Когнитивная архитектура ICARUS разрабатана в первоначальном варианте в 1991 г. исследовательской группой под руководством Патрика Лэнгли (Patrick Langley) в Стэнфордском университете (the Stanford University), г. Пало-Альто, Калифорния, а также другими исследователями в Исследовательском центре НАСА им. Дж. Эймса (the NASA Ames Research Center), г. Маунтин-Вью, Калифорния, США.

Pat Langley,
Director of the Institute for the Study of Learning and Expertise (ISLE) at Stanford University.
Head of CSLI's Computational Learning Laboratory (CLL) and Cognitive Systems Laboratory (CSL).

---

Общие сведения

Архитектура ICARUS [Langley & Choi, 2006a], [Langley, Cummings, & Shapiro, 2004] обеспечивает представление долгосрочных знаний в раздельных участках памяти для иерархических навыков и понятий, причем краткосрочные убеждения, цели и намерения хранятся как экземпляры этих общих структур.
Исполнительный элемент сначала выводит все убеждения, подразумеваемые его понятиями и его восприятиями окружающей среды, затем выбирает применимый путь через иерархию навыков, чтобы их выполнить. Когда никакие навыки, относящиеся к текущей цели, не применимы, происходит решение задач методом анализа "средства-цели", тогда как обучение создает новые навыки, основанные на следах успешного решения задач.

ICARUS  является относительно новой архитектурой, в которой хранятся две различные формы знаний.
Концепции (понятия - concepts) описывают классы  ситуаций окружающей среды в терминах других понятий и ощущений (percepts), в то время как навыки (skills) указывают, как достичь целей путем декомпозиции их в упорядоченные подцели. Как концепции, так и навыки включают отношения между объектами, и оба вызывают иерархическую организацию долговременной памяти, причем концепции основываются на ощущениях, а навыки на исполняемых действиях. Кроме того, навыки относятся к концепциям целей, которые достигаются, условиям их инициации и условиям их продолжения.

Базовый интерпретатор архитектуры ICARUS работает в цикле "распознавание-действие" (recognize-act cycle). На каждом шаге архитектура помещает описания видимых объектов в перцепционный буфер. Система сравнивает примитивные концепции (primitive concepts) с этими ощущениями и добавляет совпадающие экземпляры (instances) в кратковременную память, как убеждения (beliefs). Это, в свою очередь запускает согласование концепций более высокого уровня, и процесс продолжается, пока ICARUS не произведет дедуктивный  вывод всех подразумеваемых убеждений.

Далее, начиная с цели верхнего уровня, он находит путь вниз по иерархии навыков, в которой каждый поднавык (subskill) удовлетворял бы  условиям, но не удовлетворял цели.

Когда путь заканчивается на примитивном навыке с исполнением действий, архитектура применяет эти действия, чтобы оказать воздействие на окружающую среду. Это приводит к новым ощущениям, изменениям убеждений и реактивному исполнению путей дополнительных навыков для достижения целей агента.

Если же ICARUS не может найти приемлемый путь в иерархии навыков, который имеет отношение к цели верхнего уровня, он прибегает к решению задачи с использованием варианта анализа "средства-цели" (means-ends analysis). Этот модуль следует за любым навыком, который позволил бы достичь текущей цели, или за определением концепции цели, и это перемежает решение задачи с исполнением в том, что выполняются выбранные навыки, когда они становятся применимыми.

Всякий раз, когда решение задачи позволяет достичь цели, ICARUS создает новый навык, индексированный по этой цели и с одной или несколькими заданными подцелями, которые основаны на этом решении задачи. Если же эта система столкнется с подобными задачами в будущем, она исполняет приобретенные навыки, действуя реактивно, без необходимости делиберативного решения этой задачи [Langley & Choi, 2006b].

Исследователи использовали ICARUS для разработки агентов для ряда областей, которые включают комбинацию вывода, исполнения, решения задач и обучения. К их числу относятся такие задачи, как Ханойская башня, вычитание в столбик, пасьянс Свободная ячейка (FreeCell solitaire) и планирование логистики. Они также использовали архитектуру для управления синтетическими персонажами в моделируемых виртуальных средах, в том числе теми, которые связаны с вождением внутри города [Langley & Choi, 2006a] и персонажами игр-стрелялок [Choi, Konik, Nejati, Park, & Langley, 2007].

Текущая работа направлена на то, чтобы связать ICARUS с физическими роботами, которые осуществляют совместную с человеком деятельность.

---

Description of Icarus
(http://ai.eecs.umich.edu/cogarch0/icarus/arch.html)

ICARUS has changed much since its inception. In the early 2000s, the ICARUS architecture underwent a major overhaul from its old versionto the current version.
Icarus is a hierarchical architecture in which the memory system plays a prominent role. The architecture has four specialized modules:

• Labyrinth, which stores all of Icarus' knowledge symbolically in a hierarchy of concepts.
• Daedalus, which plans for Icarus using Means-Ends Analysis (or MEA).
• Argus, which selectively perceives for Icarus.
• Maeander, which acts out the plans given to it by Daedalus.

Icarus' modularity allows it to plan, execute and sense in parallel. Knowledge is uniformly accessed from Labyrinth. Labyrinth uses a uniform representation for its knowledge: a concept hierarchy, which gives it some efficiency for knowledge access.

Icarus as described in the references and in this document was never completed. In particular, although the Labyrinth, Daedalus, and Maeander components were built, the Argus module was only partially implemented. A reduced version of the Icarus architecture was built although it did not have the total functionality described in this document.

Cognitive Architectures for Physical Agents

Icarus is a computational theory of the cognitive architecture that incorporates ideas from multiple traditions, including work on production systems, hierarchical task networks, and logic programming. The framework relies on four assumptions that distinguish it from alternative candidates:
- Primacy of action and perception over cognition;
- Separation of categories from skills;
- Hierarchical structure of long-term memory; and
- Correspondence between long-term and short-term structures.

Our recent papers explain these assumptions and particular abilities in more detail. We have used Icarus to develop a number of synthetic characters for simulated environments, as well as for traditional tasks from the AI and cognitive science literature. Current research includes incorporating mechanisms for forward-chaining problem solving, counterfactual reaing, model-based learning from delayed reward, generating episodic traces, and learning from other agents' behaviors.

This research has been funded by DARPA IPTO, the Office of Naval Research, and the National Science Foundation. Support for earlier work came from the Air Force Office of Scientific Research, NASA Ames Research Center, and DaimlerChrysler Research and Technology.

Pat Langley, Dongkyu Choi. Tutorial on the Icarus Cognitive Architecture

---

Selected publications
[1] Langley, P., McKusick, K. B., Allen, J. A., Iba, W. F., & Thompson, K. (1991). A design for the Icarus architecture. SIGART Bulletin, 2, 104-109.
ICARUS  Pat Langley, Stanford University (pdf)

List of Publications

Machine Learning List  is hosted by the Computational Learning Laboratory at the Center for the Study of Language and Information at Stanford University.