Commit 44e10e10 authored by Andrés Aguirre's avatar Andrés Aguirre
Browse files

documentation final version

parent cd257432
\chapter{Archivos de configuración}\label{Ape1}
A continuación se describen los archivos de configuración más importantes de la plataforma desarrollada, los valores corresponden con los utilizados en la etapa de experimentación prresentada en el Capítulo \ref{CAP:Resultados}.
A continuación se describen los archivos de configuración más importantes de la plataforma desarrollada, los valores corresponden con los utilizados en la etapa de experimentación presentada en el Capítulo \ref{CAP:Resultados}.
\section{Configuración del entorno}
......
......@@ -310,7 +310,7 @@ month={Oct},}
}
@misc{web:CMUmocap,
title = {\ce{CMU} Graphics Lab Motion Capture Database},
title = {Graphics Lab Motion Capture Database},
howpublished = {\url{http://mocap.cs.cmu.edu/}},
note = {Accessed: 2017-05-23},
year = {2007},
......@@ -318,7 +318,7 @@ month={Oct},}
}
@misc{Lucy:GitHub,
title = {\ce{Lucy} Imitation Learning on Humanoid Robot},
title = {Lucy: Imitation Learning on Humanoid Robot},
howpublished = {\url{https://github.com/aguirrea/lucy}},
author = {Andrés Aguirre},
year = {2013},
......@@ -347,7 +347,7 @@ month={Oct},}
@misc{web:piasfutbol,
title={F{\'u}tbol de robots para la liga Humanoide de RoboCup},
author={Gerardo Pias, Marcelo Baliero},
author={Gerardo Pias and Marcelo Baliero},
year={2011},
howpublished = {\url{https://www.fing.edu.uy/inco/grupos/mina/pGrado/salimoo/}},
note = {Accessed: 2017-05-23},
......@@ -396,8 +396,7 @@ author="A. Billard and S. Calinon and R. Dillmann and S. Schaal",
author="Billard, A., Calinon, S., Dillmann, R. and Schaal, S.",
year="2007",
title="Robot Programming by Demonstration. Handbook of Robotics",
publisher="MIT Press. (in Press)",
c}
publisher="MIT Press. (in Press)"}
@article{sanderThesis,
......
......@@ -73,7 +73,7 @@ d) Observación externa: Los sensores externos se utilizan para registrar los mo
\begin{figure}[tb]
\centering
\includegraphics[width=0.7\textwidth]{imagenes/chap2/RecordEmbodimentMappingMatrix.eps}
\includegraphics[width=0.5\textwidth]{imagenes/chap2/RecordEmbodimentMappingMatrix.eps}
\caption{Clases de correspondencia entre el instructor y el aprendiz. Figura extraída y modificada de \cite{argall2009survey}. }
\label{fig:clases_correspondence}
\end{figure}
......
......@@ -201,7 +201,7 @@ Se cumple que: $arg(L\_Foot \times \overline{L\_Thigh}) = arg(L\_Foot) - arg(L\_
Para cada solución generada, el algoritmo evolutivo evalúa aspectos cualitativos del desempeño de dicha solución en el robot simulado utilizando la función de \textit{fitness} definida, la cual fue desarrollada tomando en cuenta las métricas acordes para el problema a resolver, para el caso del problema guía son tenidas en cuenta las métricas definidas en la Sección \ref{sec:conc&metricas}, y su implementación puede consultarse en la Sección \ref{GA}.
Es el mismo procedimiento evolutivo del algoritmo propuesto que a medida que pasan las genraciones va a corrigir los errores, respecto a la correspondencia, descartando las soluciones que obtienen un valor bajo de \textit{fitness} y explorando nuevas mediante el operador de mutación.
Es el mismo procedimiento evolutivo del algoritmo propuesto que a medida que pasan las generaciones va a corregir los errores, respecto a la correspondencia, descartando las soluciones que obtienen un valor bajo de \textit{fitness} y explorando nuevas mediante el operador de mutación.
El algoritmo evolutivo propuesto, maneja un criterio de parada, el cual puede activarse utilizando el valor 1 en el atributo $Convergence\_criteria\_enable?$, ver Apéndice \ref{Ape1}; por lo que si trascurren más de 15 generaciones sin que haya una mejora en las soluciones el algoritmo finaliza.
