Diferencia entre revisiones de «/Integrar Hablando con Sara con robot butia»

Revisión del 22:11 30 ago 2012

Introducción

Desde el IDE de la actividad "Hablando con Sara" permitir el envio de mensajes al robot Butiá. Un ejemplo Puede ser mensajes para mover los motores, o consultar sensores. La idea es que sara se comunique con el usuario utilizando el motor de habla implementado en dicha actividad.

Objetivo

El objetivo de este proyecto consiste en integrar la actividad “Hablando con Sara” con el robot Butiá [1], de modo de poder enviarle “comandos” al robot desde la funcionalidad bot de la actividad, de la misma manera que poder recibir información del robot, como por ejemplo valores sensados e informarle los mismos al usuario a través de la actividad, de esta manera se pueden ingresar comandos a Sara y esta indica al robot que debe hacer, luego Sara responde al usuario de una manera adecuada y detallando información necesaria en caso de ser requerida.

Ambiente de Desarrollo

Trabajamos en este proyecto sobre Ubuntu 11.04, utilizando para desarrollar la versión 2.7 de python y para probar la actividad utilizamos “sugar in a window” versión 0.90. Para configurar el servidor bobot seguimos los pasos indicados en la wiki del proyecto Butiá [3]. Nos vimos obligados a utilizar la versión 11.04 de Ubuntu ya que con versiones más nuevas la actividad no funcionaba correctamente en “sugar in a window”.

Investigación

Como mencionamos anteriormente nuestro objetivo era integrar el robot Butiá con la actividad “Hablando con Sara” y dicha integración la debíamos realizar mediante la funcionalidad bot de la actividad. La funcionalidad bot permite interactuar con el usuario de manera “inteligente”, para ello el usuario debe escribir una pregunta y “Sara” responderá a esa pregunta con una respuesta que obtendrá desde las “bases de conocimiento” de la actividad. Las bases de conocimientos están formadas por diferentes archivos escritos en lenguaje AIML (Artificial Intelligence Markup Language) [2], que contienen patrones y posibles respuestas a esos patrones. Se pueden machear diferentes patrones y dar una respuesta específica o una respuesta aleatoria en función de cómo sea definido. A partir de los distintos archivos con extensión .aiml se genera un único archivo con extensión .brn (sara.brn) el cual será la base utilizada por la funcionalidad para dar respuesta a las preguntas que el usuario realice. Al modificar un archivo .aiml o crear un archivo nuevo para formar parte de la base de conocimientos, hay que generar nuevamente el archivo sara.brn ejecutando un script, ya que la base de conocimientos no se actualiza automáticamente. Para ejecutar el script que genera la base hay que instalar previamente la librería PyAIML ya que de lo contario el script no ejecuta y da error, pero instalar ésta librería generó inconvenientes cuando trabajamos en la integración. Para realizar la integración del robot Butiá con la actividad, identificamos primero cual era la clase y función encargada de analizar el texto ingresado por el usuario para luego dar una respuesta al mismo. Implementación: En esta sección vamos a desarrollar y especificar en detalle todo lo mencionado en la sección de Investigación. La primera tarea que realizamos luego de haber configurado el ambiente de desarrollo fue descargarnos la última versión de la actividad “Hablar” [1] (versión 42) e interactuar con ella para conocer sus funcionalidades y en particular la funcionalidad bot mediante la cual debíamos integrar la actividad con el robot. Sara utiliza una base de conocimientos para dar una respuesta, la cual se compone de uno o más archivos con el formato AIML [2]. En estos archivos se especifican los diferentes patrones y respuestas a los mismos y finalmente se debe generar la base (archivo con extensión brn) que va a ser usada por la actividad para dar la respuesta adecuada. A continuación mostramos un ejemplo de este tipo de archivos:

<?xml version="1.0" encoding="ISO-8859-1"?>

 <aiml version="1.0"> 
     <category> 
         <pattern>SARA</pattern>
         <template> 
           <random> 
             < li>Si?</ li>
             < li>Dime.</ li>
             < li>Qué deseas?</ li>
           </random>
         </template>
       </category>
       <category> 
         <pattern>SARA *</pattern>
         <template> 
           <sr/>
         </template>
       </category>
       <category> 
         <pattern>* SARA</pattern>
         <template> 
           <sr/>
         </template>
       </category>
       <category> 
         <pattern>_ SARA *</pattern>
         <template> 
           <sr/>
         </template>
     </category>
   </aiml>

