
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual de Campinas (UNICAMP) | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Artificial Intelligence and Cognitive Architectures Hub (H.IAAC). Av. Albert Einstein | - |
| Autor(es): dc.creator | Berto, Letícia | - |
| Autor(es): dc.creator | Costa, Paula | - |
| Autor(es): dc.creator | Simões, Alexandre | - |
| Autor(es): dc.creator | Gudwin, Ricardo | - |
| Autor(es): dc.creator | Colombini, Esther | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T18:38:44Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T18:38:44Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2024-11-30 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.cogsys.2024.101278 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/298270 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/298270 | - |
| Descrição: dc.description | Humans have needs motivating their behavior according to intensity and context. However, we also create preferences associated with each action's perceived pleasure, which is susceptible to changes over time. This makes decision-making more complex, requiring learning to balance needs and preferences according to the context. To understand how this process works and enable the development of robots with a motivational-based learning model, we computationally model a motivation theory proposed by Hull. In this model, the agent (an abstraction of a mobile robot) is motivated to keep itself in a state of homeostasis. We introduced hedonic dimensions to explore the impact of preferences on decision-making and employed reinforcement learning to train our motivated-based agents. In our experiments, we deploy three agents with distinct energy decay rates, simulating different metabolic rates, within two diverse environments. We investigate the influence of these conditions on their strategies, movement patterns, and overall behavior. The findings reveal that agents excel at learning more effective strategies when the environment allows for choices that align with their metabolic requirements. Furthermore, we observe that incorporating pleasure as a component of the motivational mechanism affects behavior learning, particularly for agents with regular metabolisms depending on the environment. Our study also unveils that, when confronted with survival challenges, agents prioritize immediate needs over pleasure and equilibrium. These insights shed light on how robotic agents can adapt and make informed decisions in demanding scenarios, demonstrating the intricate interplay between motivation, pleasure, and environmental context in autonomous systems. | - |
| Descrição: dc.description | Ministério da Ciência, Tecnologia e Inovação | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
| Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
| Descrição: dc.description | Institute of Computing University of Campinas. Av. Albert Einstein 1251 - Cidade Universitária | - |
| Descrição: dc.description | School of Electrical and Computer Engineering University of Campinas. Av. Albert Einstein N° 400 - Cidade Universitária | - |
| Descrição: dc.description | Dept. of Control and Automation Engineering São Paulo State University. Av. Três de Março, 511 - Alto da Boa Vista | - |
| Descrição: dc.description | Artificial Intelligence and Cognitive Architectures Hub (H.IAAC). Av. Albert Einstein, 1251 - Cidade Universitária | - |
| Descrição: dc.description | Dept. of Control and Automation Engineering São Paulo State University. Av. Três de Março, 511 - Alto da Boa Vista | - |
| Descrição: dc.description | Ministério da Ciência, Tecnologia e Inovação: 01245.003479/2024 -10 | - |
| Descrição: dc.description | FAPESP: 2021/07050-0 | - |
| Descrição: dc.description | CNPq: 312323/2022-0 | - |
| Descrição: dc.description | CNPq: 315468/2021-1 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Cognitive Systems Research | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Action selection and planning | - |
| Palavras-chave: dc.subject | Internal reinforces | - |
| Palavras-chave: dc.subject | Models of internal states | - |
| Palavras-chave: dc.subject | Motivation | - |
| Título: dc.title | A motivational-based learning model for mobile robots | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: