Uno de los principales objetivos de la robótica actual es que los robots puedan desempeñar tareas útiles en entornos no triviales. Durante los últimos años ha habido muchos logros en diferentes áreas de la robótica, como el reconocimiento de las emociones, la navegación y la localización, la planificación de tareas y la manipulación, por mencionar sólo algunas. Sobre la base de estas habilidades, los roboticists -investigadores en róbotica- tratan de orquestarlas en complejas arquitecturas software que sean escalables, reusables, fáciles de mantener y abiertas a la inclusión de nuevas capacidades y a la inclusión de habilidades cognitivas. En el centro de estas arquitecturas se encuentra el problema de cómo representar el entorno y al propio robot. Los investigadores en Robótica, Informática e Inteligencia Artificial, al igual que los filósofos y los psicólogos, han dedicado una gran cantidad de esfuerzo -y también algunas feroces discusiones- a este respecto y, aunque el debate sigue abierto, en nuestros días hay un consenso considerable en que los robot reales diseñados para desempeñar tareas complejas, solos o en colaboración con los humanos, necesitan una representación del entorno fundamentada, estructurada y adaptable.Durante los últimos años, nuestros esfuerzos en este sentido han provocado el nacimiento de la arquitectura robótica cognitiva CORTEX, la cual ha sido construida usando nuestro framework de desarrollo RoboComp. CORTEX propone una arquitectura basada en agentes donde éstos se encargan de las habilidades clásicas, como la percepción, la actuación y la planificación. Los agentes deben ser autónomos y obedientes, y están a cargo de una funcionalidad bien definida ya sea deliberativa, reactiva o híbrida. Entre ellos se comunican a través de una estructura de datos dinámica compartida denominada Deep State Representation, que es un grafo dirigido multi-etiquetado que mantiene una representación simbólica y geométrica del robot, de su entorno y del plan actual. Deep State Representation representa la creencia del robot sobre sí mismo y sobre el mundo.El funcionamiento de la arquitectura puede ser fácilmente explicado si nos lo imaginamos como un gran sistema dinámico. A partir de un estado cuasi-estacionario, los agentes encargados de la percepción tratan de mantener una representación interna sincronizada con el mundo, actualizando partes de ella para reflejar los cambios que acontecen. Pero cuando al robot se le solicita una nueva misión, un nuevo plan se genera como respuesta a la petición y se inyecta en la representación unificada, creando una perturbación. Esta alteración entre la realidad y la representación crea un desequilibrio y todo el sistema reacciona tratando de restablecer el equilibrio inicial.Esta Tesis se centra en el desarrollo de Deep State Representation. El objetivo que se persigue es encontrar el diseño de un grafo dirigido dinámico multi-etiquetado que pueda contener varios niveles de abstracción abarcando, desde la geometría básica y el estado sensorial, a los símbolos de alto nivel y predicados, y que juntos describan el estado del robot y del entorno durante un corto espacio de tiempo. La recién nacida arquitectura robótica cognitiva CORTEX puede ser dibujada como una superficie cilíndrica, dividida en varias rodajas verticales que representan a los agentes. En el centro del cilindro, la nueva estructura de datos contiene la creencia interna actual del robot, afectando y siendo afectada por todos los agentes, y siempre luchando por mantener un equilibrio que la realidad se empeña en desvanecer.