......@@ -210,7 +210,7 @@ El algoritmo evolutivo propuesto, maneja un criterio de parada, el cual puede ac
\begin{figure}[htp]
\centering
\includegraphics[width=14cm]{imagenes/chap3/proposed_solution_spanish.eps}
\caption{Diagrama que ilustra el mapeo entre el instructor y el aprendiz.}
\caption{Solución propuesta al mapeo entre el instructor y el aprendiz.}
\label{fig:proposed_solution}
\end{figure}
......@@ -375,7 +375,7 @@ El problema guía de la caminata, es intrínsecamente multiobjetivo, debido a la
\subsubsection{Operador de mutación}
El objetivo del operador de mutación en los AG es guiar la búsqueda manteniendo alta la diversidad, con ello en mente un operador gaussiano clásico es utilizado con el anhelo de explorar soluciones cercanas, en términos de la distancia euclidea de sus genes, según la Expresión \ref{eq:euclidean-distance}; los nuevos genes son calculados mediante el siguiente procedimiento: dado un gen, el cual corresponde a una pose, se seleccionan aleatoriamente, según la probabilidad de mutación definida, algunas \textit{articulaciones} $j_{i}$ para las que se calcula su nuevo valor mediante una distribución normal con media el valor de $j_{i}$ y una desviación estándar $\theta=3$, de esta manera la construcción de nuevas poses trata de mantener la distancia respecto a las ejecuciones de los instructores utilizados como población inicial del algoritmo. Nuevos puntos, centrados en el gen mutado seleccionado y, en el peor de los casos, a una distancia de tres unidades del valor original del alelo son obtenidos para las \textit{articulaciones} seleccionadas del gen. Dado que se utiliza una distribución normal, es más probable que los nuevos valores se encuentren cercanos al valor de $j_{i}$ y menos probable al valor de $j_{i} + \theta$.
El objetivo del operador de mutación en los AG es guiar la búsqueda manteniendo alta la diversidad, con ello en mente un operador gaussiano clásico es utilizado con el anhelo de explorar soluciones cercanas, en términos de la distancia euclidea de sus genes, según la Expresión \ref{eq:euclidean-distance}; los nuevos genes son calculados mediante el siguiente procedimiento: dado un gen, el cual corresponde a una pose, se seleccionan aleatoriamente, según la probabilidad de mutación definida, algunas \textit{articulaciones} $j_{i}$ para las que se calcula su nuevo valor mediante una distribución normal con media el valor de $j_{i}$ y una desviación estándar $\theta=3$, de esta manera la construcción de nuevas poses trata de mantener la distancia respecto a las ejecuciones de los instructores utilizados como población inicial del algoritmo. Nuevos puntos, centrados en el gen mutado seleccionado y, en el peor de los casos, a una distancia de tres unidades del valor original del alelo son obtenidos para las \textit{articulaciones} seleccionadas del gen. Dado que se utiliza una distribución normal, es más probable que los nuevos valores se encuentren cercanos al valor de $j_{i}$ y menos probable los valores que se aproximan a los extremos del intervalo $(j_{i}, \theta)$.
Una dificultad que presenta el problema seleccionado como guía es que un pequeño cambio en el valor de un gen (una pose) puede generar un comportamiento inestable en el robot, provocando su caída y por consiguiente se obtiene un \textit{fitness} muy bajo para esa solución, al no haber sido posible evaluar el resto de las poses del individuo. Este problema afecta a la búsqueda de soluciones por lo que se propone el siguiente procedimiento para mitigarlo: después de realizar la mutación gaussiana, se aplica una interpolación utilizando \textit{splines} cúbicos para corregir los puntos cercanos al valor mutado, aportando una transición más suave, contribuyendo a que el movimiento resultante no presente saltos \cite{Sander2016LBD} tratando de reducir de esta manera al conjunto de las poses inestables generadas mediante mutación. En la Figura \ref{fig:MutacionSplines} se presenta un ejemplo al aplicar dicho procedimiento a nivel del alelo, el valor del mismo para el tiempo $t_{m}$ es mutado, una spline cúbica que pasa por los puntos $t_{m}-n$, $t_{m}$ y $t_{m} + n$ es calculada, luego los puntos en el intervalo $(t_{m}-n, t_{m})$ y $(t_{m}, t_{m}+n)$ se vuelven a calcular utilizando el valor calculado por la spline.
......
