende
deelnemers:
1.D
edoelen
enuitdagingen
beschrijvenvan
Multi-A
gentsystemen.
2.M
etModale
Logica
formeelredeneneren
overeigenschappenvan
kennisen
vantijd.
3.Speltheorie
toepassenvoorhetbegrijpen
vanbeslissingen
vanagenten
inm
ulti-agentinteracties.4.
Verschillende
technieken(veiling,
onderhandeling,argum
entatie)toepassen
voorhet
bereikenvan
eenovereenkom
sttussenagenten.
5.E
enprotocolopstellen
voorhetverdelenvan
takentussen
agenten.6.
Kansrekening
(regelvanB
ayes)gebruikenom
teredeneren
overonzekereacties/observaties.
Criteria
Outputcriteria:
•E
ententam
enw
aaruitblijktdatdestudentde
onderliggendetheoretische
conceptenbegrijpt
•E
enpracticum
resulterendin
eenverslag,im
plementatie,en
presentatievan
eenM
ulti-Agent
sys-teem
.
Handelingscriteria:
•G
oedesam
enwerking
binneneen
groeptijdens
hetpracticum•
Actieve
deelname
tijdenspresentatie
(vragenstellen,presenteren)
Voorkennis1.
Engelse
tekstenbegrijpend
kunnenlezen
2.Program
meerervaring
3.Z
owelpropositielogica
alspredicatenlogica
kunnengebruiken
omeigenschappen
teform
ulerenen
omelem
entaireredeneerstappen
tekunnen
maken
ToetsingH
eteindcijfer
word
bepaaldaan
dehand
vaneen
tentamen
met
openvragen
overde
stofbehandeld
inde
colleges(50%
)en
eenverslag
vanhetprakticum
(50%).
Een
vereisteis
echterdatde
bijdecolleges
uitgedeeldeopgaven
ingeleverdzijn
entenm
insteals
voldoendebeoordeeld
zijn.
Confrontatie
metleernoodzaak
Huisw
erkopdrachtendie
ingeleverdm
oetenw
orden.
Doelanalyse
Leeractiviteiten
Ondersteuning
1)D
edoelen
enuitdagin-
genbeschrijven
vanM
ulti-A
gentsystemen.
Practicum(keuze
enim
-plem
entatievan
eenm
ulti-agentprobleem
)
2uurcollege
(beschrijvingvan
doelstel-lingen
vak,werkw
ijze,voorbeeldenvan
practicumopdrachten),peerreview
2a)M
etModale
Logica
for-m
eelredeneneren
overei-
genschappenvan
kennis.
Huisw
erkopdrachten
112
uurcollege,12
uurklassikaalaanop-
drachtenw
erken,uitw
erkingen+
feed-back
huiswerk
opdrachten,artikelen2b)
MetM
odaleL
ogicafor-
meel
redenenerenover
ei-genschappen
vantijd.
Huisw
erkopdrachten
112
uurcollege,12
uurklassikaalaanop-
drachtenw
erken,uitw
erkingen+
feed-back
huiswerk
opdrachten.3)
Speltheorietoepassen
voorhet
begrijpenvan
beslissingenvan
agentenin
multi-agentinteracties.
Huisw
erkopdrachten
112
uurcollege,12
uurklassikaalaanop-
drachtenw
erken,uitw
erkingen+
feed-back
huiswerk
opdrachten.
4)V
erschillendetechnieken
(veiling,onderhandeling,ar-gum
entatie)toepassen
voorhet
bereikenvan
eenover-
eenkomsttussen
agenten.
Huisw
erkopdrachten
112
uurcollege,12
uurklassikaalaanop-
drachtenw
erken,uitw
erkingen+
feed-back
huiswerk
opdrachten,artikelen.
5)E
enprotocol
opstellenvoor
hetverdelen
vantaken
tussenagenten.
Huisw
erkopdrachten
112
uurcollege,12
uurklassikaalaanop-
drachtenw
erken,uitw
erkingen+
feed-back
huiswerk
opdrachten.6)
Kansrekening
(regelvan
Bayes)
gebruikenom
tere-
denerenover
onzekereac-
ties/observaties.
Huisw
erkopdrachten
112
uurcollege,12
uurklassikaalaanop-
drachtenw
erken,uitwerkingen,uitw
er-kingen
+feedback
huiswerk
opdrach-ten,artikelen.
#2 Robotica 2 2008/2009 Didactisch Ontwerp
16
Cha
pter
12:
Logi
csfo
rMul
tiA
gent
Sys
tem
s
Perr
yG
root
Inst
itute
forC
ompu
ting
and
Info
rmat
ion
Sci
ence
s,R
adbo
udU
nive
rsity
Nijm
egen
19S
epte
mbe
r200
8
Intro
duct
ion
Logi
cto
reas
onab
outk
now
ledg
ean
dbe
liefs
Gro
updy
nam
ics
(inte
ract
ion)
Com
mon
know
ledg
e
Mud
dyC
hild
ren
(1)
Sce
nari
o:Th
ere
are
nch
ildre
npl
ayin
gto
geth
er.
Dur
ing
thei
rpl
ayso
me
ofth
ech
ildre
n,sa
yk
ofth
em,g
etm
udon
thei
rfo
rehe
ads.
Eac
hca
nse
eth
em
udon
othe
rsbu
tnot
onhi
sow
nfo
rehe
ad.
Alo
ngco
mes
afa
ther
,who
says
,“A
tlea
ston
eof
you
has
mud
onyo
urhe
ad".
He
then
asks
the
follo
win
gqu
estio
n,ov
eran
dov
er:
“Can
any
ofyo
upr
ove
that
you
have
mud
onyo
urhe
ad?"
Ass
umin
gth
atal
lthe
child
ren
are
perc
eptiv
e,in
telli
gent
,tru
thfu
l,an
dth
atth
eyan
swer
sim
ulta
neou
sly,
wha
tw
illha
ppen
?
Mud
dyC
hild
ren
(2)
Alic
eB
obC
harli
e
Fath
er:
“Atl
east
one
ofyo
uis
mud
dy.”
Fath
er:
“Are
you
mud
dy?”
...
Mud
dyC
hild
ren
(3)
Alic
eB
obC
harli
e
Fath
er:
“Atl
east
one
ofyo
uis
mud
dy.”
Fath
er:
“Are
you
mud
dy?”
(firs
tque
stio
n)A
lice:
“Ido
n’tk
now
.”B
ob:
“Ido
n’tk
now
.”C
harli
e:“I
don’
tkno
w.”
Mud
dyC
hild
ren
(4)
Alic
eB
obC
harli
e
Fath
er:
“Are
you
mud
dy?”
(sec
ond
ques
tion)
Alic
e:“W
hati
fIw
asn’
tmud
dy?”
Alic
e:“T
hen
Bob
wou
ldn’
thav
ese
enm
uddy
kids
.”A
lice:
“Bob
wou
ldha
vere
spon
ded
hew
asm
uddy
last
time”
Alic
e:“T
here
fore
Imus
tbe
mud
dy.”
#3 Robotica 2 2008/2009 Slides Hoorcollege Robotica 2
17
Mud
dyC
hild
ren
(5)
Alic
eB
obC
harli
e
Fath
er:
“Are
you
mud
dy?”
(sec
ond
ques
tion)
Alic
e:“I
amm
uddy
.”B
ob:
“Iam
mud
dy.”
Cha
rlie:
“Ido
n’tk
now
.”
Mud
dyC
hild
ren
(6)
Alic
eB
obC
harli
e
Fath
er:
“Are
you
mud
dy?”
(third
ques
tion)
Alic
e:“I
amm
uddy
.”B
ob:
“Iam
mud
dy.”
Cha
rlie:
“Iam
notm
uddy
.”
Pro
posi
tiona
lLog
ic(1
)
prop
ositi
onal
varia
bles
,p,q
,r,.
..,e
.g.,
p=
“Ida
’sce
llph
one
ring
s”
q=
“Ida
give
sca
ndy”
Logi
calo
pera
tors
,∧,∨
,→,↔
,¬,.
..
p→
q=
“IfI
da’s
cell
phon
eri
ngs,
Ida
will
give
cand
y”
Pro
posi
tiona
lLog
ic(2
)
Trut
hTa
bles
pq
p→
q¬p
∨q
00
11
10
11
11
10
00
01
11
01
Sem
antic
equi
vale
nce
p→
q≡¬p
∨q≡¬q
→¬p
Par
enth
eses
,e.g
.,
p∨
q→¬r≡((
p∨
q)→(¬
r))≡(p∨(q→(¬
r)))
i.e.,
Ope
rato
rpre
cede
nce:¬,∧,∨,→
,↔.
Pre
dica
teLo
gic
Pre
dica
tes,
P,Q
,R,.
..,v
aria
bles
,x,y
,z,.
..,e
.g.,
P(x)=
“x’s
cell
phon
eri
ngs”
Q(x)=
“xgi
ves
cand
y”
Logi
calo
pera
tors
,∧,∨
,→,↔
,¬,.
..
Qua
ntifi
catio
n,∀,∃,
e.g.
,
∀x,P(x)→
Q(x)=
“for
alls
tude
nts
x,if
x’s
cell
phon
eri
ngs
(s)h
egi
ves
cand
y”
Ope
rato
rpre
cede
nce:¬
,∀,∃,∧,∨,→
,↔.
Que
stio
n
Let
C(x)=
“xis
aca
t”
D(x)=
“xis
ado
g”
Wha
tabo
utth
etr
uth
ofth
efo
llow
ing
expr
essi
ons:
∃x,C(x)∧
D(x)
∀x,C(x)→
D(x)
#3 Robotica 2 2008/2009 Slides Hoorcollege Robotica 2
18
Mod
alLo
gic
(1)
Stu
dyof
lingu
istic
cons
truc
tions
that
qual
ifyth
etr
uth
cond
ition
sof
stat
emen
ts(e
.g.,
poss
ibly
S,n
eces
sary
S).
tens
elo
gic:
henc
efor
th,
even
tual
ly,
hith
erto
,pr
evio
usly
,no
w,
tom
or-
row
,ye
ster
day,
sinc
e,un
til,
inev
itabl
y,fin
ally
,ul
timat
ely,
endl
essl
y,it
will
have
been
,iti
sbe
ing
...
deon
ticlo
gic:
itis
oblig
ator
y/fo
rbid
den/
perm
itted
/unl
awfu
ltha
tep
iste
mic
logi
c:it
iskn
own
that
Xth
at,i
tis
com
mon
know
ledg
eth
atdo
xast
iclo
gic:
itis
belie
ved
that
dyna
mic
logi
c:af
ter
the
prog
ram
/com
puta
tion/
actio
nfin
ishe
s,th
epr
o-gr
amen
able
s,th
roug
hout
the
com
puta
tion
geom
etric
logi
c:it
islo
cally
the
case
met
alog
ic:
itis
valid
/sat
isfia
ble/
prov
able
/con
sist
entt
hat
Mod
alLo
gic
(2)
Mos
twel
lkno
wn
are
(sin
ceA
risto
tle):
φ
:it
isne
cess
ary
that
φ♦φ
:it
ispo
ssib
leth
atφ
Usu
ally
unde
rsto
odas
som
efo
rmof
‘uni
vers
alqu
antifi
er’
and
‘exi
sten
tialq
uant
ifier
’U
sual
lydu
alop
erat
ors
φ=¬♦¬φ
♦φ=¬
¬φ
Syn
tax R
ecur
sive
defin
ition
ofw
ellf
orm
edfo
rmul
as(W
FFs)
φ:=
p|⊥||¬
φ|φ
1∧
φ2|φ
1∨
φ2|φ→
ψ|
φ|♦
φ
Not
e:⊥
stan
dsfo
rfal
sum
(con
tradi
ctio
n).
st
ands
fort
auto
logy
.
Sem
antic
s
Mos
twid
ely
used
:po
ssib
lew
orld
sse
man
tics
Poss
ible
wor
lds
are
base
don
anac
cess
abili
tyre
latio
nR
Idea
:so
met
hing
isco
nsid
ered
true
,whe
nit
hold
sin
all
poss
ible
wor
lds
Exa
mpl
e
LetM
=〈S
,R,L〉b
egi
ven
with
S=w
1,w
2,w
3,w
4,w
5
R=(
wi,
wj)|j=
i+1
=(
w1,
w2)
,(w
2,w
3),(
w3,
w4)
,(w
4,w
5)
L(w
i)=
q
ifw
i∈w
1,w
4,w
5q
,p
ifw
i∈w
2,w
3
qq p
q pq
q
W1
W2
W3
W4
W5
Exa
mpl
e(c
ontin
ued)
qq p
q pq
q
W1
W2
W3
W4
W5
M,w
1|=
qM
,w4|=⊥
M,w
1|=
pM
,w3|=
(p∨
q)M
,w2|=
p∧
qM
,w2|=
♦pM
,w4|=
M,w
1|=
♦p
#3 Robotica 2 2008/2009 Slides Hoorcollege Robotica 2
19
Krip
kest
ruct
ures
Afr
ame
isa
tupl
e〈S
,R〉s
uch
that
Sis
afin
itese
tofs
tate
sR⊆
S×
Sis
atra
nsiti
onre
latio
n1
AK
ripk
est
ruct
ure
Mov
erth
ese
tofa
tom
icpr
opos
ition
sis
atu
ple
M=〈S
,R,L〉s
uch
that
2
〈S,R〉i
sa
fram
eL:S→
2AP
isa
func
tion
that
labe
lsea
chst
ate
with
the
set
ofat
omic
prop
ositi
ons
true
inth
atst
ate
1S
omet
imes
the
rela
tion
Ris
assu
med
tobe
tota
l.2
Som
etim
esS
0⊆
Sis
adde
dto
the
defin
ition
tode
note
ase
tofi
nitia
lsta
tes.
Form
alS
eman
tics
M,w
|=
M,w
|=p
iffp∈
L(w)
M,w
|=¬φ
iffM
,w|=
φM
,w|=
φ∨
ψiff
M,w
|=φ
orM
,w|=
ψM
,w|=
φ
iff∀w
′ ∈S:
if(w
,w′ )∈
Rth
enM
,w′ |=
φM
,w|=
♦φiff∃w
′ ∈S:(w
,w′ )∈
Ran
dM
,w′ |=
φ
Exa
mpl
e(c
ontin
ued)
qq p
q pq
q
W1
W2
W3
W4
W5
M,w
1|=
♦p⇔
∃w:(w
1,w)∈
Ran
dM
,w|=
p⇔
M,w
2|=
p⇔
∀w:
if(w
2,w)∈
Rth
enM
,w|=
p⇔
M,w
3|=
p
Que
stio
n
qq p
q pq
q
W1
W2
W3
W4
W5
Letφ=
((
♦p
∧♦♦
q)∨(♦
♦q∧
♦p))
Isth
ere
anob
viou
sst
ate
inth
em
odel
that
satis
fies
φ?
Que
stio
n
qq p
q pq
q
W1
W2
W3
W4
W5
Letφ=
((
♦p
∧♦♦
q)∨(♦
♦q∧
♦p))
Isth
ere
anob
viou
sst
ate
inth
em
odel
that
satis
fies
φ?
Ans
wer
:w
5.(N
ote
M,w
5|=
⊥)
Not
e:⊥
mea
nsth
ere
isno
succ
esso
r,♦
mea
nsth
ere
isa
succ
esso
r.
Valid
ity
We
say
that
afo
rmul
aφ
is:
(glo
bally
)tru
ein
am
odel
Mif
φis
satis
fied
inev
ery
stat
e/w
orld
ofth
em
odel
∀w∈
SM:M
,w|=
φ
valid
ofa
fram
eF
ifit
isgl
obal
lytr
uein
ever
ym
odel
base
don
that
fram
e
∀M:F=〈S
M,R
M〉,∀
w∈
Sm:M
,w|=
φ
#3 Robotica 2 2008/2009 Slides Hoorcollege Robotica 2
20
Cha
ract
eriz
ing
Form
ulas
Cor
resp
onde
nce
theo
ryis
the
stud
yof
the
way
that
prop
ertie
sor
Rco
rres
pond
toax
iom
s.
Afo
rmul
aφ
char
acte
rize
s/de
fines
acl
ass
offra
mesF
whe
n
F∈F⇔
φis
valid
onF
Exa
mpl
es
Axi
omC
ondi
tion
onR
φ→
φR
eflex
ive
φ→
♦φS
eria
l
φ→
φTr
ansi
tive
♦φ→
♦φ
Euc
lidea
n
Exa
mpl
e:
φ→
φD
efine
sR
eflex
ivity
Sta
tem
ent:
Fort
hecl
assF
offra
mes
with
are
flexi
veac
cess
ibili
tyre
latio
nit
hold
sth
at:
F∈F⇔
φ→
φis
valid
onF
Pro
of:
⇒Le
tF∈F,
and
M=〈F
,L〉b
ea
mod
el.
Letw
bean
arbi
trary
stat
ein
the
mod
el.
Ass
ume
M,w
|=
φ.
Then
∀w′ :(w
,w′ )∈
R→
M,w
′ |=φ
.In
part
icul
ar,a
s(w
,w)∈
Rw
eha
veM
,w|=
φ.
Hen
ce,M
,w|=
φ→
φ.
Bec
ause
ww
asar
bitra
ry,
φ→
φis
valid
onF
.
Exa
mpl
e:
φ→
φD
efine
sR
eflex
ivity
(con
tinue
d)
Sta
tem
ent:
Fort
hecl
assF
offra
mes
with
are
flexi
veac
cess
ibili
tyre
latio
nit
hold
sth
at:
F∈F⇔
φ→
φis
valid
onF
Pro
of:
⇐N
ote
that
p→
q≡¬q
→¬p
.Le
tF∈F.
Then
ther
eex
ists
ast
ate
wsu
chth
at(w
,w)∈
R.
Defi
neth
em
odel
M=〈F
,L〉s
uch
that
L(w)=
∅an
dfo
rall
w′ s
uch
that
(w,w
′ )∈
R:L(
w′ )=φ.
Then
M,w
|=φ
and
M,w
|=
φ.
Hen
ce,w
eha
vea
mod
elsu
chth
atM
,w|=
φ→
φan
dth
eref
ore
φ→
φis
notv
alid
onF
.
