ПРИМЕНЕНИЕ АППАРАТА ТЕОРИИ АВТОМАТОВ ДЛЯ УПРАВЛЕНИЯ МНОГОАГЕНТНЫМИ РОБОТОТЕХНИЧЕСКИМИ СИСТЕМАМИ

МИРЭА, Москва

Материалы  подготовлены по результатам выполнения  гранта РФФИ №16-29-04379

 

Разработка методов и алгоритмов группового управления в настоящее время относится к числу наиболее важных и актуальных направлений в современной робототехнике.

Исследования, которые активно проводятся в этой области как в России, так и за рубежом, убедительно свидетельствуют о перспективах не только применения, но и создания многоагентных робототехнических систем (МАРС), ориентированных на решение широкого круга прикладных задач в оборонной сфере, противодействия терроризму, промышленного производства, высокоточного земледелия, освоения космического пространства и т.д.

Известные варианты организации МАРС предполагают использование различных стратегий централизованного и децентрализованного управления автономными роботами в целях обеспечения их взаимодействий при совместном функционировании в составе объединенной группировки. Необходимо отдельно подчеркнуть, что при всем многообразии предлагаемых подходов к построению МАРС ее функциональную структуру удается привести к общему виду с выделением следующего набора основных подсистем [1, 2]:

- развитого человеко-машинного интерфейса, позволяющего обеспечить оперативную постановку решаемой прикладной задачи, обоснованный выбор необходимого числа и типа роботов, а также последующий контроль их функционирования;

- планирования целесообразного поведения и координированных действий автономных робототехнических агентов с учетом специфики поставленной прикладной задачи, хода ее выполнения и имеющихся ресурсов с последующим формированием и выдачей соответствующих заданий;

- автоматического формирования и анализа модели среды функционирования на основе комплексной обработки и смысловой интерпретации разнородной сенсорной информации, поступающей от  отдельных робототехнических агентов объединенной группировки;

- обеспечения информационно-логического взаимодействия и совместимости агентов (как на уровне использования единых форматов представления данных, сообщений, команд и целеуказаний, так и на уровне технических каналов их передачи).

Перспективный подход к решению задач групового управления автономными роботами связан с комплексным применением аппарата теории автоматов.

Следует отметить, что автоматы могут рассматриваться в качестве одной из форм представления знаний, как специфического вида информации, отражающей систему классификационных понятий или причинно следственных связей в какой-либо предметной области.

Как показывает опыт, формализм конечных автоматов, который  является крайне удобным для описания знаний о сценариях и логике целесообразного поведения, представляет крайний интерес с точки зрения своего использования при формирования моделей интеллектуального управления автономными роботами и многоагентными группировками на их основе в соответствии с различными стратегиями.

Так, например, планирование целесообразных действий МАРС для целого ряда приложений (включая строительно-монтажные работы, высокоточное земледелие, поиск очагов возгорания лесных угодий и т.д.) осуществляется на основе анализа заранее известного последовательно- параллельного сценария поэтапной реализации рассматриваемой прикладной задачи. Соответствующая сценарная модель строится в виде сети типовых конечных автоматов, структура взаимосвязей и состояние которых отражают логику следования и стадию выполнения необходимых технологических операций. При этом, выявление доступных для исполнения операций осуществляется по мере очередности завершения предыдущих, обеспечивая возможность формирования заданий для интеллектуальных автономных роботов, действующих в составе многоагентной системы на основе использования централизованной стратегии управления (Рис. 1) [3, 4].

Крайне важно, что использование формализма конечных автоматов в качестве конструктивной базы для построения подсистемы планирования целесообразных действий МАРС хорошо согласуется с принципами построения средств человеко-машинного интерфейса для постановки необходимых прикладных задач. Их сценарные модели могут задаваться оператором в интерактивном режиме непосредственно в виде графа, узлы которого ставятся в соответствие отдельным операциям или этапам, а дуги определяют требуемый порядок их следования (Рис. 2). Последующий анализ и интерпретация сформированного графа позволяет автоматически синтезировать сценарную модель, которая строится на базе конечных автоматов и обеспечивает планирование заданий по выполнению поставленной прикладной задачи группой роботов [5, 6].

 

Рис. 1. Моделирование процессов планирования действий и распределения заданий в составе МАРС при решении задач сборки инженерных конструкций модульного типа

 

Рис. 2. Использование средств человеко-машинного интерфейса для постановки прикладной задачи группе роботов и контроля их функционирования в ходе ее выполнения

 

Совершенно иной класс прикладных задач характеризуется отсутствием априорно заданных сценариев своего решения. Подобные примеры связаны с обходом лабиринтов неизвестной топологии и протяженности с использованием группы роботов при исследовании катакомб и естественных пещер (как это требовалось в рамках анти-террористической деятельности в Афганистане при поиске укрытий бандформирований), мониторинге каналов технических коммуникаций, путепроводов и полостей инженерно-строительных конструкций (реальная конфигурация которых может существенно расходиться с имеющимися планами).