......@@ -205,17 +205,24 @@ $angle_{weight}$ & 0.05 \\ \hline
La calibración de estos parámetros fue realizada en dos etapas, utilizando un enfoque inspirado en el trabajo de \cite{Sander2016LBD}: la primera, llamada etapa de aproximación, en donde se calculan valores groseros de los parámetros, obteniendo una aproximación de los mejores valores; y la segunda etapa, llamada la etapa de refinamiento, donde en base al cálculo del valor de los parámetros de la etapa anterior se refinan para obtener los valores óptimos para el algoritmo genético. En cada etapa y para cada configuración de los parámetros de esa etapa (tamaño de la población inicial, taza de cruzamiento y tasa de mutación), se realizan cinco ejecuciones del algoritmo genético teniendo en cuenta esos parámetros. El \textit{fitness} medio de los individuos de la población final se utiliza para calcular el rendimiento del algoritmo usando estos parámetros.
El criterio utilizado para seleccionar los mejores valores de parámetros tanto en las etapas de aproximación como de refinamiento fue el de \textit{significación estadística}, que se define de la siguiente manera: dados los algoritmos A y B, determinados por el tamaño de la población inicial, tasa de cruzamiento y tasa de mutación, el algoritmo A es mejor que el algoritmo B si la diferencia promedio en el \textit{fitness}, tomado para el mejor tercio de la población final, es mayor que la mayor desviación estándar de dicha subpoblación, como podemos observar en la Ecuación \ref{eq:fitness-improve}.
El criterio utilizado para seleccionar los mejores valores de parámetros tanto en las etapas de aproximación como de refinamiento fue el de \textit{significación estadística}, que se define de la siguiente manera: dados los algoritmos A y B, determinados por el tamaño de la población inicial, tasa de cruzamiento y tasa de mutación, el algoritmo A es mejor que el algoritmo B si el fitness promedio de A es mayor que el de B, ver Ecuación \ref{eq:fitness-improve}; y si la diferencia promedio en el \textit{fitness}, tomado para el mejor tercio de la población final, es mayor que la mayor desviación estándar de dicha subpoblación, como podemos observar en la Ecuación \ref{eq:fitness-improve-std}.
Para esta calibración se utiliza una población inicial diferente a la que se utliza luego en la etapa de experimentación.
Para esta calibración se utiliza una población inicial diferente a la que se utiliza luego en la etapa de experimentación.
\begin{equation}
\begin{aligned}
\lvert f_{AVG}(A_{best}) - f_{AVG}(B_{best}) \rvert> max(stdev(A_{best}), stdev(B_{best}))
f_{\avg}(A) > f_{\avg}(B)
\end{aligned}
\label{eq:fitness-improve}
\end{equation}
\begin{equation}
\begin{aligned}
\lvert f_{\avg}(A_{\text{best}}) - f_{\avg}(B_{\text{best}}) \rvert> \max{(\stdev(A_{\text{best}}), \stdev(B_{\text{best}}))}
\end{aligned}
\label{eq:fitness-improve-std}
\end{equation}
\begin{table}[tb]
\caption{Aproximación de parámetros}
\begin{center}
......@@ -393,7 +400,7 @@ El cable USB y el conversor son elementos que introducen distorsión, ya que son
\begin{figure}[tb]
\centering
\includegraphics[width=0.7\columnwidth]{imagenes/chap4/plataforma_fisica.jpg}
\caption{Entorno de trabajo montado para experimentación con la plataforma física; imagen de elaboración propia.}
\caption{Entorno de trabajo montado para experimentación con la plataforma física.}
\label{fig:physical-environment}
\end{figure}
......
......@@ -33,7 +33,7 @@ Como fue presentado en la Sección \ref{sec:real-platform-results} una ejecució
La función de \textit{fitness} presentada en este trabajo es intrínsecamente multi-objetivo, la misma ha sido implementada como una suma ponderada de objetivos, pero se podría realizar una mejor exploración del espacio de búsqueda si se utilizara un enfoque multi-objetivo, por lo que la determinación de la frontera de Pareto se deja para su tratamiento en trabajos futuros.
El modelo utilizado del robot Bioloid en el ambiente de simulación no es oficial, y no pudieron relevarse registros documentados de que los resultados obtenidos en la plataforma virtual hayan sido utilizados en la plataforma real. De existir problemas en la simulación de la realidad proporcionada por el modelo, la utilización de otro permitirá reducir el \textit{reality gap}.