En el ejemplo anterior se pueden observar distintos patrones que machean a la palabra “sara” y en función de ello se da una respuesta aleatoria. Estos archivos se encuentran en Speak.activity/bot/sara y para generar la base de conocimientos (Speak.activity/bot/sara.brn) hay que ejecutar el script Speak.activity/bot/gen_brains.py donde previamente se debe haber instalado la librería PyAIML ya que de lo contrario da un error. Para este proyecto nosotros creamos nuestro propio archivo Speak.activity/bot/sara/butia.aiml y luego para poder usarlo generamos nuevamente la base ejecutando el script mencionado anteriormente. Más adelante detallaremos nuestro archivo butia.aiml. En paralelo a que íbamos trabajando con los archivos .aiml necesitábamos identificar dónde y cómo se procesaba el texto ingresado para luego ser macheado con los patrones existentes en la base y de esa manera obtener una respuesta. El procesamiento del texto se realiza en la función respond perteneciente a la clase Speak.activity/aiml/Kernel.py. La función respond parsea el texto ingresado por el usuario en “sentencias” las son separadas por ‘.’, ‘!’ y ‘?’. Por ejemplo, en el texto “Hola Sara, cómo estás? Necesito tu ayuda.” existen dos sentencias: “Hola Sara, cómo estás?” y “Necesito tu ayuda.” Luego para cada una de las distintas sentencias encontradas realiza un macheo con la base de conocimientos y va concatenando las distintas respuestas según el macheo realizado, para finalmente devolver al usuario en forma oral la respuesta final. El siguiente paso fue comenzar a implementar la integración, y para esto la idea era hacer un diseño los mas desacoplado posible. Las primeras pruebas donde agregábamos nuestro código tuvieron resultados negativos, la actividad no tomaba nuestros cambios y no sabíamos el motivo, este problema nos llevo a comunicarnos vía email con los desarrolladores de la actividad para pedirles ayuda y además para contarles la integración que íbamos a realizar en su actividad y dejar la puerta abierta para que en el futuro desarrollen una especie de plug-in para realizar la integración (análogo a como sucede con la paleta Butiá en la actividad TurtleArt). Tuvimos una comunicación positiva en donde nos indicaron que el problema estaba en la librería PyAIML que habíamos instalado para generar la base de conocimientos. La actividad tiene incorporada ésta librería (Speak.activity/aiml) pero en caso de que además se instale en el sistema, la actividad por defecto toma las clases de la librería instalada y no de la incluida en la actividad. Una vez resuelto este problema logramos avanzar hacia la solución final, la cual consistió en realizar una función butiaParser en el módulo Speak.activity/aiml/butiaParser.py la cual es invocada desde la función respond en el Speak.activity/aiml/Kernel.py. La función butiaParser se encarga de analizar si la sentencia que se le pasa por parámetro contiene un “comando” para el robot Butiá. Nosotros decidimos que para poder enviarle comandos al robot, el mismo debía ser definido en una sentencia y conteniendo la palabra “BUTIA” para identificar que se quiere enviar un comando al robot Butiá. A continuación se listan los distintos comandos que se le pueden enviar al robot Butiá a través de la actividad: • BUTIA ESPERA VALOR • BUTIA CARGA BATERIA • BUTIA VELOCIDAD VALOR • BUTIA ADELANTE • BUTIA ADELANTE VALOR • BUTIA ATRAS • BUTIA ATRAS VALOR • BUTIA IZQUIERDA • BUTIA DERECHA • BUTIA GIRAR VALOR • BUTIA DETENER • BUTIA PANTALLA • BUTIA LED • BUTIA BOTON • BUTIA ESCALA GRIS • BUTIA LUZ • BUTIA TEMPERATURA • BUTIA DISTANCIA • BUTIA INCLINACION • BUTIA CAMPO • BUTIA VIBRACION Para enviarle un comando de los listados anteriormente al robot es necesario que en una sentencia se contenga las palabras indicadas en el comando. Por ejemplo, para mover el robot hacia adelante una sentencia valida seria “Hola Sara, quiero mover el robot butia hacia adelante.”, si quisiéramos saber la carga de la batería se debería crear una sentencia como “Cuál es la carga de la batería del robot butia?”, si quisiéramos cambiar la velocidad de los motores del robot deberíamos crear una sentencia como “quiero modificar la velocidad del robot butia a 800”. No es necesario que las palabras que conforman el comando se encuentren en el orden en el cual se listaron, pero si es necesario que dichas palabras estén contenidas en la sentencia. De la misma manera los comandos que requieren un parámetro numérico es necesario que se indique un valor numérico y solo uno, en caso de ingresar más de un valor numérico en la sentencia se toma el primero ingresado. Una vez que la función Speak.activity/aiml/butiaParser.py verifica que se ingresó un comando y que el mismo es válido, se invoca a la función correspondiente en la clase Speak.activity/aiml/butiaSara.py, esta clase fue implementada siguiendo el patrón de diseño singleton para mantener el estado del robot y es la encargada de interactuar con la clase Speak.activity/aiml/butiaAPI.py

Al iniciar la actividad debemos levantar el bobot server para poder luego comunicarnos con el robot butia a través de la butia API. Para esto agregamos dentro de la actividad un paquete que contiene los archivos necesarios para que el robot server se inicie correctamente y desde el init de la actividad se levanta el bobot con la función bobot_launch

Integrantes

• Pablo García
• Francisco Polti
• Montserrat López