#3 Robotica 2 2008/2009 Slides Hoorcollege Robotica 2
21
Cha
pter
12:
Logi
csfo
rMul
tiA
gent
Sys
tem
s(p
art2
)
Perr
yG
root
Inst
itute
forC
ompu
ting
and
Info
rmat
ion
Sci
ence
s,R
adbo
udU
nive
rsity
Nijm
egen
26S
epte
mbe
r200
8
Intro
duct
ion
Last
wee
k-n
orm
alm
odal
logi
cK
ripke
stru
ctur
eM
=〈S,R,L〉
Mod
alop
erat
ors
(,♦
)Fo
rmul
asch
arac
teriz
ing
fram
es
Impo
rtan
tles
sons
lear
ned:
∀(x),s
tude
nt(x
)∧
gsm
(x)→
give
_can
dy(x
)
This
wee
k-M
ore
Fun
with
Mod
alLo
gics
:M
odal
logi
cas
epis
tem
iclo
gic
Mod
allo
gic
aste
mpo
rall
ogic
Mod
alLo
gic
asE
pist
emic
Logi
c
The
form
ula
φ
isin
terp
rete
das
‘itis
know
nth
atφ
’E
xten
dibl
eto
mul
ti-ag
ents
yste
ms
fora
gent
s1,...,n
Mod
elst
ruct
ure
〈S,R
1,...,R
n,L〉
Riis
know
ledg
eac
cess
ibili
tyof
agen
ti
isre
plac
edby
Ki,
i=1,...,
nw
ith
Kiφ
mea
ning
‘ikn
ows
thatφ
’
M,s
|=K
iφ⇔
M,t|=φ
fora
llts
uch
that
(s,t
)∈
Ri
Exa
mpl
e:K
1K2p
∧¬K
2K1K
2p
Exa
mpl
e
s
1,2
ps
12
ut
1,2
1,2
p
Mod
elM
=〈S,R
1,R
2,L〉
with
R1
=(
s,s),(
s,t),(
t,s),(
t,t),(
u,u),
R2
=(
s,s),(
s,u),(
t,t),(
u,s),(
u,u),
L(s)
=L(
u)=p,
and
L(t)
=∅
.
Exa
mpl
e(c
ontin
ued)
s
1,2
ps
12
ut
1,2
1,2
p
M,s
|=p
M,t|=
K2¬
pM,s
|=¬K
1pM,s
|=K
1(K
2p∨
K2¬
p)M,s
|=K
2pM,s
|=¬K
2¬K
1p
Exa
mpl
e(c
ontin
ued)
s
1,2
ps
12
ut
1,2
1,2
p
M,s
|=K
1(K
2p∨
K2¬
p)
⇔∀v
if(s,v
)∈
R1
then
M,v
|=K
2p∨
K2¬
p⇔
M,s
|=K
2p∨
K2¬
pan
dM,t|=
K2p
∨K
2¬p
#3 Robotica 2 2008/2009 Slides Hoorcollege Robotica 2
22
Ass
umpt
ion:
Equ
ival
ence
Rel
atio
n
An
acce
ssib
ility
rela
tion
Ris
aneq
uiva
lenc
ere
latio
nif
Rsa
tisfie
sth
efo
llow
ing
thre
epr
oper
ties:
Refl
exiv
ity∀x,x
Rx
Sym
met
ry∀x∀y,x
Ry→
yRx
Tran
sitiv
ity∀x∀y∀z,x
Ry∧
yRz→
xRz
We
assu
me
epis
tem
ickn
owle
dge
isan
equi
vale
nce
rela
tion.
(Not
e:xR
ym
eans
(x,y
)∈
R.)
Equ
ival
ence
Rel
atio
nIll
ustra
ted
Refl
exiv
ity,S
ymm
etry
,and
Tran
sitiv
ity
x
xy
xy
z
Sim
plify
ing
Dra
wn
Mod
els
s
1,2
p
12
ut
1,2
1,2
p
sp
12
p ut
p
Mud
dyC
hild
ren
Rev
isite
d(1
)
Sce
nari
o:Th
ere
are
nch
ildre
npl
ayin
gto
geth
er.
Dur
ing
thei
rpl
ayso
me
ofth
ech
ildre
n,sa
yk
ofth
em,g
etm
udon
thei
rfo
rehe
ads.
Eac
hca
nse
eth
em
udon
othe
rsbu
tnot
onhi
sow
nfo
rehe
ad.
Alo
ngco
mes
afa
ther
,who
says
,“A
tlea
ston
eof
you
has
mud
onyo
urhe
ad".
He
then
asks
the
follo
win
gqu
estio
n,ov
eran
dov
er:
“Can
any
ofyo
upr
ove
that
you
have
mud
onyo
urhe
ad?"
Ass
umin
gth
atal
lthe
child
ren
are
perc
eptiv
e,in
telli
gent
,tru
thfu
l,an
dth
atth
eyan
swer
sim
ulta
neou
sly,
wha
tw
illha
ppen
?
Mud
dyC
hild
ren
Rev
isite
d(2
)
Sup
pose
ther
ear
e3
child
ren.
Leta
poss
ible
wor
ldbe
stat
e(b
1,b 2,b
3)w
ithb i∈0,1
deno
ting
whe
ther
child
ihas
mud
(bi=
1)or
nom
ud(b
i=
0)on
his/
herf
oreh
ead.
Giv
enth
ekn
owle
dge
ofch
ild1,
e.g.
,(?,
1,0)
,tw
opo
ssib
lest
ates
are
poss
ible
:w
ithm
ud(1
,1,0
)orn
om
ud(0
,1,0
)on
him
/her
self.
Hen
ce: (0
,1,0
)R1(
1,1,
0)
Mud
dyC
hild
ren
Rev
isite
d(3
)
Initi
alpo
ssib
lew
orld
san
dre
latio
ns:
#3 Robotica 2 2008/2009 Slides Hoorcollege Robotica 2
23
Mud
dyC
hild
ren
Rev
isite
d(4
)
Afte
r:“A
tlea
ston
eof
you
has
mud
onyo
urhe
ad".
Mud
dyC
hild
ren
Rev
isite
d(5
)
Afte
r:“I
don’
tkno
w(3
times
)".
Cha
ract
eriz
ing
Form
ulas
(Aga
in)
Nam
eA
xiom
Inte
rpre
tatio
nT
Kφ→φ
Kno
wle
dge
axio
mD
Kφ→
¬K¬φ
Con
sist
ency
axio
m4
Kφ→
KKφ
Posi
tive
intro
spec
tion
5¬K
φ→
K¬K
φN
egat
ive
intro
spec
tion
Sys
tem
sof
Kno
wle
dge
and
Bel
ief
Toso
me
exte
ntw
eca
npi
ckan
dch
oose
whi
chax
iom
sw
ew
antt
ore
pres
ento
urag
ents
All
prev
ious
axio
ms
(KTD
45)1
cons
titut
eth
elo
gica
lsys
tem
S5.
Ofte
nch
osen
asa
logi
cof
idea
lized
know
ledg
eS
5w
ithou
tTis
wea
k-S
5,or
KD
45.
Ofte
nch
osen
asa
logi
cof
idea
lized
belie
f
1A
xiom
K:K
(φ→ψ
)→
(Kφ→
Kψ
)is
ava
lidfo
rmul
a
Com
mon
Kno
wle
dge
Eφ
:ev
eryo
nein
the
grou
pkn
owsφ
M,s
|=Eφ⇔
M,s
|=K
iφfo
rall
agen
tsi
Ekφ
:ev
eryo
nekn
ows,
that
ever
yone
know
s,...up
tole
velk
E1 φ
=Eφ;E
k+1 φ
=E
(Ekφ)
Cφ
:φ
isco
mm
onkn
owle
dge
M,s
|=Cφ⇔
M,s
|=E
kφ
fork
=1,
2,...
Dis
trib
uted
Kno
wle
dge
Ifon
eag
entk
now
sp→
qan
dan
othe
rkno
ws
pth
ento
geth
erth
eykn
owq,
i.e.,
then
qis
dist
ribut
edkn
owle
dge,
deno
ted
Dq.
This
can
befo
rmal
ized
as(a
ssum
ing
Riis
aneq
uiva
lenc
ere
latio
n):
M,s
|=Dφ⇔
M,v
|=φ
fora
llv
such
that
(s,v
)∈
⋂ i
Ri
M,s
|=K
1(p→
q)M,s
|=K
2pM,s
|=D
q
s
1,2 s
12
Pp
qp
q
ut
1,2
1,2
pq
p
#3 Robotica 2 2008/2009 Slides Hoorcollege Robotica 2
24
Tem
pora
lLog
ic
Tem
pora
lLog
icis
asp
ecia
ltyp
eof
Mod
alLo
gic.
Itpr
ovid
esa
form
alsy
stem
forq
ualit
ativ
ely
desc
ribin
gan
dre
ason
ing
abou
thow
the
trut
hva
lues
ofas
sert
ions
chan
geov
ertim
e.Te
mpo
ralL
ogic
isa
usef
ulfo
rmal
ism
fors
peci
fyin
gan
dve
rifyi
ngco
rrec
tnes
sof
com
pute
rpro
gram
s.Te
mpo
ralL
ogic
sdi
fferi
nth
eop
erat
ors
they
prov
ide,
thei
rse
man
tics.
Com
puta
tion
Tree
Logi
c(C
TL*)
Form
ulas
desc
ribe
prop
ertie
sof
com
puta
tion
trees
(i.e.
,tim
eis
bran
chin
gin
toth
efu
ture
)C
TL*
form
ulas
are
com
pose
dof
path
quan
tifier
san
dte
mpo
ralo
pera
tors
Pat
hqu
antifi
ers
are:
A(fo
rall
com
puta
tion
path
s)an
dE
(fors
ome
com
puta
tion
path
)B
asic
tem
pora
lope
rato
rsar
e:Xφ
(nex
t):φ
hold
sin
the
next
stat
eFφ
(eve
ntua
lly):φ
hold
sno
wor
som
etim
esin
the
futu
reon
the
path
Gφ
(glo
bally
):φ
hold
sat
ever
stat
eon
apa
thφ
Uψ
(unt
il):
ther
eis
ast
ate
onth
epa
thw
hereψ
hold
s,an
don
ever
ypr
eced
ing
stat
eφ
hold
s
Com
puta
tion
Tree
Logi
c(C
TL*)
Ope
rato
rpre
cede
nce:
Firs
tuni
tary
oper
ator
s(¬
,F,G
,X),
follo
wed
byth
ebi
nary
oper
ator
s(in
orde
rU,∧
,∨,→
).
Fp→
Gr∨¬q
Up≡
((Fp
)→
((G
r)∨
((¬q
)Up)
))
FV
pG
U
¬r
pr
p
Exa
mpl
es Figu
re:
M,s
0|=
Fφ
Figu
re:
M,s
0|=
Gφ
Figu
re:
M,s
0|=
Xφ
pp
q
Figu
re:
M,s
0|=
pUq
Exa
mpl
es Figu
re:
M,s
0|=
EFφ
Figu
re:
M,s
0|=
EGφ
Figu
re:
M,s
0|=
AFφ
Figu
re:
M,s
0|=
AGφ
Form
alS
eman
tics
Ass
ume
f 1,f
2ar
est
ate
form
ulas
,g1,
g 2ar
epa
thfo
rmul
as.
Fora
pathπ
=π
0π1···w
ede
noteπ
i=π
i,π
i+1···.
M,s
|=p
p∈
L(s)
M,s
|=¬f
1M,s
|=f 1
M,s
|=f 1∨
f 2M,s
|=f 1
orM,s
|=f 2
M,s
|=E
g 1th
ere
isa
pathπ
from
ssu
chth
atM,π
|=g 1
M,s
|=A
g 1fo
reve
rypa
thπ
from
s,M,π
|=g 1
M,π
|=f 1
sis
the
first
stat
eofπ
and
M,s
|=f 1
M,π
|=¬g
1M,π
|=g 1
M,π
|=X
g 1M,π
1|=
g 1M,π
|=Fg
1th
ere
exis
tsk≥
0su
chth
atM,π
k|=
g 1M,π
|=G
g 1fo
rall
i≥0,
M,π
i|=
g 1M,π
|=g 1
Ug 2
ther
eex
ists
k≥
0su
chth
atM,π
k|=
g 2an
dfo
rall
0≤
j<k,
M,π
j|=
g 1
#3 Robotica 2 2008/2009 Slides Hoorcollege Robotica 2
25
Ref
eren
ces
Ref
eren
ce[1
]is
ago
odin
trodu
ctio
nto
Mod
alLo
gic
and
thes
esl
ides
are
clos
ely
rela
ted
toth
efir
sttw
och
apte
rs.
Ref
eren
ce[2
]is
ago
odre
fere
nce
whe
nyo
uw
antt
okn
owm
ore
abou
tte
mpo
rall
ogic
and
how
itis
appl
ied
inm
odel
chec
king
.
1R
.Fag
inet
al.
Rea
soni
ngA
bout
Kno
wle
dge.
MIT
Pre
ss,
Cam
brid
ge,M
A,1
995.
2E
.M.C
lark
e,O
.Gru
mbe
rg,a
ndD
.A.P
eled
.M
odel
Che
ckin
g.M
ITP
ress
,200
1.
#3 Robotica 2 2008/2009 Slides Hoorcollege Robotica 2
26
Feedback verslag
Feedback door Oliva Peeters over het hoorcollege ‘Hoofdstuk 10: Anomaly de-tection’ (onderdeel van het vak Datamining) op 6 Mei 2009.
1. Goede introductie wat betreft het verband met voorgaande colleges. Erontbrak echter wat er van de studenten verwacht wordt wat ze met deleerstof moeten kunnen doen. Een goed idee is om dit te herhalen ook alis dit in het eerste college al besproken.
2. Goede link naar praktijkvoorbeelden (bijv. de uitbraak van varkensgriepin Maart 2009).
3. De eerste paar slides gingen erg snel. Slide 2 (ozon voorbeeld) bevat teveelinformatie. Beter is het om enkel kernwoorden te gebruiken (of om eenleespauze te houden).1
4. Het college met meer enthousiasme overbrengen (ook feedback van stu-denten). Probeer hiervoor concrete voorbeelden meer uit te buiten (bijv.voorbeelden ozon, varkensgriep) om interesse te wekken.
5. College goed gestructureerd. Goed zinsgebruik om aan te geven wat stu-denten kunnen verwachten. (bijv. ’In dit college gaan we de volgendetechnieken bespreken ...’). Duidelijk aangegeven wat studenten wel enniet moeten kennen.
6. Meer interactie met de zaal creeeren. Probeer vragen te stellen. Geefechter de studenten wel de tijd om een antwoord te geven, eventueel doormet elkaar te discussieren. (Nu kwam het antwoord vrijwel steeds directna de vraag.)
7. Verifieren of bepaalde concepten (zoals convexiteit) bekend zijn voordater iets over verteld wordt.
8. Vragen uit de zaal herhalen en verifieren of het antwoord voldoende was.
9. Beter gebruik van plaatjes i.p.v. alleen tekst (bijv. bij ’Nearest-Neighborapproach’).
10. Goede afsluiting. Kort en bondig samengevat en aangegegeven wat ze devolgende keer kunnen verwachten.
1Merk op dat de slides gebruikt worden die bij boek worden meegeleverd, enigzinsaangepast door Tom Heskes.
#4 Robotica 2 2008/2009 Feedback Hoorcollege Datamining
27
BK
I240:Design
ofMultiA
gentSystems
Exam
ination16th
ofJune2008
Write
yournam
e,studentnum
ber,and“B
KI
240exam
07/08”at
thetop
ofthe
answer
sheets.There
are6
questions.A
nswer
thequestions
ina
full,clear,butalso
relevantway.
Om
issions,unclaritiesas
wellas
irrelevantelaborationsw
illlow
eryour
grade.The
maxim
umattainable
scoreis
100points.
Shortlyafter
theexam
ination,anon-line
questionairew
illbebecom
eavailable
foryou
tofillin
toevaluate
thecourse.
Question
1.Multi-A
gentInteractions(max.5+5+5
=15
points)
a.Describe
whata
utilityfunction
isandw
hythey
areused
(interm
sofcomparing
strategies/actions).
b.Give
thedefinition
ofaN
ashequilibrium
forapairofstrategies
(s1 ,s
2 ).
Ai
Bi
Ci
Aj
84
62
15
Bj
35
20
22
Cj
23
13
43
c.Give
theunique
Nash
equilibriumofthe
payoffmatrix
givenabove.
Question
2.Auctions(m
ax.10+10=
20points)
a.T
hreeagents
valuea
goodX
for1$,
2$,and
3$respectively.
Ina
Vickrey
auction,whatw
illtheagents
bid,who
willw
in,andw
hatwillthe
agentpay?
b.D
escribethe
Monotonic
concessionprotocol.
Give
sufficientdetailsaboutthe
rulesthe
agentshave
tofollow
.
1
Question
3.Argum
entation(m
ax.5+5+10=
20points)
Given
isthe
following
abstractargumentsystem
with
X=a
,b,c,d,e,f
,g,h
a
cb
ed
f g
h
a.Let
Y1
=c,g
,d
i.Is
Y1
conflictfree?
ii.W
hichargum
entsin
Xare
acceptablew
ithrespect
toY
1 ?M
otivateyour
answer.
b.Isthe
setY
2=a,d
,gadm
issible?M
otivateyouransw
er.
c.Give
fortheargum
entsystem5
admissible
sets(notnecessarily
maxim
al).
2
#5 Design of Multi Agent Systems 2007/2008 Toets
28
Question
4.ProbabilityT
heory(m
ax.5+5+5=
15points)
Johas
atestfor
anasty
disease.W
edenote
Jo’sstate
ofhealth
bythe
variableA
andthe
testresultbyB
.A=
1Jo
hasthe
diseaseA
=0
Jodoes
nothavethe
disease
The
resultofthe
testiseither
‘positive’(B
=1)
or‘negative’
(B=
0);thetest
is95%
reliable:in95%
ofcasesofpeople
who
reallyhave
thedisease,a
positiveresultis
returned,andin
95%of
casesof
peoplew
hodo
nothavethe
disease,anegative
resultisobtained.
The
finalpieceof
backgroundknow
ledgeis
that1%ofpeople
ofJo’sage
andbackground
havethe
disease.
a.Write
down
alltheprovided
probabilities,i.e.,
P(B
=1|A
=1)
P(B
=1|A
=0)
P(A
=1)
P(B
=0|A
=1)
P(B
=0|A
=0)
P(A
=0)
b.W
ritedow
nthe
formula
forthe
probabilityof
gettinga
positiveresult,
i.e.,P
(B=
1),usingthe
productandsum
ruleofprobability
theory.(You
don’thaveto
evaluatethe
formula
intoa
number.)
c.W
ritedow
nthe
formula
forthe
probabilityof
Johaving
thedisease
giventhat
Johas
apositive
testresult,i.e.,P(A
=1|B
=1),using
Bayes
rule.(Y
oudon’t
haveto
evaluatethe
formula
intoa
number,butifyou
arecurious
itisonly
0.16.)