El modelo utilizado del robot Bioloid en el ambiente de simulación no es oficial, y no pudieron relevarse registros documentados de que los resultados obtenidos en la plataforma virtual hayan sido utilizados en la plataforma real. De existir problemas en la simulación de la realidad proporcionada por el modelo, la utilización de otro puede reducir el \textit{reality gap}.
A causa del problema con el simulador descripto en la Sección \ref{sec:limitations-virtual}, la calibración de los parámetros del algoritmo genético insumió mucho tiempo y tuvo que ser simplificada, utilizando un conjunto de valores reducido del que debería de haberse utilizado; existen posibilidades de mejora del procedimiento al utilizar alguna de las propuestas que se describen más adelante en la Sección \ref{sec:proposal-analysis}, para paliar el problema de la simulación a tiempo fijo, por lo que se propone como trabajo futuro refinar la calibración de parámetros para el problema guía.
......
\chapter*{Agradecimentos}
Quisiera agredecer a: Diana Magano, Ana Dorelo, Omar Aguirre, Graciela Sarasúa, Björn Mattsson, Gustavo Noble, Guillermo Reisch, Marcelo Baliero, Octavio Perez, Sylvia da Rosa, Raquel Dorelo, Victoria Aguirre, Carlos Magano, María del Huerto Sarasúa, Luis Michelena, Federico Andrade, el Programa de Desarrollo de las Ciencias Básicas, La Comisión Académica de Posgrado de la Universidad de la República y a Pyxis, por apoyarme de una manera u otra para la concreción del presente trabajo.
Quisiera agredecer a: Diana Magano, Ana Dorelo, Omar Aguirre, Graciela Sarasúa, Björn Mattsson, Gustavo Noble, Guillermo Reisch, Marcelo Baliero, Octavio Perez, Sylvia da Rosa, Raquel Dorelo, Victoria Aguirre, Carlos Magano, María del Huerto Sarasúa, Luis Michelena, Federico Andrade, Martín Giachino, Jorge Visca, el Programa de Desarrollo de las Ciencias Básicas, La Comisión Académica de Posgrado de la Universidad de la República y a Pyxis, por apoyarme de una manera u otra para la concreción del presente trabajo.
A Martín Pedemonte por sus enseñanzas acerca de algoritmos genéticos.
......
%!PS-Adobe-3.0 EPSF-3.0
%%Creator: cairo 1.14.6 (http://cairographics.org)
%%CreationDate: Fri May 11 19:04:35 2018
%%CreationDate: Sun Jul 22 13:58:08 2018
%%Pages: 1
%%DocumentData: Clean7Bit
%%LanguageLevel: 3
......@@ -71,13 +71,10 @@ save
0 1 255 { Encoding exch /.notdef put } for
Encoding 32 /space put
Encoding 65 /A put
Encoding 67 /C put
Encoding 68 /D put
Encoding 69 /E put
Encoding 71 /G put
Encoding 77 /M put
Encoding 83 /S put
Encoding 85 /U put
Encoding 97 /a put
Encoding 98 /b put
Encoding 99 /c put
......@@ -95,10 +92,9 @@ Encoding 114 /r put
Encoding 115 /s put
Encoding 116 /t put
Encoding 117 /u put
Encoding 118 /v put
Encoding 225 /aacute put
Encoding 243 /oacute put
/CharStrings 30 dict dup begin
/CharStrings 26 dict dup begin
/.notdef 0 def
/D 1 def
/e 2 def
......@@ -125,16 +121,12 @@ Encoding 243 /oacute put
/E 23 def
/aacute 24 def
/p 25 def
/v 26 def
/C 27 def
/M 28 def
/U 29 def
end readonly def
/sfnts [
<0001000000090080000300106376742000691d390000130c000001fe6670676d7134766a0000
150c000000ab676c7966fe0912820000009c0000127068656164086b92ef000015b800000036
686865610d9f078c000015f000000024686d747892d0108f000016140000007c6c6f63610001
2ad400001690000000806d617870048c06710000171000000020707265703b07f10000001730
<0001000000090080000300106376742000691d3900000fd0000001fe6670676d7134766a0000
11d0000000ab676c7966a5c19dd30000009c00000f3468656164086b92ef0000127c00000036
686865610d9f0788000012b400000024686d74787bbc0e64000012d80000006c6c6f63610000
e33400001344000000706d61787004880671000013b400000020707265703b07f100000013d4
0000056800020066fe96046605a400030007001a400c04fb0006fb0108057f0204002fc4d4ec
310010d4ecd4ec301311211125211121660400fc73031bfce5fe96070ef8f2720629000200c9
000005b005d500080011002e4015009509810195100802100a0005190d32001c09041210fcec
......@@ -185,7 +177,7 @@ e4f4ecc4d4cc11123930b450139f1302015d012e012322061511231133153e0133321617034a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......@@ -230,100 +222,77 @@ ec323231002fc4e4ece4f4c4ec10fed5ee1112393930b6602a802aa02a03015d013426232206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>
2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b2b1d00>
] def
/f-0-0 currentdict end definefont pop
%%EndResource
......@@ -28913,9 +28882,6 @@ BT
(del )Tj
/f-1-0 1 Tf
[(reality gap)]TJ
6.012023 0 0 5.988001 45.392617 206.345353 Tm
/f-0-0 1 Tf
[(base de c)-3(aptur)-3(a de movimientos )-3(de la CMU)]TJ
ET
Q q
366 293.97 149 -55 re W n
This diff is collapsed.