В этих случаях сценарная модель для планирования целесообразных действий автономных роботов, которая также представляется в виде совокупности конечных автоматов, может автоматически формироваться и дополняться по ходу решения поставленной задачи, когда обнаружение очередной развилки лабиринта порождает набор альтернативных заданий по контролю обстановки в исходящих из нее коридоров (Рис. 3). Реализация такого подхода в сочетании со SLAM-технолгией локальной навигации и картографирования, позволила обеспечить создание программно-алгоритмических средств группового управления роботами в составе МАРС для обследования лабиринтов (Рис. 4) [7].

 

Рис. 3. Моделирование процессов группового управления роботами при обследовании лабиринта

 

Аналогичная ситуация возникает в задачах расчистки разрушений при ликвидации последствий природных и техногенных катастроф, когда удаление очередного слоя завала позволяет вскрыть последующий пласт и опредеделить план действий по его разбору, что обусловливает возможность автоматического формирования сценариев целесообразного поведения МАРС на основе применения технологии конечных автоматов.

При реализации стратегий централизованного управления МАРС конечные автоматы выступают удобным средством описания не только решаемой прикладной задачи, но и систем управления самих интеллектуальных роботов, обеспечивающих ее совместное выполнение [3].

В то же время, перспективный подход к реализации стратегий децентрализованного управления автономными роботами в составе объединенной группировки связан с их описанием на уровне вероятностных автоматов. Видимые преимущества связаны с возможностью обоснованного изменения вероятностей выбора целесообразных действий одного робототехнического агента в зависимости от результатов функционирования другого. Такая схема представляет очевидный интерес с точки зрения группового управления роботами не только при игре в футбол (соревнования по которому на призы RoboCupпроводятся на мировом уровне), но и при решении гораздо более важных и актуальных задач, связанных, например, с распределением целей при использовании безэкипажных средств боевой робототехники при ведении военных операций.

 

а)

б)

в)

г)

Рис. 4. Разработки МИРЭА по созданию робототехнических систем для обследования лабиринтов: опытные образцы автономных мобильных мини-роботов ( а), в)); фрагменты их натурных испытаний ( б), г))

 

Одна из наиболее острых проблем создания автономных роботов и многоагентных робототехнических систем связана с повышением степени их адаптивности к условиям внешней среды. Исследования, проводимые в этом направлении, убедительно свидетельствуют, что обеспечение расширенных способностей по адаптации автономных роботов и МАРС к многообразию факторов неопределенности может достигаться на основе различных методов технологий самообучения [8, 9].

В этом смысле применение технолгии стохастических и вероятностных автоматов с памятью представляет широкие возможности как собственно для решения задач самообучения, так и для интерпретации знаний, обобщающих опыт и особенности функционирования автономных роботов и получаемых с помощью, например, методов деревьев классификации.

Результаты комплексных исследований, проводимых на кафедре «Проблемы управления» МИРЭА, подтверждают эффективность комплексного применения аппарата теории автоматов к организации группового управления автономными роботами на уровне не только модельных, на и натурных экспериментов по использованию МАРС (Рис. 5) для решения различных прикладных задач

 

Рис. 5. Натурные эксперименты по отработке средств и методов группового управления роботами на полигоне МИРЭА

 

1.

Макаров И.М., Лохин В.М., Манько С.В., Романов М.П. От интеллектуальных роботов – к мультиагентным робототехническим системам / Военный парад, №5(101), 2010

2.

Манько С.В., Лохин В.М., Романов М.П. Концепция построения мультиагентных робототехнических систем / Вестник МГТУ МИРЭА, № 3 (8), т. 1, 2015

3.

Макаров И.М., Лохин В.М., Манько С.В. и др. Модели и алгоритмы планирования действий и распределения заданий в мультиагентных робототехнических системах / Мехатроника, автоматизация, управление №5, 2012

4.

Лохин В. М., Манько С.В., Pоманов М. П., Диане С. А. К. Способы представления знаний и особенности функционирования мультиагентных робототехнических систем / Мехатроника, автоматизация, управление №1, 2014

5.

Манько С.В., Александрова Р.И., Диане С. А. К. Человеко-машинный интерфейс для мультиагентныых робототехнических систем / Известия ЮФУ. Технические науки №3, 2014

6.

Манько С.В., Диане С. А. К., Лохин В. М., Pоманов М. П. Модели и программно-алгоритмическое обеспечение мультиагентных робототехнических систем / Вестник МГТУ МИРЭА, № 3 (8), т. 1, 2015

7.

Кучерский Р.В., Манько С.В. Модель многоагентной робототехнической системы для кооперативного картографирования протяженных участков полостей строительных конструкций / Естественные и технические науки, №6, 2013

8.

Лохин В.М., Манько С.В., Романов М.П. Повышение адаптивных свойств автономных роботов на базе интеллектуальных технологий / Труды международной научно-технической конференции «Экстремальная робототехника», - Санкт-Петербург: Изд-во «Политехника сервис», 2015.

9.

Лохин В.М., Манько С.В., Александрова Р.И. и др. Механизмы интеллектуальных обратных связей, обработки знаний и самообучения в системах управления автономными роботами и мультиагентными робототехническими группировками / Мехатроника, автоматизация, управление №8. Том 16. 2015