3
Question
5.ModalL
ogic(m
ax.10+1+9=
20points)
The
semantics
ofM
odalLogic
canbe
statedin
terms
ofpossible
worlds.
Inpar-
ticularforthem
odaloperators,♦
itholdsthat:
M,w
|=♦
φthere
existsw
′suchthat
(w,w
′)∈R
andM
,w′|=
φM
,w|=
φ
forallw
′if(w
,w′)∈
Rthen
M,w
′|=φ
a.Let
pand
qbe
atomic
formulas.Show
thatthefollow
ingform
ulasare
notvalidin
allframes
(givea
counterexample
foreachform
ula).Motivate
youranswers.
i.♦
p→
p
ii.(♦
p∧♦
q)→♦
(p∧q)
Fortherestofthis
exercise,letM
=〈S
,R,L〉
bea
Kripke
structurew
ith
S=w
1 ,w2 ,w
3 ,w4 ,w
5 ,w6
R=(w
1 ,w2 ),(w
2 ,w3 ),(w
2 ,w4 ),(w
2 ,w5 ),(w
3 ,w3 ),(w
4 ,w5 ),(w
5 ,w6 )
L(w
i )=
if
wi ∈
w
2 p
ifw
i ∈w
1 ,w6
qif
wi ∈
w
4 ,w5
p,qif
wi ∈
w
3
b.Draw
apicture
ofthem
odelM
.
c.W
hichof
thefollow
ingclaim
shold?
Motivate
youransw
ers(also
when
theclaim
doesn’thold).
i.M
,w5 |=
q∧♦
p
ii.M
,w2 |=
p→
p
iii.M
,w2 |=
q→
q
4
#5 Design of Multi Agent Systems 2007/2008 Toets
29
Question
6.TemporalL
ogic(m
ax.10points)
Intem
porallogicitis
possibleto
addan
additionaloperatorR,the
releaseoper-
ator,which
isdefined
aspR
q≡¬
((¬p)U
(¬q)).
Draw
am
odelM
(apath)
suchthatin
theinitialstate
ofthism
odelwe
havethat
M|=
pUq
andM
6|=qR
p
Motivate
youranswer.
Rem
ember
thattemporallogic
has(am
ongothers)
thefollow
ingsem
antics.L
etf
1 ,f2
bestate
formulas,
g1 ,g
2be
pathform
ulas.For
apath
π=
π0 π
1 ···w
edenote
πi=
πi ,π
i+1 ···.
M,s|=
pp∈
L(s)
M,s|=
¬f
1M
,s6|=f
1
M,π
|=f
1s
isthe
firststateof
πand
M,s|=
f1
M,π
|=¬
g1
M,π
6|=g1
M,π
|=g1 U
g2
thereexists
k≥0
suchthat
M,π
k|=g2
andforall
0≤j
<k,
M,π
j|=g1
5
#5 Design of Multi Agent Systems 2007/2008 Toets
30
BK
I242:Robotica
2E
xamination
21stofNovem
ber2008
Write
yournam
e,studentnum
ber,and“B
KI
242exam
08/09”at
thetop
ofthe
answer
sheets.There
are6
questions.A
nswer
thequestions
ina
full,clear,butalso
relevantway.
Om
issions,unclaritiesas
wellas
irrelevantelaborationsw
illlow
eryour
grade.Them
aximum
attainablescore
is100
points.
Question
1.Multi-A
gentInteractions(max.5+5+5
=15
points)
a.Given
two
setsofoutcom
esΩ
1 ,Ω2 ⊆
Ω,w
hendo
we
saythat
Ω1
stronglydom
-inates
Ω2 ?
When
dow
esay
thatΩ
1w
eaklydom
inatesΩ
2 ?G
ivethe
definitions.
b.Give
thedefinition
ofaN
ashequilibrium
forapairofstrategies
(s1 ,s
2 ).
Ai
Bi
Ci
Aj
84
12
10
Bj
31
23
22
Cj
21
12
10
c.Give
theunique
Nash
equilibriumofthe
payoffmatrix
givenabove.
Question
2.Negotiation
(max.5+5+5+5
=20
points)
a.Whatis
mechanism
designin
thecontextofm
ulti-agentinteractions?
b.Mention
atleastfourdesirableproperties
ofam
echanism(protocol).
c.D
escribethe
Zeuthen
strategyfor
them
onotonicconcession
protocol.G
ivesufficientdetails.Y
oudon’tneed
togive
preciseform
ula’s.
d.D
iscussw
hetheror
notthem
onotonicconcession
protocolwith
theZ
euthenstrategy
satisfiesthe
desirableproperties
mentioned
inb..
1
Question
3.Argum
entation(m
ax.5+5+10=
20points)
Given
isthe
following
abstractargumentsystem
with
X=a
,b,c,d,e,f
,g,h
h
ab
c
fg
de
a.Let
Y1
=b,g
,d
i.Is
Y1
conflictfree?
ii.W
hichargum
entsin
Xare
acceptablew
ithrespect
toY
1 ?M
otivateyour
answer.
b.Isthe
setY
2=a,e
admissible?
Motivate
youranswer.
c.Give
fortheargum
entsystem5
admissible
sets(notnecessarily
maxim
al).
2
#6 Robotica 2 2008/2009 Toets
31
Question
4.ProbabilityT
heory(m
ax.7+8=
15points)
Supposethatw
ehave
threecoloured
boxesr
(red),b
(blue),andg
(green).Box
rcontains
3apples,4
oranges,and3
limes,box
bcontains
1apple,1
orange,and0
limes,and
boxg
contains3
apples,3oranges,and
4lim
es.If
abox
ischosen
atrandom
with
probabilitiesp(r)
=0.2,
p(b)=
0.2,p(g
)=
0.6,anda
pieceoffruit
isrem
ovedfrom
thebox
(with
equalprobabilityof
selectingany
ofthe
items
inthe
box).
a.W
hatis
theprobability
ofselecting
anapple?
Write
down
theform
ulafor
computing
thisprobability
usingthe
sumand
productruleof
probabilitytheory.
(You
don’tneedto
compute
theactualnum
ber).
b.Ifwe
observethatthe
selectedfruitis
infactan
orange,whatis
theprobability
thatit
came
fromthe
greenbox?
Write
down
theform
ulafor
computing
thisprobability
usingB
ayes-rule.(You
don’tneedto
compute
theactualnum
ber).
3
Question
5.ModalL
ogic(m
ax.10+1+9=
20points)
The
semantics
ofM
odalLogic
canbe
statedin
terms
ofpossible
worlds.
Inpar-
ticularforthem
odaloperators,♦
itholdsthat:
M,w
|=♦
φthere
existsw
′suchthat
(w,w
′)∈R
andM
,w|=
φM
,w|=
φ
forallw
′if(w
,w′)∈
Rthen
M,w
|=φ
a.Let
pand
qbe
atomic
formulas.Show
thatthefollow
ingform
ulasare
notvalidin
allframes
(drawa
counterexample
foreachform
ula).
i.
p→
p
ii.
q→q
Let
M=〈S
,R,L〉
bea
Kripke
structurew
ith
S=w
1 ,w2 ,w
3 ,w4 ,w
5 ,w6
R=(w
1 ,w1 ),(w
1 ,w2 ),(w
1 ,w3 ),(w
2 ,w2 ),(w
2 ,w3 ),
(w3 ,w
3 ),(w4 ,w
4 ),(w4 ,w
5 ),(w5 ,w
5 ),(w6 ,w
6 )
L(w
i )=
if
wi ∈
w
6 p
ifw
i ∈w
1 ,w4
q
ifw
i ∈w
2 ,w5
p,qif
wi ∈
w
3
b.Draw
apicture
ofthem
odelM
.
c.Which
ofthefollow
ingclaim
shold?
Motivate
youranswer.
i.M
,w1 |=
♦q→
♦
q
ii.M
,w2 |=
p↔
q
iii.M
,w4 |=
♦
♦q
4
#6 Robotica 2 2008/2009 Toets
32
Question
6.Epistem
icL
ogic(m
ax.3+3+2+2=
10points)
This
isa
variationof
thethree
wise
men
puzzle.T
hreew
isem
engo
tosee
theking.
Itis
comm
onknow
ledgethat
theking
hasthree
redhats
andtw
ow
hitehats.
The
kingputs
ahat
onthe
headof
eachof
thethree
wise
men,
andasks
them(sequentially)
ifthey
knowthe
colorof
thehaton
theirhead.
How
ever,thethree
wise
men
arestanding
ina
lineand
canonly
seesom
eofthe
otherhats(cf.
Figure1).
The
firstwise
man
cansee
boththe
hatofthe
secondand
thirdw
isem
an,butnothisow
n.The
secondw
isem
ancan
onlysee
thehatofthe
thirdw
isem
an.The
thirdw
isem
ancan’tsee
anyhat.A
ftersome
thoughtthefirstw
isem
ansays
thathedoes
notknow.T
henthe
secondw
isem
ansays
thathedoes
notknow.
Then
thethird
wise
man
saysthathe
knows.
Figure1:T
hreew
isem
enlined-up.T
hefirstsees
thesecond
andthird,the
secondsees
thethird,and
thethird
seesnothing.
a.Firstw
elook
attheK
ripkestructure
ofthe
initialsituation.U
se,forexam
ple,(R
,W,W
)to
denotethe
world
where
thefirst
wise
man
hasa
redhat,
andthe
secondand
thirdw
isem
anhave
aw
hitehat.D
rawall7
possiblew
orldsand
drawthe
labeledlines
connectingthe
possiblew
orldsforthe
firstandsecond
wise
men.
(Toavoid
clutterdon’tdrawlines
forthethird
wise
man.)
b.How
doesthe
Kripke
frame
changeafterthe
firstwise
man
saysthathe
doesn’tknow
thecolorofhis
own
hat?D
rawthe
Kripke
frame
forthisnew
situation.
c.H
owdoes
theK
ripkefram
echange
afterthe
secondw
isem
ansays
thathe
doesnotknow
?(N
otethatconsidering
theview
pointofthesecond
wise
man
youhave
two
setsofpossible
worlds
A,B
suchthat
Aand
Bare
disconnectedbutall
worlds
inA
(orB
)areconnected.D
oyou
seea
patternforthe
secondw
isem
an’shatin
thesedisconnected
setsofw
orlds?)
d.Whatis
theansw
erofthethird
wise
man?
Explain
youranswer.
5
#6 Robotica 2 2008/2009 Toets
33
BK
I242:Robotica
2Solution
toE
xamination
21stofNovem
ber2008
Question
1.Multi-A
gentInteractions(max.5+5+5
=15
points)
a.W
esay
thatΩ
1strongly
dominates
Ω2
ifevery
outcome
inΩ
1is
strictlypre-
ferredby
agentioverevery
outcome
inΩ
2 ,i.e.,
∀w
1 ∈Ω
1 ,∀w
2 ∈Ω
2:w
1 w
2
We
saythat
Ω1
weakly
dominates
Ω2
when
∀w
1 ∈Ω
1 ,∀w
2 ∈Ω
2:w
1 w
2
b.We
saythattw
ostrategies
s1
ands2
arein
Nash
equilibriumif
1.U
nderthe
assumption
thatagenti
playss1 ,agent
jcan
dono
betterthan
plays2 ,and
2.U
nderthe
assumption
thatagentj
playss2 ,agent
ican
dono
betterthan
plays1
c.(A
i ,Bj )
Question
2.Negotiation
(max.5+5+5+5
=20
points)
a.Designing
protocols/rulesofencounterso
thattheyhave
desirableproperties.
b.Four
out:1.
Convergence/guaranteed
success;2.M
aximizing
socialwelfare;
3.Pareto
efficiency;4.
Individualrationality;
5.Stability;
6.Sim
plicity;7.
Distribution.
c.Firstproposal:
mostpreferred
deal;The
agentwhich
risksthe
mostw
henthe
conflictdealischosen
shouldconcede
justenoughto
lettheother
agentconcedein
thenextround.
1
d.See
b:1:
noguaranteed
success,buttermination;2.
no;3.yes;4.
yes;5.yes
(NE
);6.yes/no(m
otivation!);7.yes.
Question
3.Argum
entation(m
ax.5+5+10=
20points)
a.i.no;ii.a,d,f,h
b.yes
c.5out:∅
,a,d
,e
,a,d,a
,e,a,c
,...
Question
4.ProbabilityT
heory(m
ax.7+8=
15points)
a.
p(a)
=p(r)p(a|r)
+p(b)p(a|b)
+p(g
)p(a|g)
=0.2∗
310+
0.2∗12
+0.6∗
310=
0.34
b.
p(g|o)=
p(o|g)p(g
)
p(o)
=p(o|g
)p(g)
p(r)p(o|r)+
p(b)p(o|b)+
p(g)p(o|g
)
Question
5.ModalL
ogic(m
ax.1+9+10=
20points)
a.
i.N
otethatthe
characteristicform
ulais
givenfortransitive
frames.H
ence,toconstructa
counterexample,you
willneed
touse
anon-transitive
frame.
ii.N
otethatthe
characteristicform
ulais
givenforreflexive
frames.H
ence,toconstructa
counterexample,you
willneed
touse
anon-reflexive
frame.
2
#7 Robotica 2 2008/2009 Antwoordschema Toets
34
WW
1W
4
W2
W6
W3
W5
b.c.
i.true,as
both♦
qas
♦q
holdin
w1 .
ii.false,as
pis
falseand
q
istrue
inw
2 .
iii.true,justtake
forthefirst♦
operatoratransition
tow
5 .
3
Question
6.Epistem
icL
ogic(m
ax.3+3+2+2=
10points)
a.
(W,R,W
)
(RRR)
(WRR)
(RRW)
(,,
)
1,2
1,2
(R,R,R)(W
,R,R)(R,R,W
)
22
22
22
(R,W,R)
(W,W,R)
1,2(R,W
,W)
b.
(W,R,W
)
(RRR)
(WRR)
(RRW)
(,,
)
1,2
1,2
(R,R,R)(W
,R,R)(R,R,W
)
22
22
(R,W,R)
(W,W,R)
1,2
c.N
ote,thatifw
eonly
lookatw
orldsconnected
with
lineslabeled
‘2’,we
canidentify
two
setsof
possiblew
orlds.N
amely,
A=(W
,R,W
),(R,R
,W)
andB
=(W
,R,R
),(R,R
,R),(W
,W,R
),(R,W
,R).
Note
thatin
setA
,thesec-
ondw
isem
analw
ayshas
ared
hat,i.e.,ifthe
secondagentconsiders
thew
orldsin
Apossible
(which
happensw
henhe
seesthe
thirdw
isem
anw
earinga
white
hat)he
knows
hem
ustbew
earinga
redhat.
Hence,w
henhe
answers
hedoesn’t
know,the
worlds
inA
cannotbepossible
andare
removed.
d.T
hethird
wise
man
willansw
erthathe
hasa
redhat.
(The
onlyw
orldscon-
sideredpossible
areB
=(W
,R,R
),(R,R
,R),(W
,W,R
),(R,W
,R)
inw
hichthe
thirdw
isem
anis
always
wearing
ared
hat.)
4
#7 Robotica 2 2008/2009 Antwoordschema Toets
35
BK
I242:Robotica
2Q
ualityC
heckE
xam21stofN
ovember
2008
Hieronder
word
voorhet
tentamen
Robotica
2,gegeven
21-11-2008,de
kwaliteits
criteriauit
dereader
‘Kw
aliteitscriteria
toetsing(B
KO
6)’getoets.Ikleverhiervoorde
volgendebew
ijsstukken:
•D
idactischO
ntwerp
Design
ofMultiA
gentSystems
/Robotica
2#2
•L
eertaken#9
•U
itwerkingen
leertaken#10
•Toetsen
#5,#6•
Antw
oordschema
toets#7
Validiteit
1.De
toetsweerspiegeltde
doelen
Jaer
iseen
duidelijkerelatie
tussentoetsvragen
endoelen.
Vergelijk
hiervoorde
bewijsstukken
#6en
#2.V
raag1→
doel3;Vraag
2→doel5;V
raag3→
doel4;Vraag
4→doel6;V
raag5→
doel2;Vraag
6→
doel2.Doel1
isachtergrond
kennisen
komtterug
inhetverslag.
2.De
toetsweerspiegeltde
leeractiviteiten
Ja,detoets
vragenkom
enbijna
100%overeen
metde
leertaken.V
ergelijkhiervoor
debew
ijsstukken#6
en#9.O
pgave1→
6.1,6.2;Opgave
3→7.2,7.3;O
pgave4→
8.1;Opgave
5→12.1,12.1
extra;Opgave
6→12.3.(O
pgave2
komtterug
inhetvoorbeeld
tentamen.)
3.De
toetsiseffectief
Ja,aangezienerkennis
toegepastdienttew
ordenw
aarbijstudentenhun
redeneerstappenduidelijk
moeten
verwoorden
iseen
schriftelijketoets
eengoede
toetsvorm.
4.De
toetsisspecifiek
Ja,aangezienstudenten
kennism
oetentoepassen
inde
opgavenis
hetonvoldoendeom
feitente
stampen.
Bovendien
is‘com
mon
sense’onvoldoendeaangezien
dekennis
theoretischen
abstractvanaard
is.
Betrouw
baarheid
5.De
toetsmaaktbeoordeling
vande
individueleprestatie
mogelijk
Ja,detoets
wordtindividueelafgenom
endooriedere
studenteniedere
studentkrijgthiervoor2uurde
tijd.
6.De
toetsvormen
toetswijze
isbekend
Ja,tijdenshetrespontiecollege
isaan
deorde
gekomen
waarde
nadrukop
zouliggen
tijdenshettentam
en.B
ovendienbeschikten
studentenover
eenvergelijkbaar
tentamen
van16-06-2008.
Vergelijk
hiervoorbe-
wijsstukken
#5en
#6.O
pgave1→
Opgave
1;Opgave
2→O
pgave2;O
pgave3→
Opgave
3;Opgave
4→
Opgave
4;Opgave
5→O
pgave5;(Tevens
isverm
elddatstudenten
ofweleen
opgaveovertem
portelelogica
ofweloverepistem
ischelogica
kondenverw
achten,i.e.,opgave6.)