......@@ -20,19 +20,22 @@ nopostdot, %quita el punto final en los acrónimos .
\usepackage{siunitx}
\usepackage{amsmath}
\usepackage{minted}
\hypersetup{ colorlinks = true } % false para imprimir, true para ver.
\hypersetup{colorlinks = true} % false para imprimir, true para ver.
% Ver los documentos de estilos bibliográficos para editar estas siguientes 2 líneas.
\usepackage{natbib} % Para algunos estilos bibliográficos
\bibliographystyle{estilos_bibliograficos/natbib/apalike}
\DeclareMathOperator{\avg}{avg}
\DeclareMathOperator{\stdev}{stdev}
\loadglossary
% A su vez, la clase udelar.cls ya tiene los siguientes paquetes cargados automáticamente, que podrían ser de interés saber para el usuario:
%
% {color},{hyphenat},{appendix},{lastpage},{babel},{inputenc},{amsmath,amssymb},{ifthen},{graphicx},{caption}
% {setspace},{tabularx},{eqparbox},{ltxcmds},{titletoc},{xcolor},{lineno},{xwatermark}
% {setspace},{tabularx},{eqparbox},{ltxcmds},{titletoc},{xcolor},{xwatermark}
% Si se quieren agregar más paquetes, se recomienda colocarlos a partir de esta linea y antes de \begin{document}.
......@@ -53,18 +56,14 @@ nopostdot, %quita el punto final en los acrónimos .
\author{Andrés Omar}{Aguirre Dorelo}
\escritura{en} % Se indica que el programa de Posgrado sea "en" o "de" tal área.
\director{Prof.}{Gonzalo Daniel}{Tejera López}{D.Sc.}
\director{Prof.}{Nombre del Director de Tesis}{Apellido}{D.Sc.} % Comentar esta línea si se tiene solo un director de tesis.
\codirector{Prof.}{Nombre del 1er Codirector}{Apellido}{D.Sc.} % Comentar estas líneas si no son necesarias.
\codirector{Prof.}{Nombre del 2do Codirector}{Apellido}{D.Sc.}
\codirector{Prof.}{Nombre del 3er Codirector}{Apellido}{D.Sc.}
\directoracademico{Prof.}{Javier Ernesto}{Baliosian De Lazzari}{D.Sc.}
\director{Prof.}{Javier Ernesto}{Baliosian De Lazzari}{Dr.}
\director{Prof.}{Gonzalo Daniel}{Tejera López}{Dr.}
\directoracademico{Prof.}{Javier Ernesto}{Baliosian De Lazzari}{Dr.}
\examiner{Prof.}{Nombre del 1er Examinador}{Apellido}{D.Sc.}
\examiner{Prof.}{Nombre del 2do Examinador}{Apellido}{Ph.D.}
\examiner{Prof.}{Nombre del 3er Examinador}{Apellido}{D.Sc.}
\examiner{Prof.}{Nombre del 4to Examinador}{Apellido}{Ph.D.}
\examiner{Prof.}{Nombre del 5to Examinador}{Apellido}{Ph.D.}
\examiner{Prof.}{Juan Miguel}{Santos (revisor)}{Dr.}
\examiner{Prof.}{Martín Nicolás}{Pedemonte Quintas}{Dr.}
\examiner{Prof.}{Martín}{Llofriu Alonso}{Dr.}
\graduatename{Informática}
\institute{PEDECIBA Informática}{PEDECIBA} % La primer institución es la principal.
......@@ -76,7 +75,7 @@ nopostdot, %quita el punto final en los acrónimos .
\graduatelocation{Montevideo}{Uruguay}
\date{17}{05}{2018} % Fecha del documento.
\date{24}{06}{2018} % Fecha del documento.
\keyword{Aprendizaje por Imitación}
\keyword{Control Motor}
......
......@@ -91,7 +91,7 @@
]{hyperref} %[colorlinks]
\RequirePackage[a4paper,bindingoffset=0.0cm,vcentering=true,%
top=4cm,bottom=3cm,left=4.0cm,right=3.0cm]{geometry} %showframe para ver los margins
\RequirePackage[pagewise]{lineno}
%\RequirePackage[pagewise]{lineno}
\RequirePackage[printwatermark]{xwatermark}
\RequirePackage{xcolor}
\RequirePackage[nottoc]{tocbibind}
......
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%% Web.sty package, 2000-3-05 %%
%% Copyright (C) 1999-2000 D. P. Story %%
%% dpstory@uakron.edu %%
%% %%
%% This program can redistributed and/or modified under %%
%% the terms of the LaTeX Project Public License %%
%% Distributed from CTAN archives in directory %%
%% macros/latex/base/lppl.txt; either version 1 of the %%
%% License, or (at your option) any later version. %%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%
%% History: Noel Vaillant began developing a better web.sty
%% based on my earlier published web.sty. Many thanks
%% to him for starting me off.
%%
\ProvidesPackage{web}[2000/04/03 v1.32 web.sty package (dps)]
\NeedsTeXFormat{LaTeX2e}[1997/12/01]
\DeclareOption{forpaper}{\eqforpapertrue % for print
\PassOptionsToPackage{monochrome}{color}%
\PassOptionsToPackage{forpaper}{exerquiz}}
\DeclareOption{latexlayout}{\web@layoutfalse}
\DeclareOption{navibar}{\web@navibartrue} % navigation bar
\DeclareOption{nodirectory}{\web@directoryfalse} % no directory on title page
\DeclareOption{latextoc}{\web@latextoctrue} % standard latex toc
\DeclareOption{dvipsone}{\PassOptionsToPackage{dvipsone}{hyperref}%
\PassOptionsToPackage{dvipsone}{color}}
\DeclareOption{dviwindo}{\PassOptionsToPackage{dviwindo}{hyperref}%
\PassOptionsToPackage{dviwindo}{color}
\PassOptionsToPackage{dviwindo}{exerquiz}}
\DeclareOption{dvipdfm}{\PassOptionsToPackage{dvipdfm}{hyperref}
\PassOptionsToPackage{dvipdfm}{color}
\PassOptionsToPackage{dvipdfm}{exerquiz}
\AtBeginDocument{\special{pdf: put @pages << /CropBox [\@pdfpagescrop] >>}}}
\DeclareOption{dvips}{\PassOptionsToPackage{dvips}{hyperref}
\PassOptionsToPackage{dvips}{color}}
\DeclareOption{pdftex}{\PassOptionsToPackage{pdftex}{hyperref}
\PassOptionsToPackage{pdftex}{color}\PassOptionsToPackage{pdftex}{exerquiz}}
\DeclareOption{tight}{% Try to make environments a little tighter
\AtEndOfPackage{%
\setlength\partopsep{2\p@ \@plus 1\p@ \@minus 1\p@}
\def\@listi{\leftmargin\leftmargini
\parsep 3\p@ \@plus3\p@ \@minus\p@ %4\p@ \@plus2\p@ \@minus\p@
\topsep 3\p@ \@plus1\p@ \@minus\p@ %8\p@ \@plus2\p@ \@minus4\p@
\itemsep3\p@ \@plus1\p@ \@minus\p@}
\let\@listI\@listi
\@listi}}
\DeclareOption{french}{%
\AtEndOfPackage{%
%======> Modification : JMS
% Recouvrement de \today
\def\today{\the\day\ \ifcase\month\or janvier
\or f\'evrier \or mars \or avril
\or mai \or juin \or juillet \or ao\^ut
\or septembre \or octobre \or novembre
\or d\'ecembre \fi \the\year}
%======> Modification : JMS
\def\web@toc{Table des mati\`{e}res}
\def\web@continued{suite}
\def\web@article{D\'{e}but \hyperlink{section.1}{Document}}
\def\web@directory{R\'{e}pertoire}