7.De
toetsstreeftnaarobjectieve
beoordeling
Ja,allereerst
zijner
duidelijkecriteria
overw
atgoed
offout
is,aangezien
erm
aar1
antwoord
goedis.
Naasthetantw
oordw
ordtooksteeds
ombijbehorende
motivatie
gevraagd,zoalsin
deleertaken
aleerderisgeoefend.Voorhettentam
enis
eenantw
oordschema
gemaakten
detoekenning
vanpunten
wordtkenbaar
gemaaktin
detitelvan
deopgave.
Hettentam
enw
ordtobjectiefnagekeken,aangezien
opgavenw
ordenverdeeld
onderdedocenten,i.e.,een
opgavew
ordtnagekekendoor1
docent.
Bruikbaarheid
8.De
toetsishaalbaaren
efficient
Ja,detoets
isdoor
iedereenbinnen
2uur
tem
aken.V
eelstudentenleverden
detoets
alminstens
eenhalf
uureerderin.De
toetsw
asbinnen
1w
eeknagekeken.
9.De
toetsishelder
Ja,devragen
zijnvaak
wiskundig
vanaard
enbevatdaardoorgeen
ambiguıteiten.
10.De
toetsheefteengoede
opbouw
Ja,eenvraag
staataltijdop
1kantvan
eenA
4-tje;Opgaven
worden
duidelijkingeleid
meteen
titelwaarin
hetthema
vande
opgavew
ordtvermeld
entoekenning
vande
punten;H
ettentamen
wordtingeleid
met
eenoverzichten
eenalgem
eneinleiding.
#8 Robotica 2 2008/2009 Kwaliteitscontrole Toets
36
Robotica 2, 2008/2009Learning Task 1
Multi-Agent Interactions
BackgroundIn the multi-agent systems community there is a popular slogan:
There’s no such thing as a single agent system
Agents form a society by communicating with each other and using this for making decisions.
Learning ObjectivesAfter completing the task you will be able to
• Apply the following game theory concepts to explore decisions in interactions betweenmultiple (rational) agents:
– Utilities / preferences– Payoff matrices– (Dominant) outcomes / strategies– Nash equilibria– Pareto optimality– Social welfare
• Describe the Prisoner’s Dilemma, it’s paradox with respect to societies of self-interestedagents, and extensions to recover cooperation between agents.
Instruction• Read and study ‘Chapter 6: Multiagent Interactions’ of the book by Wooldridge.• Make exercises 6.1 and 6.2 of the homework exercises.• Hand in your solutions before the deadline in the schedule.
Products• Answers to the exercises.
Reflection• Given agent preferences, can you construct a payoff matrix and apply the various optimal-
ity criteria (i.e., dominance, nash equilibria, pareto optimality, and social welfare)?• Which optimality criteria can be used for opposing agents and which ones for benevolent
agents?
#9 Robotica 2 2008/2009 Leertaken
37
BK
I242:Robotica
2E
xercises2008-2009
Exerciseschapter
6:Multiagentinteractions
Question
6.1
The
statetransform
erfunctionofa
game
with
two
agentsiand
jis
definedin
thisw
ay:τ(A
i ,Aj )
=w
1 ,τ(A
i ,Bj )
=w
2 ,τ(B
i ,Aj )
=w
3and
τ(B
i ,Bj )
=w
4 .
The
utilityofthese
statesw∈
Wforboth
agentsis
thefollow
ing:U
i (w1 )
=2,U
i (w2 )
=4,U
i (w3 )
=1,U
i (w4 )
=5;
Uj (w
1 )=
0,U
j (w2 )
=4,U
j (w3 )
=1,U
j (w4 )
=4.
a.Draw
thepayoffm
atrixforthis
game.
b.Which
actionw
oulda
self-interestedagent
jchoose
inthis
game?
Why?
c.D
oesthis
game
havenone,one,or
two
Nash
Equilibria?
Pleaseexplain
why
andw
here(in
casethere
areany).
Question
6.2
Ina
two-player
game
bothplayers
simultaneously
choosea
whole
number
from0
to3
andthey
bothw
inthe
smaller
ofthe
two
numbers
inpoints.
Inaddition,if
oneplayerchooses
alargernum
berthanthe
other,thenhe/she
hasto
giveup
two
pointsto
theother.
Forexam
ple,for
theaction
pair(2,3),
i.e.,player
1chooses
2w
hileplayer
2chooses
thehighernum
ber3and
thereforetransfers
2points
toplayer1.
utilityplayer1:m
in(2,3)+2
=4
utilityplayer2:m
in(2,3)-2
=0
1
a1.Draw
the4×
4payoffm
atrixforthis
game.
a2.D
etermine
ifthis
two-player
game
hasany
Nash
Equilibria?
Pleaseexplain
why
andw
here(in
casethere
areany).
Supposethe
game
ism
odifiedsuch
thatthetw
oplayers
win
thenam
edam
ountif
theyboth
choosethe
same
number,and
otherwise
win
nothing(butstillloose
2points
when
theychoose
ahigher
number).
Forexam
ple,for
(2,3)they
win
nothingas
26=3,butplayer2
looses2
pointsas
3>
2:
utilityplayer1:0
+0
=0
utilityplayer2:0
-2=
-2
b1.Draw
the4×
4payoffm
atrixforthis
modified
game.
b2.Determ
ineifthis
modified
two-playergam
ehas
anyN
ashE
quilibria?Please
explainw
hyand
where
(incase
thereare
any).
Exerciseschapter
7:Reaching
agreements
Question
7.1
a.Supposethatin
anE
nglishauction
theagents
playthe
straightforward
biddingstrategy.
Supposethatallagents
provideinform
ationabouttheir
valueto
acen-
tralagent,thataccordingto
thosevalues
simulates
theauction.(N
ote,thecentral
agentdoesn’t
cheat,doesn’tuses
thereceived
information
insom
especial
way,
andstarts
thebidding
at0.)A
sssume
agentshave
differentvaluationsofthe
auc-tioned
object.Who
willw
inthe
biddingand
forwhatprice?
Whattype
ofauctiondoes
thislook
like?
b.W
hatisthe
beststrategyfor
thecom
municated
values(low
er/higher/equaltothe
truevalue)?
2
#9 Robotica 2 2008/2009 Leertaken
38
Question
7.2
Let
X=a,b,c,d
andthe
attackrelation
begiven
asin
thefollow
ingfigure
bb
ac
d
Answ
erthefollow
ingquestions:
1.W
hichargum
entsin
Xare
attacked?2.
Which
arguments
inX
areacceptable
wrt
Y=b,d
andY
=a
,c?3.
Determ
ineif
Y⊆
Xis
conflictfreeand/oradm
issibleforthe
cases:
(a)Y
=b,d
(b)Y
=a,c
(c)Y
=c
(d)Y
=b,c
3
Question
7.3
With
respecttothe
argumentsystem
inFigure
1,statew
ithjustification
thesta-
tusof
theargum
entsa,...,q,
suchthat
theacceptable
(‘in’)argum
entsform
am
aximaladm
issibleset.(In
particular,payattention
tothe
oddcycle
k,l,m.)
cm
d
kl
a
g
j
e
bi
jp
f
nq
h
f
Figure1:A
rgumentsystem
(cf.Wooldridge,Figure
7.3).
4
#9 Robotica 2 2008/2009 Leertaken
39
BK
I242:Robotica
2E
xercises2008-2009
ExercisesC
hapter8:Probability
Robotics
Question
8.1(O
ldE
xamQ
uestion)
Johas
atestfor
anasty
disease.W
edenote
Jo’sstate
ofhealth
bythe
variableA
andthe
testresultbyB
.A=
1Jo
hasthe
diseaseA
=0
Jodoes
nothavethe
disease
The
resultofthe
testiseither
‘positive’(B
=1)
or‘negative’
(B=
0);thetest
is95%
reliable:in95%
ofcasesofpeople
who
reallyhave
thedisease,a
positiveresultis
returned,andin
95%of
casesof
peoplew
hodo
nothavethe
disease,anegative
resultisobtained.
The
finalpieceof
backgroundknow
ledgeis
that1%ofpeople
ofJo’sage
andbackground
havethe
disease.
a.Write
down
alltheprovided
probabilities,i.e.,
p(B=
1|A=
1)p(B
=1|A
=0)
p(A=
1)p(B
=0|A
=1)
p(B=
0|A=
0)p(A
=0)
b.W
ritedow
nthe
formula
forthe
probabilityof
gettinga
positiveresult,
i.e.,p(B
=1),using
theproductand
sumrule
ofprobability
theory.(Y
oudon’thave
toevaluate
theform
ulainto
anum
ber.)
c.W
ritedow
nthe
formula
forthe
probabilityof
Johaving
thedisease
giventhat
Johas
apositive
testresult,i.e.,p(A
=1|B
=1),using
Bayes
rule.(Y
oudon’t
haveto
evaluatethe
formula
intoa
number,butifyou
arecurious
itisonly
0.16.)
1
Question
8.2
This
problemis
known
asthe
tigerproblem
andis
dueto
Cassandra,L
ittman
andK
aelbling[1,2].A
personfaces
two
doors.Behind
oneis
atiger,behind
theother
arew
ardof
+10.T
heperson
caneither
listenor
openone
ofthe
doors.W
henopening
thedoor
with
atiger,the
personw
illbeeaten,w
hichhas
anassociated
costof
-20.L
isteningcosts
-1.W
henlistening,
theperson
will
heara
roaringnoise
thatindicatesthe
presenceof
thetiger,butonly
with
0.85probability
will
theperson
beable
tolocalize
thenoise
correctly.With
0.15probability,the
noisew
illappearasifitcam
efrom
thedoorhiding
therew
ard.
a.Providethe
formalm
odelofthePO
MD
P,inw
hichyou
definethe
state,action,and
measurem
entspaces,thecostfunction,and
theprobability
functions.Use
thefollow
ingnotation:
States:T
L,T
RA
ctions:O
L,O
R,L
Observations:
SL
,SR
where
TL
,TR
standfor
tigerbehind
theleftdoor,respectively,behind
theright
door;O
L,O
Ropen
theleftdoor,respectively,rightdoor;
SL
,SR
heara
soundbehind
theleftdoor,respectively,rightdoor.
b.Whatis
theexpected
payoff/costifwe
areonly
allowed
toperform
oneaction?
Com
putethe
optimalpolicy
π1 (b).A
lsoplotthe
resultinglinearfunctions
r(b,u)
forbelief
band
actionu
∈O
L,O
R,L
ina
diagramand
don’tforget
toadd
unitsto
yourdiagram.
2
#9 Robotica 2 2008/2009 Leertaken
40
ExercisesC
hapter9:W
orkingtogether
Question
9.1
a.Describe
theC
ontractNetProtocol.
b.D
iscusshow
touse
thecontractnetw
orkprotocolfordistribution
oflargepro-
grams
overdifferentcomputers
ina
network.Points
todiscuss/think
about:-w
hatarethe
agents?-are
theybenevolentorself-interested?
-which
information
shouldbe
comm
unicatedin
theannouncem
ent?-w
hichinform
ationis
importantforthe
biddingand
theaw
arding?
References
[1]A
.R.C
assandra,L.P.K
aelbling,andM
.L.L
ittman.
Acting
optimally
inpar-
tiallyobservable
stochasticdom
ains.In
Proceedings
ofthe
AA
AI
National
Conference
onA
rtificialIntelligence,pages1023–1028,1994.
[2]L
.P.Kaelbling,
M.L
.Littm
an,and
A.R
.Cassandra.
Planningand
actingin
partiallyobservable
stochasticdom
ains.A
rtificialIntelligence,101:99–134,1998.
3
#9 Robotica 2 2008/2009 Leertaken
41
BK
I242R
obotica2
Exercises2008-2009
Exerciseschapter
12:ModalL
ogic
12.1.ModalL
ogic(old
examquestion)
Let
M=〈S
,R,L〉
bea
Kripke
structurew
ith
S=w
1 ,w2 ,w
3 ,w4 ,w
5 R
=(w
1 ,w1 ),(w
1 ,w2 ),(w
2 ,w3 ),(w
2 ,w4 ),(w
3 ,w1 ),(w
4 ,w5 ),(w
5 ,w2 )
L(w
i )=
if
wi ∈
w
1 p
ifw
i ∈w
2 ,w5
qif
wi ∈
w
3 ,w4
a.Draw
apicture
ofthem
odelM
.
b.Which
ofthefollow
ingclaim
shold?
Motivate
youranswer.
i.M
,w5 |=
p
ii.M
,w5 |=
p→
♦p
iii.M
,w1 |=
♦q→
q
iv.M
,w4 |=
♦q→
q
c.Let
pand
qbe
atomic
formulas.Show
thatthefollow
ingform
ulasare
notvalidin
allframes
(givea
counterexample
foreachform
ula).
i.
p→
p
ii.
p→♦
p
1
Question
12.2(M
odalLogic)
Showthatthe
formula
φ⇒
φis
characteristicfor
theclass
ofm
odelsw
itha
transitiveaccessibility
relation.
Question
12.3(E
pistemic
Logic)
There
arethree
wise
men.
Itiscom
mon
knowledge
thatthereare
threered
hatsand
two
white
hats.The
kingputs
ahaton
thehead
ofeachofthe
threew
isem
en,and
asksthem
(sequentially)if
theyknow
thecolor
ofthe
hatontheir
head.T
hefirstw
isem
ansays
thathedoes
notknow;the
secondw
isem
ansays
thathedoes
notknow;then
thethird
wise
man
saysthathe
knows.
a.A
ssume
thatallthreew
isem
ancan
seethe
hatofthe
othertw
ow
isem
an,butnottheirow
nhat.D
rawthe
Kripke
structuredescribing
theinitialsituation.H
owdoes
thestructure
changeafter
thefirstw
isem
ansays
thathedoesn’tknow
thecolor
ofhis
hatonhis
head?H
owdoes
itchangeafter
thesecond
wise
man
saysthathe
doesnotknow
?W
hatisthe
answerofthe
thirdw
isem
an?
b.Suppose
thefirstand
secondw
isem
encan
see,butthatthethird
wise
man
isblind.
How
doesthis
changethe
structureof
theK
ripkem
odel?D
oesthis
affectany
oftheresponses
ofthew
isem
en?
Question
12.4(Tem
poralLogic)
Draw
apath
togetherw
itha
valuationof
propositionssuch
thatin
thispath
thefollow
ingthree
formulas
allhold:
1.¬(pU
q)
2.¬(¬
pUq)
3.Fq
2
#9 Robotica 2 2008/2009 Leertaken
42
Question
12.5(Tem
poralLogic)
Showthat
thefollow
ingform
ulasare
notequivalent
bygiving
apath
(possiblyinfinite)and
avaluation
ofpropositionson
thispath
suchthatone
oftheform
ulasis
truew
hilethe
otherisnot
a.FGp
andG
(p→X
p)
b.FGp
and¬pU
(Gp)
c.G(p→
Xp)
and¬pU
(Gp)
Question
12.6.TemporalL
ogic(old
examquestion)
Supposethat
we
havean
infinitepath
s0→
s1→
s2 ···
where
s0
isthe
ini-tialstate.
Draw
them
odelM
onthis
pathsuch
thatitsatisfiesallthe
following
formulas
i.M
,s0 |=
p∧q
ii.M
,s0 |=
G((X
p)↔¬
p)
iii.M
,s0 |=
G((X
q)↔(p↔
q))
3
#9 Robotica 2 2008/2009 Leertaken
43
BK
I242R
obotica2
Extra
Exercises2008-2009
Extra
Exerciseschapter
12:ModalL
ogic
12.1.ModalL
ogic(old
examquestion)
Let
M=〈S
,R,L〉
bea
Kripke
structurew
ith
S=w
1 ,w2 ,w
3 ,w4 ,w
5 R
=(w
1 ,w2 ),(w
2 ,w3 ),(w
2 ,w4 ),(w
3 ,w3 ),(w
3 ,w4 ),(w
4 ,w2 ),(w
4 ,w5 )
L(w
i )=
if
wi ∈
w
1 p
ifw
i ∈w
4 ,w5
qif
wi ∈
w
2 p,q
ifw
i ∈w
3
a.Draw
apicture
ofthem
odelM
.
b.Stateforeach
subquestionand
foreachstate
wi w
hethertheysatisfy
thegiven
formula
andm
otivateyouransw
er
i.M
,wi |=
p→
p
ii.M
,wi |=
♦♦
q
c.L
etp
bean
atomic
formula.
Showthatthe
following
formula
isnotvalid
inallfram
es(i.e.,give
acounterexam
plefor
thegiven
formula)
andm
otivateyour
answer♦
p→
♦p
1
Question
12.2.TemporalL
ogic(old
examquestion)
Intem
porallogicitis
possibleto
addan
additionaloperatorR,the
releaseoper-
ator,which
isdefined
aspR
q≡¬
((¬p)U
(¬q)).
Draw
am
odelM
(apath)
suchthatin
theinitialstate
ofthism
odelwe
havethat
M|=
pUq
andM
6|=qR
p
Rem
ember
thattemporallogic
has(am
ongothers)
thefollow
ingsem
antics.L
etf
1 ,f2
bestate
formulas,
g1 ,g
2be
pathform
ulas.For
apath
π=
π0 π
1 ···w
edenote
πi=
πi ,π
i+1 ···.
M,s|=
pp∈
L(s)
M,s|=
¬f
1M
,s6|=f
1
M,π
|=f
1s
isthe
firststateof
πand
M,s|=
f1
M,π
|=¬
g1
M,π
6|=g1
M,π
|=g1 U
g2
thereexists
k≥0
suchthat
M,π
k|=g2
andforall
0≤j
<k,
M,π
j|=g1
2
#9 Robotica 2 2008/2009 Leertaken
44
BK
I242:Robotica
2E
xercises2008-2009
Exerciseschapter
6:Multiagentinteractions
Solution6.1
a.
Ai
Bi
Aj
21
01
Bj
45
44
b.We
haveA
i Bj ≡
jB
i Bj
jB
i Aj
jA
i Aj
Asoutcom
esincludingB
j arealw
ayspreferredoveroutcom
esincludingA
j ,agentj
willchoose
Bj .
c.T
hisgam
ehas
oneN
ashequilibrium
:B
i Bj .