\def\web@revision{Mise \`{a} jour :}
\def\web@copyright{Copyright}
\def\web@versionlabel{Version}
\def\web@back{Retour}}
\PassOptionsToPackage{french}{exerquiz}}
\DeclareOption{german}{%
\AtEndOfPackage{%
\def\today{\the\day. \ifcase\month\or Januar
\or Februar \or M\"{a}rz \or April
\or Mai \or Juni \or Juli \or August
\or September \or Oktober \or November
\or Dezember \fi \the\year}
\def\web@versionlabel{Version}
\def\web@toc{Inhaltsverzeichnis}
\def\web@continued{Forts.}
\def\web@article{Anfang \hyperlink{section.1}{Artikel}}
\def\web@directory{\"Ubersicht}
\def\web@revision{Letzte \"Anderung:}
\def\web@copyright{Copyright}
\def\web@section{Abschnitt}
\def\web@back{Zur\"uck}
\def\web@doc{Dok}}
\PassOptionsToPackage{german}{exerquiz}}
\DeclareOption{norsk}{%
\AtEndOfPackage{%
\def\today{\ifcase\month\or Januar
\or Februar \or Mars \or April
\or Mai \or Juni \or Juli \or August
\or September \or Oktober \or November
\or Desember \fi \the\day, \the\year}
\def\web@versionlabel{Versjon}
\def\web@toc{Innholdsfortegnelse}
\def\web@continued{forts.}
\def\web@article{Start \hyperlink{section.1}{artikkel}}
\def\web@directory{Katalog}
\def\web@revision{Sist endret:}
\def\web@copyright{Copyright}
\def\web@section{Avsnitt}
\def\web@back{Tilbake}
\def\web@doc{Dok}}
\PassOptionsToPackage{norsk}{exerquiz}}
\DeclareOption{dutch}{%
\AtEndOfPackage{%
\def\today{\the\day~\ifcase\month\or januari
\or februari \or maart \or april
\or mei \or juni \or juli \or augustus
\or september \or oktober \or november
\or december \fi \space \the\year}
\def\web@versionlabel{Versie}
\def\web@toc{Inhoudsopgave}
\def\web@continued{vervolg}
\def\web@article{Begin \hyperlink{section.1}{Artikel}}
\def\web@directory{Overzicht}
\def\web@revision{Laatste wijziging:}
\def\web@copyright{Copyright}
\def\web@section{Sectie}
\def\web@back{Terug}
\def\web@doc{Doc}}
\PassOptionsToPackage{dutch}{exerquiz}}
\DeclareOption{spanish}{%
\AtEndOfPackage{%
\def\today{\the\day\ de \ifcase\month\or Enero
\or Febrero \or Marzo \or Abril
\or Mayo \or Junio \or Julio \or Agosto
\or Septiembre \or Octubre \or Noviembre
\or Deciembre \fi de \the\year}
\renewcommand\web@versionlabel{Versi\noexpand\'{o}n}
\renewcommand\web@toc{Tabla de Contenido}
\renewcommand\web@continued{cont.}
\renewcommand\web@article{Inicio
\hyperlink{section.1}{Art\'{\i}culo}}
\renewcommand\web@directory{Directorio}
\renewcommand\web@revision{Actualizado el:}
\renewcommand\web@copyright{Copyright}
\renewcommand\web@section{Secci\'on}
\renewcommand\web@back{Volver}
\renewcommand\web@doc{Doc}}
\PassOptionsToPackage{spanish}{exerquiz}}
\DeclareOption{italian}{%
\AtEndOfPackage{%
\def\today{\ifcase\month\or Gennaio
\or Febbraio \or Marzo \or Aprile
\or Maggio \or Giugno \or Luglio \or Agosto
\or Settembre \or Ottobre \or Novembre
\or Dicembre \fi \the\day, \the\year}
\renewcommand\web@versionlabel{Versione}
\renewcommand\web@toc{Indice}
\renewcommand\web@continued{cont.}
\renewcommand\web@article{Inizio \hyperlink{section.1}{Articolo}}
\renewcommand\web@directory{Directory}
\renewcommand\web@revision{Data Ultima Revisione:}
\renewcommand\web@copyright{Copyright}
\renewcommand\web@section{Sezione}
\renewcommand\web@back{Back}
\renewcommand\web@doc{Doc}}
\PassOptionsToPackage{italian}{exerquiz}}
\def\processdvipsonesetup{%