This
iseven
adom
inantstrategy.A
gentj
willplay
Bj (see
b.),andthen
agenti’s
bestchoiceis
toplay
Bi .L
eavingthis
stateis
worse
foreitherofthetw
oagents.
1
Solution6.2
a1.
1chooses
‘0’1
chooses‘1’
1chooses
‘2’1
chooses‘3’
2chooses
‘0’0
-2-2
-20
22
22
chooses‘1’
21
-1-1
-21
33
2chooses
‘2’2
32
0-2
-12
42
chooses‘3’
23
43
-2-1
03
Note
that,for
example,
foraction
pair(2,3),
i.e.,player
2chooses
thehigher
number3
andtransfers
2points
toplayer1,the
utilitiesare:
player1:m
in(2,3)
+2
=4
player2:m
in(2,3)−
2=
0
a2.T
hereis
oneN
ashequilibrium
(0,0).A
nyother
choiceof
strategiescan
beim
provedifone
oftheplayerslow
ershisnumberto
onelessthan
theotherplayer’s
number.
b1.
1chooses
‘0’1
chooses‘1’
1chooses
‘2’1
chooses‘3’
2chooses
‘0’0
-2-2
-20
00
02
chooses‘1’
01
-2-2
-21
00
2chooses
‘2’0
02
-2-2
-22
02
chooses‘3’
00
03
-2-2
-23
b2.There
arenow
fourNash
equilibria:(0,0),(1,1),(2,2),(3,3).
2
#10 Robotica 2 2008/2009 Uitwerkingen Leertaken
45
Exerciseschapter
7:Reaching
agreements
Solution7.1
a.Suppose
theagents
providevalues
v1 ≤
v2 ≤
···≤v
n−1
<v
n .T
henagent
nw
illwin
theauction
andpay
(alittle
bitmore
than)v
n−1 .T
heauction
isin
facttransform
edinto
aV
ickreyauction
(seethe
paperby
Dash
andJennings,p.
43:T
heR
evelationPrinciple).
b.The
dominantstrategy
isto
comm
unicatethe
truevalue.
Solution7.2
attackedare
b,c,d.acceptable:
aw
rtY
=b,d;
a,c
wrt
Y=a,c
Y=b,d
isconflictfree,notadm
issibleY
=a,c
isconflictfree
andadm
issibleY
=c
isconflictfree,notadm
issibleY
=b,c
isnotconflictfree,notadm
issible
Solution7.3
There
aretw
om
aximaladm
issiblesets:
h,g
,b,q,f,i
andh,g
,b,q,f,j.
Explanation:
hand
gbelong
toeach
maxim
aladmissible
set,sincethey
arenot
attacked.So,
a,p,
e,andd
arenotm
ember
ofa
maxim
aladmissible
set,sincethese
argu-m
entscan
notbedefended.
So,b(defended
byg
andh)and
q(defended
byh)can
beadded
tothe
admissible
set.E
itherior
j(butnotboth)belong
toa
maxim
aladmissible
set.n
isout,since
itisattacked
byeither
iorj.
fis
in(defended
byeither
iorj).
Fromthe
three-cyclel,
k,m
atm
ostone
ofthem
canbe
in,butthey
cannotbe
defended.T
hecycle
isunstable.
Conclusion:
l,k,
m,and
ccannotbelong
tothe
admissible
sets.
3
#10 Robotica 2 2008/2009 Uitwerkingen Leertaken
46
BK
I242:Robotica
2E
xercises2008-2009
SolutionsChapter
8:ProbabilisticR
obotics
Question
8.1
a.p(B
=1|A
=1)
=0.95
p(B=
1|A=
0)=
0.05p(B
=0|A
=1)
=0.05
p(B=
0|A=
0)=
0.95p(A
=1)
=0.01
p(A=
0)=
0.99
b.
p(B=
1)=
p(B=
1|A=
1)p(A=
1)+
p(B=
1|A=
0)p(A=
0)
c.
p(A=
1|B=
1)=
p(B=
1|A=
1)p(A=
1)
p(B=
1)
=p(B
=1|A
=1)p(A
=1)
p(B=
1|A=
1)p(A=
1)+
p(B=
1|A=
0)p(A=
0)
Question
8.2
a.T
hereare
two
doors,w
hichw
edenote
leftand
right.T
hestate
dependson
where
thetiger
islocated,
behindthe
leftdoor
(TL
)or
behindthe
rightdoor
(TR
).One
caneitheropen
theleftdoor
(OL
),openthe
rightdoor(O
R),orlisten
(L).
When
listeningone
canheara
soundeitherbehind
theleftdoor
(SL
)orthe
rightdoor(S
R).Form
ally:
States:T
L,T
RA
ctions:O
L,O
R,L
Observations:
SL
,SR
1
The
rewards
aregiven
asfollow
s
r(TL
,OL
)=
-20r(T
R,O
L)
=+10
r(TL
,OR
)=
+10r(T
R,O
R)
=-20
r(TL
,L)
=-1
r(TR
,L)
=-1
The
probabilitiesare
givenas
follows
p(SL|T
L)
=0.85
p(SR|T
L)
=0.15
p(SL|T
R)
=0.15
p(SR|T
R)
=0.85
There
areno
transitionsin
thisversion
ofthetigerproblem
.
b.W
ithrespectto
actionO
Lw
ereceive
-20if
we
arecertain
thatthetiger
ison
theleft
(TL
),and+10
ifw
eare
certainif
thetiger
ison
theright
(TR
).If
we
areuncertain
we
getsome
linearcombination
fortheexpected
reward.L
etb
standfor
abelief,
denotingthe
uncertaintyover
thestate
spaceand
useas
shorthandp(T
L)
=pland
p(TR
)=
pr=
1−pl.T
hen
r(b,OL
)=−
20pl+
10pr=−
20pl+
10(1−pl)
=−
30pl+
10
Similarforactions
OR
andL
we
obtain:
r(b,OR
)=
10pl−20(1−
pl)=
30pl−20
r(b,L)
=−
12
#10 Robotica 2 2008/2009 Uitwerkingen Leertaken
47
Graphically
(with
pl=
p(TL
)on
thehorizontalaxis):
00.2
0.40.6
0.81
−20
−15
−10
−5 0 5 10
The
valuefunctionfor1
actionis
them
aximum
overthethree
linearfunctions:
V1 (b)
=m
ax −
30pl+
1030pl
−20
−1
T
heoptim
alpolicyfor1
actioncan
beobtained
fromthis
valuefunction:
π1 (b)
= O
Lif
0≤pl≤
11
30
Lif
11
30
<pl
<19
30
OR
if19
30 ≤
pl≤1
3
SolutionsChapter
9:Working
together
Question
9.1
a.Seebook
orslides:5stages
+shortexplanation
perstage.
b.A
naturalchoiceforagents
isone
agentperCPU
,buttherecan
alsobe
agentsforclusters
ofcomputers.Ifthe
computers
inthe
network
arenotallthe
same,the
agentsform
aninhom
ogeneousteam
.The
network
caneven
beopen.
Agents
canbe
chosenboth
benevolent(they
justw
antto
compute
asm
uchas
possible)orself-interested(they
getpointsfortasks,more
pointsformore
difficulttasks,and
theytry
togatheras
much
pointsas
possible).
Information
tocom
municate:
deadlines,inform
ationabout
thetask
(difficult,com
puting,graphical,...)
Bidding:
specialisms
ofthe
agent,expectedcom
pletionof
thejob,quality
ofthe
outcomes,...
Aw
arding:Choose
thebestdistribution
overagents,consideringthe
whole
job.
4
#10 Robotica 2 2008/2009 Uitwerkingen Leertaken
48
BK
I242:Robotica
2Solutionsto
Exercises2008-2009
Solutionschapter12:M
odalLogic
Question
12.1a.
pq
pq
W1
W2
W3
W4
W5
b.Fullanswers
aregiven
forpartsiand
ii.Shortenedansw
ersforparts
iiiandiv.
i.M
,w5 |=
p
iff∀x,(w
5 ,x)∈
R→
M,x|=
p
iffM
,w2 |=
piff
∀x,(w
2 ,x)∈
R→
M,x|=
p
iffM
,w3 |=
p
andM
,w4 |=
p
iff∀x,(w
3 ,x)∈
R→
M,x|=
pand∀
x,(w
4 ,x)∈
R→
M,x|=
piff
M,w
1 |=p
andM
,w5 |=
piff
false,asp6∈
L(w
1 ).
ii.M
,w5 |=
p→
♦p
iffif
M,w
5 |=p
thenM
,w5 |=
♦
piff
M,w
5 |=
♦p
iff∀x,(w
5 ,x)∈
R→
M,x|=
♦p
iffM
,w2 |=
♦p
iff∃x,(w
2 ,x)∈
R→
M,x|=
p
iffM
,w3 |=
p
orM
,w4 |=
p
iff∀x,(w
3 ,x)∈
R→
M,x|=
por∀
x,(w
4 ,x)∈
R→
M,x|=
piff
M,w
1 |=p
orM
,w5 |=
piff
true,asp∈
L(w
5 ).
1
iii.M
,w1 |=
♦q→
qfalse,because
the“ifpart”
istrue:
(w1 ,w
2 )∈R
andM
,w2 |=
q,but
the“then
part”is
false:(w
1 ,w1 )∈
Rand
M,w
1 6|=
q.
iv.M
,w4 |=
♦q→
qtrue,because
the“ifpart”
isnotsatisfied
(thereis
onlyone
successorstateof
w4 ,
namely
w5 ,
andonly
onesuccessor
stateof
w5 ,
namely
w2 ,
andM
,w2 6|=
q.H
ence,thestatem
entistrue,independentof
thetruth
valueof
the“then
part”.
c.
pi)ii)
Note
thatin
i.the
characteristicform
ulais
givenfor
transitivefram
es.H
ence,you’llneed
togive
anon-transitive
frame
(anda
properlabellingfunction).
Note
thatin
ii,φ
isautom
aticallytrue
when
thereare
nooutgoing
edgesfor
anyform
ulaφ.
2
#10 Robotica 2 2008/2009 Uitwerkingen Leertaken
49
Question
12.2
LetF
bethe
classofalltransitive
frames.
We
showthat
F∈F⇔
φ⇒
φis
validon
F.
Proof:⇒
Let
F=〈S
,R〉∈F
andM
bea
modelbased
onF
.L
etw
bean
arbitrarystate
andassum
eM
,w|=
φ.T
henforall
w′such
that(w
,w′)∈
Ritholds
thatM
,w′|=
φ.We
stillneedto
proveM
,w|=
φ,which
holdsiff∀
w′if
(w,w
′)∈R
thenM
,w′|=
φ,w
hichholds
iff∀w
′,(w,w
′)∈R
,∀w
′′if(w
′,w′′)∈
Rthen
M,w
′′|=φ.
This
holds,as(w
,w′′)∈
R,because(w
,w′),(w
′,w′′)
⊆R
andw
eassum
edM
,w|=
φ.
⇐A
ssume
F=〈S
,R〉6∈F
.T
henR
isnon-transitive
andthere
arestates
w,w
′,w′′such
that(w,w
′),(w′,w
′′)⊆
Rand
(w,w
′′)6∈R
.D
efineL
(w)
=L
(w′′)
=∅
andL
(w′)
=φ.
Then
M,w
|=
φbut
M,w
6|=
φ.
Hence,
φ⇒
φis
notvalidon
F.
Question
12.3
a.W
ith(W
,R,R
)w
ecan
denotethe
statew
herethe
firstw
isem
anw
earsa
white
hat,thesecond
wise
man
ared
hat,andthe
thirdw
isem
ana
redhat.
The
(simplified)
initialK
ripkestructure
isthen
shown
asin
Figure1.
Note
thatthe
linesshow
nare
infact
arrows
goingboth
ways.
Arrow
sgoing
fromone
nodeto
itselfare
notshow
n.For
example,
aline
isdraw
nbetw
een(W
,R,R
)and
M,(R
,W,W
)|=
K1 R
M,(W
,R,W
)|=
K2 R
M,(W
,W,R
)|=
K3 R
(W,R,W
)
(RRR)
(WRR)
(RRW)
(,,
)
31
(R,R,R)(W
,R,R)(R,R,W
)
22
2
13
(R,W,R)
(W,W,R)
(R,W,W
)1
3
Figure1:Sim
plifiedinitialK
ripkestructure
forthew
isem
enpuzzle
togetherwith
epistemic
knowledge
(R,R
,R)
forw
isem
an1,
becausehe
seesthe
hatsof
theother
wise
man,
butthe
colorof
hisow
nhat
canbe
eitherw
hiteor
red.T
hereare
sevenstates
as
3
(W,W
,W)
isnotpossible
accordingto
thecom
mon
knowledge
ofthreered
hats,and
two
white
hats.
Note
thatM
,(R,W
,W)|=
K1 R
.T
herefore,when
thefirstagentannounces
hedoesn’tknow
thecolor
ofhis
hat,hecan’tbe
instate
(R,W
,W).
This
state(and
anyarrow
goingin
andoutofit)is
thereforerem
ovedfrom
theK
ripkem
odelafterthe
announcementas
shown
inFigure
2.
M,(W
,R,W
)|=
K2 R
M,(R
,R,W
)|=
K2 R
M,(W
,W,R
)|=
K3 R
(W,R,W
)
(RRR)
(WRR)
(RRW)
(,,
)
31
(R,R,R)(W
,R,R)(R,R,W
)
22
13
(R,W,R)
(W,W,R)
1
Figure2:
Simplified
Kripke
structurefor
thew
isem
enpuzzle
afterthe
firstwise
man
answersthathe
doesn’tknowthe
colorofhisown
hattogetherwith
epistemic
knowledge
Afterthe
announcementofthe
secondw
isem
en,asim
ilarargumentcan
begiven
fortherem
ovalofthestates
(W,R
,W)and
(R,R
,W).T
hisis
shown
inFigure
3.T
heonly
statesnow
leftare
(W,R
,R),(W
,W,R
),(R,W
,R),(R
,R,R
),hence,
thethird
wise
man
hasto
havea
redhatand
heknow
sit!
M,(W
,R,R
)|=
K3 R
M,(R
,R,R
)|=
K3 R
M,(W
,W,R
)|=
K3 R
M,(R
,W,R
)|=
K3 R
(RRR)
(WRR)
(R,R,R)(W
,R,R)
22
1
(R,W,R)
(W,W,R)
1
Figure3:
Simplified
Kripke
structurefor
thew
isem
enpuzzle
afterthe
firstandsecond
wise
men
answerthatthey
don’tknowthe
coloroftheirown
hatstogether
with
epistemic
knowledge
b.B
ecausethe
thirdw
isem
annow
hasno
knowledge
aboutthe
statehe
isin,
arrows(w
ithlabel‘3’)go
fromany
stateto
anyotherstate.H
owever,the
responsesofthe
threew
isem
enw
illnotchangeatall.
4
#10 Robotica 2 2008/2009 Uitwerkingen Leertaken
50
Question
12.4
pq
Question
12.5
p
a,b)
pp
c)
Note
thatinthe
firstpathFG
pholds,butneitherG
(p→X
p)nor¬
pU(G
p)holds.
Inthe
secondpath
G(p→
Xp)
holds,butnot¬pU
(Gp).
5
Question
12.6
p, qqpp
The
stateon
thetop
leftisthe
initialstate.T
hepath
repeatsafter
every4
states.Form
ulaistates
thatthefirststate
satisfiesp∧
q.Formula
iithatthetruth
valueof
palternates
(globallyp
istrue
inthe
nextstate,ifp
isnottrue
inthe
currentstate).Form
ulaiiistates
thatq
istrue
inthe
nextstate,when
pand
qhave
identicaltruthvalues
(i.e.,bothfalse
orbothtrue)in
thecurrentstate.
6
#10 Robotica 2 2008/2009 Uitwerkingen Leertaken
51
BK
I242:Robotica
2Solutionsto
Extra
Exercises2008-2009
Solutionschapter12:M
odalLogic
Question
12.1
a.-
b.N
ote,these
areshort
solutions.A
tthe
examyou
needto
givem
oredetailed
motivation!!!
i.w
1true,as
pis
false.
w2
false,asp
true,but
pfalse
(w2 →
w4 →
w2 )
w3
false,asp
true,but
pfalse
(w3 →
w4 →
w2 )
w4
true,asp
isfalse.
w5
true,asany
(sub)formula
beginningw
itha
istrue
ina
statew
ithoutsuccessors.
iiw
1true,(w
1 →w
2 →w
4 →w
2 )
w2
true,(w2 →
w3 →
w3 →
w3
andw
2 →w
4 →w
2 →w
3 )
w3
true,(w3 →
w3 →
w3 →
w3
andw
3 →w
4 →w
2 →w
3 )
w4
false,as♦♦q
nottruein
w5 .
w5
true,asany
(sub)formula
beginningw
itha
istrue
ina
statew
ithoutsuccessors.
c.Take
forexample
am
odelwith
two
statesS
=w
1 ,w2 ,w
hichare
connectedR
=(w
1 ,w2 ).
Then
forany
labelingw
ehave
w1 |=
♦p,
butw
1 6|=
♦p,
becausew
2has
nosuccessors.
1
Question
12.2
Note
that
M6|=
qRp⇔
M6|=¬
((¬q)U
(¬p))
⇔M
|=(¬
q)U(¬
p)
Takeforexam
plethe
modelw
ithonly
onestate
s0
suchthat
qis
truein
thisstate.
Then
thism
odelsatisfies
pUq
asq
iseventually
true(nam
elyfirst
state)and
inall
statesbefore
that(none)
pholds.
Furthermore,
(¬q)U
(¬p)
holdsas¬
pis
eventuallytrue
(namely
firststate)andin
allstatesbefore
that(none)¬q
holds.
2
#10 Robotica 2 2008/2009 Uitwerkingen Leertaken
52
Rob
otic
a 2
20
09
-20
10
obje
ctives
appro
ach
and e
valu
atio
n co
urse
mate
rial
weekly
pla
nnin
gsch
edule
pro
ject
Rob
otica
2
Welc
om
e!
This cou
rse is mean
t to give you
an in
troduction
to robotics.
Rob
otics is the scien
ce and tech
nolog
y of robots, an
d th
eir desig
n,
man
ufactu
re, and ap
plication
. Rob
otics is also closely related to th
eresearch
area of multi-ag
ents.
Teach
ers
Ida S
prin
khuizen
-Kuyp
erroom
B02.3
9(0
24) 3
616126
Perry Groot
room H
G 0
2.5
19
(024) 3
652354
Both
Ida an
d Perry w
ill be resp
onsib
le for the lectu
res, class project, an
d overall
evaluation
.
Rob
otic
a 2
20
09
-20
10
obje
ctives
appro
ach
and e
valu
atio
n co
urse
mate
rial
weekly
pla
nnin
gsch
edule
pro
ject
Rob
otica 2
Ob
jectiv
es
After com
pletin
g th
e theoretical p
art of this cou
rse studen
ts will b
e able to
describ
e the ob
jectives and ch
allenges of m
ulti-ag
ents system
s;use m
odal log
ic for reasonin
g ab
out p
roperties of ag
ent kn
owled
ge (ep
istemic
logic) an
d ab
out tem
poral p
roperties (tem
poral log
ic) (lt1);
apply g
ame th
eory concep
t for understan
din
g ag
ent d
ecisions in
multi-ag
ent
interaction
s (lt2);
apply several tech
niq
ues (au
ction, n
egotation
, argum
entation
) to reach an
agreem
ent am
ong ag
ents (lt3
);setu
p a p
rotocol for the d
istribution
of tasks betw
een ag
ents (lt4
);ap
ply p
robab
ility theory (e.g
., Bayes ru
le) for reasonin
g ab
out u
ncertain
actions an
d/or ob
servations (lt5
);
After com
pletin
g th
e practical p
art of this cou
rse studen
ts will b
e expected
to be ab
leto
Apply kn
owled
ge of M
ulti-A
gen
t systems
Work in
a team, w
rite a report, an
d p
resent th
e results
#11 Robotica 2 2008/2009 Organisatie Cursus Internetpagina’s
53
Rob
otic
a 2
20
09
-20
10
obje
ctives
appro
ach
and e
valu
atio
n co
urse
mate
rial
weekly
pla
nnin
gsch
edule
pro
ject
Rob
otica 2
Ap
pro
ach
an
d e
valu
atio
n
Lectu
res, e
xerc
ises, a
nd
learn
ing
tasks
We w
ill give lectu
res, quite closely follow
ing th
e book "A
nIn
troduction
to MultiA
gen
t System
s" (see the cou
rse material). W
ew
ill indicate w
hat p
arts of the b
ook we p
lan to treat an
d w
hat
exercises are approp
riate for practicin
g th
e material, see th
e learnin
gtasks sp
ecified in
the w
eekly plan
nin
g.
The exercises sp
ecified in
the learn
ing tasks are h
omew
orkassig
nm
ents an
d h
ave to be h
anded
in b
efore their d
eadlin
e.Solu
tions an
d feed
back w
ill be p
rovided
right after th
e dead
line. Th
ehom
ework assig
men
ts will b
e rated su
fficient (vold
oende) or
insu
fficient (on
voldoen
de). To p
ass this cou
rse all learnin
g tasks
need
to be rated
sufficien
t (see below
for details). You
make th
emon
your ow
n an
d follow
academ
ic standard
s: copyin
g is p
rohib
ited.
At th
e end of th
e lectures th
ere will b
e some tim
e left that you
canuse to w
ork on th
em Feed
back can
be asked
at any tim
e from th
electu
rers.
Pro
ject
All stu
den
ts will h
ave to work in
grou
ps of ab
out 4
studen
ts on a
class project, w
hich
involves th
e implem
entation
of a multi-ag
ent
system. Th
e results w
ill be p
resented
and d
ocum
ented
in a rep
ort.
Evalu
atio
n
If all th
e hom
ework assig
nm
ents are h
anded
in in
time an
d are
judged
sufficie
nt, th
en th
e final m
ark will b
e based
on
W: Th
e mark for th
e written
exam ab
out th
e theory d
iscussed
durin
g th
electu
res (50%
)P: Th
e report an
d p
resentation
of the p
ractical work w
ith th
e robots (5
0%
)
If both
W an
d P are >
= 5
.6, th
e final m
ark will b
e (W+
P)/2.
The p
roject (P) will b
e judged
on
The rep
ort (50%
)Th
e presen
tation (1
0%
)Th
e implem
entation
, desig
n, w
orking, d
ocum
entation
of the rob
ots, and th
eirprog
rams. (4
0%
)
See th
e project p
age for m
ore details ab
out th
e class project. S
trictly followin
g th
eguid
elines g
iven for th
e project sh
ould
give you
a 7 as fin
al mark for th
e project p
art.W
e therefore stron
gly ad
vice you to b
e origin
al and g
o beyon
d th
e given
guid
elines in
order to g
et a better m
ark.
The d
eadlin
es (hard
!) for the h
omew
ork assignm
ents an
d class p
roject are men
tioned
in th
e plan
nin
g.
Rob
otic
a 2
20
09
-20
10
obje
ctives
appro
ach
and e
valu
atio
n co
urse
mate
rial
weekly
pla
nnin
gsch
edule
pro
ject
Rob
otica 2
Cou
rse m
ate
rial
Basically, w
e follow th
e book "A
n In
troduction
to MultiA
gen
t System
s", but w
ill alsogive som
e addition
al material
Mich
ael Woold
ridge, A
n In
troduction
to MultiA
gen
t System
, Chich
ester,Englan
d: Joh
n W
iley & S
ons, 2
002. IS
BN
: 0-4
714969.
A n
um
ber of p
apers.
The slid
es, extra material, tasks, sch
edule, an
d g
eneral in
formation
can b
efou
nd on
the cou
rse web
site
Addition
al material, w
hich
is usefu
l for the p
ractical part of th
e course:
The official leg
o Min
dstorm
s NX
T pag
eN
ext Byte C
odes &
Not eX
actly C D
ocs and sam
ples con
cernin
g N
XC
Min
dstorm
s Rob
ots by Jörg
Roth
(pag
e inclu
des m
any tricks an
d tip
s and
contain
s the "sm
ooth sen
sing" exam
ple sh
own in
the lectu
res)B
ook: John C
. Han
sen, LE
GO
Min
dstorm
s NX
T Power Prog
ramm
ing: R
obotics in
C, 2
007
The b
ook of Rob
otica 1: R
.R. M
urp
hy, In
troduction
to AI R
obotics, M
IT Press,C
ambrid
ge, M
A, 2
000. E
specially ad
vised to read
for the p
racticum
: chap
ters 6,
7, an
d 8
.
On th
e book w
ebsite, you
can fin
d slid
es, errata, pdfs of som
e chap
ters, links to
pap
ers and softw
are (usefu
l for the class p
roject).
#11 Robotica 2 2008/2009 Organisatie Cursus Internetpagina’s
54
Rob
otic
a 2
20
09
-20
10
obje
ctives
appro
ach
and e
valu
atio
n co
urse
mate
rial
weekly
pla
nnin
gsch
edule
pro
ject
Rob
otica 2
Cla
ss pro
ject
Gen
era
l
The g
oal of the p
roject is to get h
ands-on
experien
ce with
the
develop
men
t of multi-ag
ent system
s. In g
roups of 3
or 4 stu
den
ts am
ulti-ag
ent task h
as to be selected
, desig
ned
, and im
plem
ented
.Each
grou
p h
as to write a p
relimin
ary report d
escribin
g th
eir choices
(see below
). At th
e end of th
e course each
grou
p g
ives apresen
tation an
d a d
emo of th
eir multi-ag
ent system
and h
as tosu
bm
it a final rep
ort.
Softw
are
For the p
ractical you'll h
ave to make a ch
oice abou
t the d
evelopm
ent en
vironm
ent.
Several ch
oices are possib
le.
NX
C: Th
is is the m
ost basic op
tion. For th
is you w
ill need
to use B
ricxCC
. This
is already in
stalled on
the u
niversity com
puters, b
ut if you
wan
t to run B
ricxCC
on a lap
top, you
will n
eed to in
stall and setu
p B
ricxCC
. Here are som
e detailed
steps to g
et you started
and som
e poin
ters on h
ow to u
se blu
etooth.
Matlab
: This offers a m
ore sophisticated
environ
men
t for controllin
g you
rrob
ots. Visit th
e RW
TH p
age for su
pport. N
ote that you
'll need
a laptop
onw
hich
Matlab
is installed
.JA
VA
: we d
o no
t recomm
end th
e use of LE
JOS. Last year several team
s used
LEJO
S an
d w
ere confron
ted w
ith a n
um
ber of u
nsolvab
le prob
lems b
ecause th
eLE
JOS
distrib
ution
is unstab
le. (For example, softw
are failures b
ecause
seperate th
reads start u
p th
e garb
age collector.)
Ch
alle
ng
e
Note th
at there are h
ours reserved
to work on
the m
ulti-ag
ent system
on th
euniversity com
puters. H
owever, th
is is no
t the room
where th
e final d
emo w
ill be
held
. You w
ill have to m
ake sure th
at your fin
al multi-ag
ent system
is robust en
ough
to work in
a differen
t environ
men
t. (For example, b
y prop
erly calibratin
g you
r sensors
before ad
dressin
g th
e task at han
d.) Th
e room w
here th
e dem
o's will b
e held
will b
ean
nou
nced
in tim
e such
that each
grou
p can
test his system
before th
e dem
o day.
Pre
limin
ary
rep
ort ("
pla
n v
an
aan
pak")
The p
relimin
ary report sh
ould
describ
e the task, th
e desig
n, an
d th
e work d
istribution
over the team
mem
bers. A
n im
portan
t aspect is th
e feasibility. W
ith resp
ect to this
aspect w
e ask you to rep
ort shortly in
an ap
pen
dix of th
e prelim
inary rep
ort abou
tyou
r experien
ces with
the com
munication
(blu
etooth) an
d th
e sensors. W
e expect
that th
e desig
n b
uild
s on th
ese experien
ces, especially w
ith resp
ect to the ch
oice forcom
munication
and coop
eration an
d th
e choice for th
e sensors.
Fin
al re
port
The fin
al project rep
ort will b
e judged
on th
e followin
g
Understan
dab
ility (show
understan
din
g of ob
jectives, challen
ges, an
d relevan
ttop
ics of robotics)
Clarity of exp
ositionC
orrectness (m
ulti-ag
ent task w
ith tw
o-way com
munication
and rep
ort written
in LaTeX
)C
ompleten
ess (motivation
, task descrip
tion, cod
e, workload
distrib
ution
,reflection
)O
rigin
ality
Rob
otic
a 2
20
09
-20
10
obje
ctives
appro
ach
and e
valu
atio
n co
urse
mate
rial
weekly
pla
nnin
gsch
edule
pro
ject
Rob
otica 2Learn
ing task 2
Gam
e T
heory
Backg
rou
nd
In th
e multi-ag
ent system
s comm
unity th
ere is a pop
ular slog
an:
There's n
o such
thin
g as a sin
gle ag
ent system
Agen
ts form a society b
y comm
unicatin
g w
ith each
other an
d u
sing
this for m
aking d
ecisions.
Learn
ing
ob
jectiv
es
After com
pletin
g th
is task you w
ill be ab
le to
Apply th
e followin
g g
ame th
eory concep
ts to explore d
ecisions in
interaction
sbetw
een m
ultip
le (rational) ag
ents:
Utilities / p
references
Payoff matrices
(Dom
inan
t) outcom
es / strategies
Nash
equilib
riaPareto op
timality
Social w
elfareD
escribe th
e Prisoner's D
ilemm
a, it's parad
ox with
respect to societies of
self-interested
agen
ts, and exten
sions to recover coop
eration b
etween
agen
ts.
Instru
ctio
n
Read
and stu
dy `
Chap
ter 6: M
ultiag
ent In
teractions' of th
e book b
yW
ooldrid
ge.
1.
Make exercises 6
.1 an
d 6
.2 of th
e hom
ework exercises.
2.
Han
d in
your solu
tions b
efore the d
eadlin
e in th
e sched
ule.
3.
Pro
du
cts
Answ
ers to the exercises.
Refle
ctio
n
Given
agen
t preferen
ces, can you
constru
ct a payoff m
atrix and ap
ply th
evariou
s optim
ality criteria (i.e., dom
inan
ce, nash
equilib
ria, pareto op
timality,
and social w
elfare)?
#11 Robotica 2 2008/2009 Organisatie Cursus Internetpagina’s
55
Online R
apport
Radboud U
niversiteit, Faculteit der Sociale Wetenschappen
Psychologie en Kunstm
atige Intelligentie
Standaard|Rapport
WO
spiegel.nl9-7-2008
Dit rapport is autom
atisch gegenereerd: 9-7-2008 11:59:56 D
igiDoc W
eb Hosting
Analyse: Analyse: B
KI240 [16706]
Algem
een
EnquêteN
umm
mer
EN
Q42828
Naam
BK
I240
InstellingR
adboud Universiteit, Faculteit
der Sociale W
etenschappen
LocatieP
sychologie en Kunstm
atige Intelligentie
Datum
Gem
aakt28-5-2008
Datum
Begin
16-6-2008D
atum E
inde9-7-2008
#12 Design of Multi Agent Systems 2007/2008 Enquete Resultaten
56
1. Mijn voorkennis voor deze cursus is voldoende
2. Ik ben geheel op de hoogte van de leerdoelen van deze cursus.
3. De in deze cursus gebruikte literatuur w
as relevant gelet op de inhoud van de cursus.
4. Heb je verder opm
erkingen ivm de plaats van de cursus in het program
ma?
5. De hoeveelheid van de in deze cursus gebruikte literatuur w
as
6. De zw
aarte van de in deze cursus gebruikte literatuur was
7. Ik vind dat er in deze cursus een duidelijke koppeling is met w
etenschappelijk onderzoek.
8. Heb je verder opm
erkingen ivm de literatuur?
9. De onderw
ijsactiviteiten in deze cursus hebben mij geholpen de leerdoelen te bereiken
10. Ik vind dat de samenhang tussen de verschillende taken en opdrachten in deze cursus helder is.
11. Heb je verder opm
erkingen ivm de leerdoelen en cursusopzet?
1.
Mijn
voorken
nis vo
or d
eze cursu
s is vold
oen
de
ngem
.sd
12
34
5
5p: W
einig
- Vold
oen
de
20
4,1
0,6
2.
Ik ben
geh
eel op d
e hoogte van
de leerd
oelen
van d
eze cursu
s.
ngem
.sd
12
34
5
5p: O
neen
s - Een
s19
3,8
0,5
3.
De in
deze cu
rsus g
ebru
ikte literatuur w
as relevant g
elet op d
e inhou
d van
de
cursu
s. n
gem
.sd
12
34
5
5p: O
neen
s - Een
s19
3,7
0,8
4.
Heb
je verder o
pm
erkingen
ivm d
e plaats van
de cu
rsus in
het p
rogra
mm
a?
n7
5.
De h
oeveelh
eid van
de in
deze cu
rsus g
ebru
ikte literatuur w
as
ngem
.sd
12
34
5
5p: W
einig
- Veel
19
2,9
0,5
6.
De zw
aarte van d
e in d
eze cursu
s geb
ruikte literatu
ur w
as
ngem
.sd
12
34
5
5p: te laag
- te hoog
19
3,1
0,2
7.
Ik vind d
at er in d
eze cursu
s een d
uid
elijke koppelin
g is m
et weten
schap
pelijk
onderzo
ek. n
gem
.sd
12
34
5
5p: O
neen
s - Een
s19
3,2
1,1
8.
Heb
je verder o
pm
erkingen
ivm d
e literatuur?
n5
9.
De o
nderw
ijsactiviteiten in
deze cu
rsus h
ebben
mij g
eholp
en d
e leerdoelen
te bereiken
n
gem
.sd
12
34
5
5p: O
neen
s - Een
s19
3,9
0,4
10.
Ik vind d
at de sam
enhan
g tu
ssen d
e verschillen
de taken
en o
pdrach
ten in
deze
cursu
s held
er is. n
gem
.sd
12
34
5
5p: O
neen
s - Een
s19
3,6
0,7
12. De studielast van dit program
maonderdeel is
13. De tijdsplanning van deze cursus interfereert niet m
et andere door mij te volgen studieonderdelen
14. Heb je verder opm
erkingen ivm de studielast?
15. De zw
aarte van de toets is precies goed
16. De toetsing past bij de leerdoelen van de cursus.
17. De toets sluit aan bij de stof
18. Ik vind dat de beoordelingscriteria van de toetsing duidelijk zijn.
19. Heb je verder opm
erkingen ivm de toetsen, practica-opdrachten en beoordeling?
20. Ik vind dat de docent Perry Groot de stof tijdens de colleges op overzichtelijke w
ijze aanbiedt.
21. Ik vind dat de docent Perry Groot in de colleges helder en eenvoudig form
uleert
11.
Heb
je verder o
pm
erkingen
ivm d
e leerdoelen
en cu
rsuso
pzet?
n5
12.
De stu
dielast van
dit p
rogram
mao
nderd
eel is
ngem
.sd
12
34
5
5p: te laag
- te hoog
19
3,1
0,4
13.
De tijd
splan
nin
g van
deze cu
rsus in
terfereert niet m
et andere d
oor m
ij te volg
en
studieo
nderd
elen
ngem
.sd
12
34
5
5p: O
neen
s - Een
s19
2,8
1,1
14.
Heb
je verder o
pm
erkingen
ivm d
e studiela
st?
n7
15.
De zw
aarte van d
e toets is p
recies goed
ngem
.sd
12
34
5
5p: O
neen
s - Een
s19
3,6
0,7
16.
De toetsin
g p
ast b
ij de leerd
oelen
van d
e cursu
s.
ngem
.sd
12
34
5
5p: O
neen
s - Een
s19
3,8
0,6
17.
De toets slu
it aan b
ij de sto
f
ngem
.sd
12
34
5
5p: O
neen
s - Een
s19
4,2
0,5
18.
Ik vind d
at de b
eoord
elingscriteria van
de to
etsing d
uid
elijk zijn.
ngem
.sd
12
34
5
5p: O
neen
s - Een
s19
3,9
0,6
19.
Heb
je verder o
pm
erkingen
ivm d
e toetsen
, practica
-opdrach
ten en
beo
ordelin
g?
n5
20.
Ik vind d
at de d
ocen
t Perry Gro
ot d
e stof tijd
ens d
e colleges o
p o
verzichtelijke
wijze aan
bied
t. n
gem
.sd
12
34
5
5p: O
neen
s - Een
s19
2,9
0,9
#12 Design of Multi Agent Systems 2007/2008 Enquete Resultaten
57
22. Ik vind dat de docent Perry Groot zich er van vergew
ist of de studenten zijn/haar betoog kunnen volgen.
23. Ik vind dat de docent Perry Groot vragen van studenten adequaat beantw
oordt.
24. De docent Perry G
root is bereikbaar als ik hem/haar nodig heb.
25. Ik vind de docent Perry Groot bekw
aam in het begeleiden van studenten.
26. Ik vind dat de docent Ida Sprinkhuizen-Kuyper de stof tijdens de colleges op overzichtelijke w
ijze aanbiedt.
27. Ik vind dat de docent Ida Sprinkhuizen-Kuyper in de colleges helder en eenvoudig form
uleert.
28. Ik vind dat de docent Ida Sprinkhuizen-Kuyper zich er van vergew
ist of de studenten zijn/haar betoog kunnen volgen.
29. Ik vind dat de docent Ida Sprinkhuizen-Kuyper vragen van studenten adequaat beantw
oordt.
30. De docent Ida Sprinkhuizen-K
uyper is bereikbaar als ik haar nodig heb.
21.
Ik vind d
at de d
ocen
t Perry Gro
ot in
de co
lleges h
elder en
eenvo
udig
form
uleert
ngem
.sd
12
34
5
5p: O
neen
s - Een
s19
3,0
0,9
22.
Ik vind d
at de d
ocen
t Perry Gro
ot zich
er van verg
ewist o
f de stu
den
ten zijn
/haa
r beto
og ku
nnen
volg
en.
ngem
.sd
12
34
5
5p: O
neen
s - Een
s19
2,9
0,9
23.
Ik vind d
at de d
ocen
t Perry Gro
ot vrag
en van
studen
ten ad
equaat b
eantw
oord
t.
ngem
.sd
12
34
5
5p: O
neen
s - Een
s19
3,2
0,9
24.
De d
ocen
t Perry Gro
ot is bereikb
aar als ik hem
/haar n
odig
heb
.
ngem
.sd
12
34
5
5p: O
neen
s - Een
s19
3,5
0,7
25.
Ik vind d
e docen
t Perry Gro
ot b
ekwaam
in h
et beg
eleiden
van stu
den
ten.
ngem
.sd
12
34
5
5p: O
neen
s - Een
s19
3,1
0,9
26.
Ik vind d
at de d
ocen
t Ida S
prin
khuizen
-Kuyp
er de sto
f tijden
s de co
lleges op
overzich
telijke wijze aan
bied
t. n
gem
.sd
12
34
5
5p: O
neen
s - Een
s19
3,8
0,5
27.
Ik vind d
at de d
ocen
t Ida S
prin
khuizen
-Kuyp
er in d
e colleg
es held
er en een
voudig
fo
rmuleert.
ngem
.sd
12
34
5
5p: O
neen
s - Een
s19
3,7
0,5
28.
Ik vind d
at de d
ocen
t Ida S
prin
khuizen
-Kuyp
er zich er van
vergew
ist of d
e stu
den
ten zijn
/haa
r beto
og ku
nnen
volg
en.
ngem
.sd
12
34
5
5p: O
neen
s - Een
s19
4,0
0,6
29.
Ik vind d
at de d
ocen
t Ida S
prin
khuizen
-Kuyp
er vragen
van stu
den
ten ad
equaat
bean
twoord
t. n
gem
.sd
12
34
5
5p: O
neen
s - Een
s19
4,1
0,5
Ida Sprinkhuizen-Kuyper
Ida S
prin
khuizen
-Kuyp
er
Ida Sprinkhuizen-Kuyper
Ida S
prin
khuizen
-Kuyp
er
Ida Sprinkhuizen-Kuyper
Ida S
prin
khuizen
-Kuyp
er
IdaSprinkhuizen-K
uyper Id
a Sprin
khuizen
-Kuyp
er
Ida Sprinkhuizen-Kuyper
31. Ik vind de docent Ida Sprinkhuizen-Kuyper bekw
aam in het begeleiden van studenten.
32. Heb je verder opm
erkingen ivm de docenten?
33. De relevante cursusinform
atie (literatuur) is tijdig beschikbaar.
34. De organisatie van de toets (tijd, ruim
te, omstandigheden) w
as goed
35. Het studiem
ateriaal voor de toets was op tijd bekend
36. Heb je verder opm
erkingen ivm de voorzieningen en organisatie?
37. Ik geef deze cursus het volgende rapportcijfer:
30.
De d
ocen
t Ida S
prin
khuizen
-Kuyp
er is bereikb
aar als ik haar n
odig
heb
.
ngem
.sd
12
34
5
5p: O
neen
s - Een
s19
4,5
0,5
31.
Ik vind d
e docen
t Ida S
prin
khuizen
-Kuyp
er bekw
aam in
het b
egeleid
en van
stu
den
ten.
ngem
.sd
12
34
5
5p: O
neen
s - Een
s19
4,2
0,7
32.
Heb
je verder o
pm
erkingen
ivm d
e docen
ten?
n6
33.
De relevan
te cursu
sinfo
rmatie (literatu
ur) is tijd
ig b
eschikb
aar.
ngem
.sd
12
34
5
5p: O
neen
s - Een
s19
4,2
0,5
34.
De o
rgan
isatie van d
e toets (tijd
, ruim
te, om
standig
hed
en) w
as goed
ngem
.sd
12
34
5
5p: O
neen
s - Een
s19
4,3
0,7
35.
Het stu
diem
ateriaal vo
or d
e toets w
as o
p tijd
beken
d
ngem
.sd
12
34
5
5p: O
neen
s - Een
s19
4,3
0,6
36.
Heb
je verder o
pm
erkingen
ivm d
e voorzien
ingen
en o
rgan
isatie?
n4
37.
Ik geef d
eze cursu
s het vo
lgen
de rap
portcijfer:
ngem
.sd
12
34
56
78
910
10p: 1
-10
19
7,4
0,8
Ida S
prin
khuizen
-Kuyp
er
Ida Sprinkhuizen-Kuyper
Ida S
prin
khuizen
-Kuyp
er
#12 Design of Multi Agent Systems 2007/2008 Enquete Resultaten
58
> E
nq
uête
s>
En
qu
ête
> R
esu
ltate
n >
Op
en
Vra
gen
Resp
on
se
Alg
em
een
Vra
gen
Lab
els
En
qu
ête
ren
Resu
ltate
nR
ap
po
rt
Resu
ltaat
An
aly
seR
ap
po
rtFilte
r
En
qu
ête
Enquête
BKI2
40
Doelg
roep
Onderw
ijsvolg
enden
Unit
Psych
olo
gie e
n K
unstm
atige In
tellig
entie (R
adboud
Universiteit, Fa
culteit d
er Socia
le Weten
schappen
)
Datu
m28-5
-2008
Statu
sEnquête is g
esloten
.U
kunt n
iet langer e
nquêteren
.EN
Q4
28
28
Op
en
Vra
gen
4H
eb
je v
erd
er o
pm
erk
ing
en
ivm
de p
laats v
an
de cu
rsus in
het
pro
gra
mm
a?
studenten
Prim
a, sluit g
oed
aan, en
is erg
leuk.
Missch
ien is h
et handig
werkco
lleges te
heb
ben, o
m d
e o
pgave
n (te
maken
en) te
besp
reke
n.
Hier en
daar o
verlap m
et eerd
ere
cu
rsussen
: Sea
rch&
Plan
nin
g(u
tility's+PO
MD
P/M
DP, zijn
al geto
etst),
Logica, W
iskunde ( V
oorw
aardelijke kan
sen
zijn al g
eto
etst) R
obotica
(robots b
ouw
en)
Ein
d va
n h
et jaar is g
oed
, pra
cticum
zou
pre
ttig zijn
wanneer d
it constan
t achter
elkaar is (bijv 3
weken
full tim
e) en
w
anneer er g
een in
terferen
tie met a
ndere
vakke
n zo
u zijn
meer tijd
voor h
et practisch
e g
edeelte
Pro
beer h
et volg
end jaa
r nie
t met an
dere
gro
te p
raktische o
pdrach
ten te
laten valle
n.
Dit ja
ar vie
l het sam
en m
et Neurale
N
etwerk
en, w
aardoor w
e niet zo
veel tijd
heb
ben
kunnen
bested
en a
an M
AS, als w
e zo
uden w
illen
nee
8H
eb
je v
erd
er o
pm
erk
ing
en
ivm
de lite
ratu
ur?
studenten
Het b
oek vo
nd ik n
iet helem
aal fijn
aan
sluite
n b
ij de co
lleges. M
aar dat kan
aan
mij lig
gen
.
Erg
verh
elderen
d, sh
eets+
Colleg
e is onvo
ldoende o
m e
en id
ee te krijg
en h
oe
alles zit, iets w
at w
el (gedeelte
lijk) zou
moeten
.
Het b
oek is le
uk! Ja
mm
er gen
oeg
is vaag
wat w
e aan d
e stof h
ebben... Ik
kan h
et
bijvo
orb
eeld
allem
aal niet to
epasse
n tijd
ens
het p
racticum
.
ben
er nogal n
eutra
al o
ver om
dat ik
beh
alve d
e colleg
esheets g
een litera
tuur
gezien
heb
.
Leuk b
oek.
11
Heb
je v
erd
er o
pm
erk
ing
en
ivm
de le
erd
oele
n e
n cu
rsuso
pze
t?
studenten
Neem
wat m
eer tijd vo
or so
mm
ige
onderw
erp
en. H
oofd
stuk 1
2 va
n W
oolrid
ge
verdien
t niet een
college, m
aar d
aar zo
u
een h
ele cu
rsus o
ver g
egeve
n ku
nnen
word
en. N
eem vo
or d
rie soorten
logica
wat
meer d
e tijd
.
De leerd
oelen
zijn veela
l herh
alin
g va
n w
at
al b
ehandeld
is bij an
dere
cursu
ssen. O
p
zich g
oed
dat d
ie info
rmatie n
u w
at m
eer w
ord
t toeg
epast, m
aar b
ijvoorb
eeld
Baye
sRule
is al inte
nsief b
ehald
eld b
ij W
iskunde-1
. Dat lijkt m
e nie
t nodig
wee
r te herh
alen
. Het m
ulti-a
gen
t asp
ect word
t wel
ben
adru
kt, maar w
ord
t ove
rkoepeld
door
onderw
erp
en d
ie er w
einig
mee te
maken
lijk
en te
heb
ben. B
jivoorb
eeld
Auctio
ns d
ie ee
n leu
ke manie
r zijn o
m take
n te
verdelen
, maa
r om
er 5 ve
rschille
nde u
it te diep
en lijkt m
ij nie
t hee
l rele
vant v
oor d
e cu
rsus.
Wein
ig sam
enhan
g tu
ssen g
elee
rde th
eorie
en p
racticu
m. (T
heo
rie was n
iet goed
toe te
En
qu
ête
En
qu
ête
En
qu
ête
passen
bij h
et make
n van
de ro
bot-
system
en)
nee
Er w
as in
houdelijk g
ezien n
iet zo
'n h
ele
gro
te o
verlap
tussen
het p
raktijkged
eelte
en h
et theo
retisch g
edeelte. M
isschien
dat
er in d
e opdra
cht vo
or h
et pra
cticum
meer
verwezen
had
kunnen w
ord
en n
aar in h
et
theo
retisch g
edee
lte gelee
rde te
chnie
ken
en b
egrip
pen.
14
Heb
je v
erd
er o
pm
erk
ing
en
ivm
de stu
die
last?
studenten
Opsich
is het w
el p
rima, m
aar h
et zelf
indelen
van h
et p
racticum
is som
s wat
lastig
in verb
and m
et de an
dere
vakken en
ook p
ractica
(zoveel a
chter d
e co
mputer is
niet fijn
!!)
Goed!
De co
llegesto
f is goed te
lere
n/h
alen in
de
geg
even
tijd. H
et bouw
en v
an d
e R
obot
gaat o
ok p
rima. H
oew
el de d
eadlin
es met
andere
vakke
n w
el a
llemaal b
ij elkaar
liggen, p
lus h
et feit d
at er n
u ve
el
tentam
ens zijn
, zou h
et b
est n
og w
el een
s vee
l gestress ku
nnen o
ple
veren aa
n h
et
eind.
Er is te w
ein
ig p
racticum
tijd g
ereke
nd e
n te
vee
l zelfstu
dieru
imte
. Deze ve
rhoudin
g is
abso
luut sch
eef t.o.v. d
e verw
ach
ting
(maken
robots)
voora
l de ein
dfa
se interfereert n
ogal m
et afro
ndin
g v
an b
ki230 (n
eurale n
etw
erke
n)
Dit lijk
t me ee
rlijk geze
gd m
akkelijke
r op te
lossen
door h
et andere v
ak a
an te p
assen
.
Meer in
gero
osterd
e practicu
mure
n zo
u
han
dig
zijn.
De stu
diela
st was n
iet heel h
oog, m
aar
doord
at de cu
rsus te
gelijke
rtijd w
erd
geg
even
met vakke
n als O
bject-O
riëntatie
en
Neurale N
etw
erkmodelle
n, m
et o
ok ee
n
gro
ot p
racticu
mged
eelte, w
as h
et som
s erg
dru
k.
19
Heb
je v
erd
er o
pm
erk
ing
en
ivm
de to
etse
n, p
ractica
-op
dra
chte
n e
n
beo
ord
elin
g?
studenten
pra
ctica fu
ll time a
an h
et ein
d va
n h
et jaar
(of m
ogelijk eerd
er in h
et jaar, m
aar in
elk
gev
al elke
dag p
ractica ipv 1
keer p
er wee
k)
Beoord
elingen zijn
nog n
iet beke
nd.
Nee
m m
eer tijd
voor p
ractica
Pra
cticum
: De ro
bots en
de so
ftware
leve
rden
pro
blem
en o
p b
ij deze
kom
plexe
opdrach
ten. D
e nie
uw
e min
dsto
rms vie
len
tegen
(bv. g
een
Sto
pTask). H
et w
as vrij
lastig
de b
edach
te o
pgave
goed o
m te
ze
tten.
De p
racticum
opdrach
ten ve
rdien
en ve
el
meer aan
dach
t in d
e cu
rsus. D
it is nu e
cht
een o
nderg
esch
ove
n kin
dje, te
rwijl er
zoveel m
eer mee zo
u ku
nnen
als d
e tijd er
voor w
as..
32
Heb
je v
erd
er o
pm
erk
ing
en
ivm
de d
oce
nte
n?
studenten
Top! P
erry missch
ien n
og iets o
vertu
igen
der
colle
ge g
even, so
ms w
at la
stig te vo
lgen,
om
dat h
et lijkt of d
at h
ij het vo
or zich
zelf vertelt.
Het w
are
n d
e e
erste co
lleges vo
or P
erry
dus
beo
ord
eling m
oet w
el in co
nte
xt word
en
gezien
. Met n
ame h
et gro
tere
geheel is ie
ts dat ik so
ms m
istte bij d
e colle
ges. V
erd
er had
ik nie
t het id
ee d
at ik b
ij de co
lleges
(van b
eid
e d
ocen
ten) ie
ts echt g
oed
opstak
. D
e shee
ts, de o
pdra
chte
n+
uitw
erkin
gen
en
de lite
ratuur w
aren v
oor m
ij duid
elijker.
Perry zo
u zijn
kwalite
it een h
eel stu
k ku
nnen
verb
eteren d
oor zijn
shee
ts foutlo
os
en o
verzichtelijker te m
aken
. Daarn
aast w
il hij n
og w
el een
s verv
allen in
een
eento
nig
verh
aal. Missch
ien d
at h
ij hier a
an kan
w
erken, d
it zou al ee
n stu
k motive
render
kunnen
zijn. D
aarbij m
oet ech
ter wel h
et
com
plim
ent g
em
aakt word
en d
at h
et nakijke
n van
de o
pgav
en e
rg sn
el gin
g en
#12 Design of Multi Agent Systems 2007/2008 Enquete Resultaten
59
met veel in
form
atie o
ver 'wat er n
iet goed
is'. D
at is e
rg p
rettig
! Ida h
eeft a
f en to
e d
e neig
ing o
m v
er mee te
gaan in
het
afdw
alen van
het o
nderw
erp
. De g
roep zo
u
zo n
u en
dan strak
ker geh
ouden m
ogen
w
ord
en. V
erd
er niets d
an lo
f! Ik h
oop zelf
ooit zo
enth
ousiast te ku
nnen ve
rtellen
ove
r ee
n o
nderw
erp
!
colle
ges zijn
nie
t altijd
in 1
keer d
uid
elijk,
maa
r er is altijd h
extra b
egele
idin
g als d
at
nodig
is, wat vee
l goed
maak
t.
Perry w
ist helaas (n
og) n
iet zo ve
el van
Min
dsto
rms af.
de co
llege's va
n P
erry Gro
ot zo
uden g
ebaa
t zijn
bij e
en m
eer p
raktijkgerich
te o
pze
t - de
theo
rie raakte zo
als hij n
u ve
rteld
werd
wel
eens d
e b
indin
g m
et de w
erke
lijkheid
kwijt
36
Heb
je v
erd
er o
pm
erk
ing
en
ivm
de v
oo
rzien
ing
en
en
org
an
isatie
?
studenten
Op h
et la
atst is e
r een m
ailtje g
eko
men
over e
en vera
nderin
g in
de sh
eets. Dit h
eb
ik ech
ter niet m
eer gezien
en ik
had d
e
shee
ts al uitg
eprin
t en (b
egonnen m
et) gele
erd
.
Missch
ien is h
et voor vo
lgen
d ja
ar
verstandig
wat vake
r AK.5
5 te h
ure
n
Meer in
gero
osterd
e practicu
m-u
ren.
Zoals g
ezegd; fo
uten
op sh
eets (d
ie onlin
e w
ord
en g
epla
atst) is n
iet accep
tabel. D
it vero
orzaakt o
ntzette
nd ve
el ve
rwarrin
g b
ij stu
dente
n tijd
ens h
et leren
.
Ida
#12 Design of Multi Agent Systems 2007/2008 Enquete Resultaten
60
Team Enquete
P.C. Groot
Team Enquete
Geef op de volgende vragen max 3 antwoorden (waarover tenminste 2 teamleden het eens zijn):
1. Wat vind je het beste aan de cursus/docenten?2. Wat vind je het minste aan de cursus/docenten?3. Als jij de cursus zou onderwijzen, wat zou je doen om de de cursus te verbeteren?
Resultaten Verschillende Teams
Team 1
1. Altijd beschikbaar voor vragen2. Tempo v/d colleges varieert soms sterk3. Geef meer practische voorbeelden bij theoretische deel. Het is vaak moeilijk voor te stellen.
Team 2
1. (a) Practicum is leuk en leerzaam(b) Huiswerk + feedback zijn erg waardevol(c) Beide docenten zijn erg behulpzaam en meedenkend
2. (a) Te weinig tijd voor het project(b) Veel onderwerpen in weinig tijd. Daardoor soms chaotisch en weinig diepgang
3. (a) Meer tijd reserveren voor de cursus, zowel practicum als colleges(b) Een aantal sheets mag duidelijker. Dat zou zowel tijdens de colleges als tijdens het
leren prettig zijn(c) Fouten op sheets zijn heel erg vervelend, vooral in voorbeeld berekeningen
Team 3
1. (a) Vrij te bepalen opdracht(b) Practicum(c) Opdrachten helpen veel
2. (a) Hoorcolleges(b) Presentatie van Perry(c) Tentamen
3. (a) Meer tijd voor robots (of meer practica of langere tijd ervoor)(b) Opdrachten aan het practicum koppelen(c) Presentatievaardigheden bijschaven
Team 4
1. (a) De robots(b) Docenten altijd bereikbaar en behulpzaam(c) Huiswerkopgaven + uitwerkingen
2. (a) Te weinig practicumuren(b) Iedere keer opnieuw installeren van software(c) Onsamenhangende colleges
3. (a) Meer practicumuren(b) Meer samenhang colleges
#13 Design of Multi Agent Systems 2007/2008 Enquete Resultaten
61
An
aly
se e
valu
atie
Geg
eneree
rd: M
arch
9, 2
009, 1
0:4
1 a
m
Op
leid
ing
spro
gra
mm
a
Op
leid
ing
spro
gra
mm
a
Lite
ratu
ur
Leerd
oele
n e
n cu
rsuso
pze
t
titel
Robotica
2
cod
e
BKI2
42
vakn
aam
(Ru
mb
a)
-
coö
rdin
ato
r (Ru
mb
a)
-
besch
rijvin
g
Robotica
2
1.
Mijn
vo
ork
en
nis v
oo
r d
eze cu
rsus is
onvo
ldoende
ruim
vold
oen
de
12
34
5
00%
00%
111%
556%
333%
open/n
:0/9
gem
:4.2
sd: 0
.6
2.
Ik b
en
geh
eel o
p d
e h
oo
gte
van
d
e le
erd
oele
n v
an
deze cu
rsu
szee
roneen
szee
r een
s1
23
45
00%
00%
222%
667%
111%
open/n
:0/9
gem
:3.9
sd: 0
.6
3.
Heb
je v
erd
er o
pm
erk
ing
en
ivm
de p
laats v
an
de cu
rsus in
het p
rog
ram
ma?
4.
De zw
aarte
van
de in
deze cu
rsus
geb
ruik
te lite
ratu
ur w
as
ergzw
aar
erg
licht
12
34
5
00%
111%
556%
222%
111%
open/n
:0/9
gem
:3.3
sd: 0
.8
5.
Heb
je v
erd
er o
pm
erk
ing
en
ivm
de lite
ratu
ur?
1.
De lin
k met d
e pra
ktijk was e
r wel m
aar w
as erg
moeilijk to
e te
passen
in d
e p
ractica
. 2.
Ik vond so
mm
ige d
ingen
nogal o
ppervla
kkig g
ehouden
(van d
ie (PO
)MD
P's b
ijvoorb
eeld, je
hoefd
e maar 1
staat vo
oru
it te reden
eren, d
aar leer je n
iet echt veel va
n en
het is o
ok b
est
makke
lijk). Bete
r missch
ien m
inder "b
rede" th
eorie
en m
eer d
iepgang/m
oeilijkh
eid
.
6.
De o
nd
erw
ijsactiv
iteite
n in
deze
cursu
s heb
ben
mij g
eh
olp
en
de
leerd
oele
n te
bere
iken
zeer
oneen
szee
r een
s1
23
45
00%
00%
111%
667%
222%
open/n
:0/9
gem
:4.1
sd: 0
.6
7.
Ik v
ind
dat d
e sa
men
han
g
tusse
n d
e v
ersch
illen
de ta
ken
en
op
dra
chte
n in
deze
cursu
s h
eld
er is
zeer
oneen
szee
r een
s1
23
45
111%
222%
111%
333%
222%
open/n
:0/9
gem
:3.3
sd: 1
.3
8.
Heb
je v
erd
er o
pm
erk
ing
en
ivm
de le
erd
oele
n e
n cu
rsuso
pze
t?
1.
Ik vond d
at h
et p
racticu
m en
de th
eorie n
auw
elijks sam
enhin
gen
. Helem
aal n
iet eigen
lijk. De
theo
rie en
pra
ctica lo
s van e
lkaar zijn
oke
, alle
en er is g
ewoon to
taal g
een
verband tu
ssen.
2.
Voora
l de o
pdra
chten
waren
erg le
erzaam
. Ik vind d
e sa
menhang tu
ssen th
eorie
en p
raktijk
nie
t heel sterk.
3.
Voora
l logica
en p
racticu
m w
as la
stig te ko
ppele
n.
Stu
die
last
Beo
ord
elin
g e
n to
ets
ing
Do
cen
t: Ida S
prin
kh
uiz
en
-Ku
yp
er
9.
De stu
die
last v
an
dit
pro
gra
mm
ao
nd
erd
eel is
veelte
laag
veel
tehoog
12
34
5
00%
00%
778%
111%
111%
open/n
:0/9
gem
:3.3
sd: 0
.7
10
.D
e ro
oste
ring
van
deze
cursu
s in
het stu
die
jaar is g
oed
zeer
oneen
szee
r een
s1
23
45
00%
00%
111%
444%
444%
open/n
:0/9
gem
:4.3
sd: 0
.7
11
.H
eb
je v
erd
er o
pm
erk
ing
en
ivm
de stu
die
last?
1.
Pro
bleem
: de le
go-ro
bots zijn
veel te le
uk. W
e h
ebben
er ve
el te veel tijd
in g
esto
ken (ik
den
k dat d
e meeste m
ensen
het d
ubbele a
anta
l uren
erin h
eeft gesto
pt) D
at is n
iet erg w
ant
het is erg
leuk, m
aar m
isschien
is de b
elonin
g d
an te
laag..
12
.D
e zw
aarte
van
de to
ets is g
oed
zeer
oneen
szee
r een
s1
23
45
00%
00%
111%
556%
333%
open/n
:0/9
gem
:4.2
sd: 0
.6
13
.D
e to
ets s
luit a
an
bij d
e
on
derw
erp
en
die
in d
e cu
rsus
zijn b
eh
an
deld
zeer
oneen
szee
r een
s1
23
45
00%
00%
111%
333%
556%
open/n
:0/9
gem
:4.4
sd: 0
.7
14
.Ik
vin
d d
at d
e
beo
ord
elin
gscrite
ria v
an
de
toetsin
g d
uid
elijk
zijn
zeer
oneen
szee
r een
s1
23
45
00%
00%
111%
556%
333%
open/n
:0/9
gem
:4.2
sd: 0
.6
15
.H
eb
je v
erd
er o
pm
erk
ing
en
ivm
de to
ets
en
, pra
ctica-o
pd
rach
ten
en
beo
ord
elin
g?
1.
Ik vond d
e tussen
door-A
ssignm
ents va
n d
e theo
rie, wel stu
kken m
akkelijker d
an h
et ten
tam
en!
16
.Ik
vin
d d
at d
e d
oce
nt d
e
on
derw
erp
en
tijden
s d
e
colle
ges o
p o
verz
ichte
lijke
wijze
aan
bie
dt
zeer
oneen
szee
r een
s1
23
45
00%
00%
222%
556%
222%
open/n
:0/9
gem
:4.0
sd: 0
.7
17
.D
e d
oce
nt is b
ere
ikb
aar a
ls ik
hem
/h
aar n
od
ig h
eb
zeer
oneen
szee
r een
s1
23
45
00%
00%
00%
333%
667%
open/n
:0/9
gem
:4.7
sd: 0
.5
18
.Ik
vin
d d
at d
e d
oce
nt v
rag
en
van
stud
en
ten
ad
eq
uaat
bean
two
ord
t
zeer
oneen
szee
r een
s1
23
45
00%
00%
00%
556%
444%
open/n
:0/9
gem
:4.4
sd: 0
.5
19
.H
eb
je v
erd
er o
pm
erk
ing
en
ivm
de d
oce
nt?
: Ida S
prin
kh
uiz
en
-Ku
yp
er
#14 Robotica 2 2008/2009 Enquete Resultaten
62
Do
cen
t: Perry
Gro
ot
Vo
orzie
nin
gen
/O
rgan
isatie
1.
Gew
eldig
dat je a
ltijd ku
nt b
innen
stappen
voor h
ulp
of o
m a
an d
e robots te w
erken. Id
a
regelt m
ete
en d
at je b
uite
n h
et pra
cticum
ook ka
n w
erken.
2.
Mee
stal w
el goed
. 3.
toonde vee
l inzet en
betro
kkenheid
20
.Ik
vin
d d
at d
e d
oce
nt d
e
on
derw
erp
en
tijden
s d
e
colle
ges o
p o
verz
ichte
lijke
wijze
aan
bie
dt
zeer
oneen
szee
r een
s1
23
45
111%
111%
333%
333%
111%
open/n
:0/9
gem
:3.2
sd: 1
.1
21
.D
e d
oce
nt is b
ere
ikb
aar a
ls ik
hem
/h
aar n
od
ig h
eb
zeer
oneen
szee
r een
s1
23
45
00%
222%
556%
222%
00%
open/n
:0/9
gem
:3.0
sd: 0
.7
22
.Ik
vin
d d
at d
e d
oce
nt v
rag
en
van
stud
en
ten
ad
eq
uaat
bean
two
ord
t
zeer
oneen
szee
r een
s1
23
45
00%
333%
222%
333%
111%
open/n
:0/9
gem
:3.2
sd: 1
.0
23
.H
eb
je v
erd
er n
og
op
merk
ing
en
ivm
de d
oce
nt?
1.
Perry is n
iet in d
e buurt va
n h
et p
racticu
m en
is dus m
oeilijke
r te bereike
n d
an Id
a. D
e sto
f m
ag o
ok d
uid
elijker uitg
elegd w
ord
en.
2.
Mee
stal o
ok g
oed
, maar 1
punt: a
ls je o
p d
e slid
es zet iets o
ver ee
n "E
uclid
ische rela
tie", en
"S
eriele relatie", d
an m
oet je ku
nnen
bea
ntw
oord
en w
at d
at is (vin
d ik) en
dat ko
n h
ij toen
niet. (Z
et het d
an g
ewoon n
iet op d
e slides.)
24
.D
e re
levan
te cu
rsu
sinfo
rmatie
(lite
ratu
ur) is tijd
ig
besch
ikb
aar
zeer
oneen
szee
r een
s1
23
45
00%
00%
111%
667%
222%
open/n
:0/9
gem
:4.1
sd: 0
.6
25
.D
e o
rgan
isatie
van
de to
ets
(tijd, ru
imte
, om
stan
dig
hed
en
) w
as g
oed
zeer
oneen
szee
r een
s1
23
45
00%
111%
00%
667%
222%
open/n
:0/9
gem
:4.0
sd: 0
.8
26
.H
eb
je v
erd
er o
pm
erk
ing
en
ivm
de v
oo
rzien
ing
en
en
org
an
isatie
?
1.
De p
racticu
mru
imte
is erg slech
t. Pro
gra
mm
eren
in d
e ke
lder d
ie voor p
sycholo
gen is
ingerich
t is onm
ogelijk. S
lechte co
mputers, g
een re
chte
n o
m ee
n d
river voor d
e robot te
in
stalleren
of een
pro
gra
mm
eerom
gevin
g n
aar keu
ze te geb
ruiken
. 2.
/ 3.
Org
anisa
tie va
n e
erst theo
rie en d
aarn
a p
racticu
m vo
nd ik h
eel g
oed
.
27
.Ik
geef d
eze
cursu
s het v
olg
en
de ra
pp
ortcijfe
r%
nopen/n
: 0/9
10
0
20
0
30
0
40
0
50
0
611
1
733
3
Ida
Ida.
822
2
933
3
10
0
0
#14 Robotica 2 2008/2009 Enquete Resultaten
63
Team Enquete Robotica 2
P.C. Groot
Team Enquete Robotica 2
Geef op de volgende vragen max 3 antwoorden (waarover tenminste 2 teamleden het eens zijn):
1. Wat vind je het beste aan de cursus/docenten?2. Wat vind je het minste aan de cursus/docenten?3. Als jij de cursus zou onderwijzen, wat zou je doen om de de cursus te verbeteren?
Resultaten Verschillende Teams
Team 1
1. (a) Open opdracht; veel keuze(b) Goede beschikbaarheid docenten; voor vragen e.d.(c) Goede grootte theoriedeel en erg gevarieerd
2. (a) Practicum nog iets afgebakender qua programmeeromgeving. Denk dat het goed is omiedereen dezelfde programmeeromgeving te laten werken (bijv. Java of Matlab).
3. (a) Tentamen nog moeilijker(b) Opdracht practicum meer afbakenen(c) Betere ruimte, waar de teams beschikbaarheid hebben over blutooth PC’s waar zij op
ieder moment kunnen werken. Zoals in 2005 bij ‘Robotica 1’
Team 2
1. (a) Inzet van Ida tijdens practica(b) Opdrachten(c) Verdeling colleges / practica
2. (a) Voorlezen van de sheets tijdens college(b) Gebrek studentassistenten
3. (a) Studentassistenten
Team 3
1. (a) Altijd bereid te helpen(b) Relaxte sfeer(c) Robots bouwen is leuk!
2. (a) Perry kucht steeds tijdens het presenteren3. (a) Meer bricks
(b) Zelf robot bouwen?
Team 4
1. (a) Lego robots → suppercool2. (a) Moet ver zoeken naar link theorie → praktijk
(b) Informatie staat niet centraal3. (a) Computerruimte voor practicum
(b) Robots 3e verdieping naar practicum kelder? Nu onnodig veel werk
Team 5
1. (a) Fijn dat het tentamen ruim vooraan de cursus was(b) Beschikbaarheid van het materiaal
2. (a) Lokalen voor het practicum (ver van materiaal)3. (a) Practicum in dezelfde zaal als demonstraties
Ida
#15 Robotica 2 2008/2009 Enquete Resultaten
64
Ervarin
genvan
Ida
Sprin
khuizen
-Kuyp
er ∗met
onderw
ijsdoor
Perry
Groot
Samen
hebbenw
ijhet
vakR
obotica2
volledigopgezet,
vormgegeven
engedoceerd.
Het
vakis
gebaseerdop
detheorie
vanM
ulti-agentsystemen
enw
ijhebben
hetopgesplitst
ineen
theoretischdeelen
eenpraktisch
deel.W
ehebben
hetnu
2keer
gegeven,de
eerstekeer
inhet
4ekw
artaalvan
2007-2008,de
tweede
keerin
heteerste
semester
van2008-2009.
We
zijnnu
bezigm
etde
3ekeer
(eerstesem
ester2009-2010).
Onze
samenw
erkingliep
enloopt
heelgoed.
Perry
heeftgoede
ideeenom
zakengoed
teorganiseren.
Ook
didaktischeverbeteringen,
zoalshet
concreetform
ulerenvan
leertakenzijn
doorhem
ingebracht.H
ijheeftduidelijk
hartvoor
onderwijs
enstaat
openvoor
ideeenen
vragenvan
studenten.N
aaraanleiding
vande
evaluatiesen
wat
we
zelfopm
erkten,brengenw
eiedere
keerw
eerverbe-
teringenaan
endaarin
neemt
Perry
vaakhet
voortouw.
Het
vakw
ordtdoor
destudenten
bijzondergew
aardeerd.Ze
lerenveel,zow
eltheorie,
alspraktijk,
alsacadem
ischevaardigheden
alspresenteren,
demonstr-
erenen
hetsam
enwerken
ineen
groep.E
nze
vindenhet
leuk.D
atkom
took
uitin
destudentenevaluaties:
De
eerstekeer
kreeghet
vakeen
7.4,de
tweede
keereen
7.8.
Ikzal
overeen
paaraspecten
ietsm
eerzeggen:
Hoorcolleges:
Perry
verzorgtzijn
collegesgoed.
Hij
spreektvrij
zachten
daardoorverliep
hetcontact
met
destudenten
tijdensde
collegesw
atm
oeizaam.
Iederekeer
gaatdat
beter.M
etnam
ew
athet
groepscontactbetreft:
erzijn
nuregelm
atigdiscussies
tijdenszijn
collegesnaar
aanleidingvan
deproblem
endie
hijvoorlegt.
Werkcolleges:
Perry
verzorgtgoede
opgaven,waardoor
studentende
stofgoedonder
deknie
kunnenkrijgen.
Het
persoonlijkcontact
met
studentenom
vragente
beantwoorden
endingen
uitte
leggenis
goed.∗D
rI.G
.Sprin
khuizen
-Kuyper
isU
Dbij
Kunstm
atig
ein
telligen
tie.Zij
heeft
eenzeer
uitg
ebreid
eonderw
ijservarin
gsin
ds
1969
(natu
urk
unde:
pra
cticum
;w
iskunde:
colleg
esen
werk
colleg
es;in
form
atica
enkunstm
atig
ein
telligen
tie:co
lleges,
pra
ctica,
werk
colleg
es,pro
-jectg
estuurd
onderw
ijs,scrip
tiesbeg
eleiden
,onderw
ijsontw
ikkelen
).
1
Toetsen
:Perry
maakt
goedevragen
omde
stofte
toetsen.Leerdoelen:
Zoals
bovenverm
eld,zijn
deleerdoelen
vanhet
vaken
vande
verschillendeonderdelen
nuexpliciet
geformuleerd,
opinstigatie
vanPerry.
Opgaven
/leertaken:
Prim
a,zie
boven.
Team
enquete:
De
studentenw
erkentijdens
hetpracticum
inteam
s.Perry
heefteen
enquetegeform
uleerdom
perteam
ookfeedback
ophet
vakte
krijgen.Zaken
diedaaruit
komen
zijnook
meegenom
enom
hetvak
teverbeteren.
#16 Robotica 2 2007/2009 Evalutatie Collega
65