Диссертация (1090784), страница 12
Текст из файла (страница 12)
3.11. Таким образом, дляисследования МАРС были использованы 4 серии экспериментов.а)б)Рис. 3.11. Сценарии построения пирамиды из шести кубиков с различным порядкомустановки: а) Сценарий 1; б) Сценарий 2Количество роботов при выполнении прикладной задачи в каждойсерии экспериментов изменялось от одного до шести.
В общей сложностибыло проведено 24 эксперимента по моделированию МАРС в задаче88возведения инженерной конструкции. Фрагменты некоторых из проведенныхэкспериментов показаны на рис. 3.12.а)б)Рис. 3.12. Траектории перемещения роботов и вид построенной конструкции при различныхвариантах постановки эксперимента: а) сцена с препятствиями, Сценарий 1, пять роботов;б) сцена без препятствий, Сценарий 2, шесть роботовГрафики зависимости времени выполнения прикладной задачи от числароботов в группе, представлены на рис.
3.13, а. Видно, что в первых двухсериях экспериментов, времени на выполнение прикладной задачи уходитзначительно меньше, чем в двух последних. Очевидным объяснением этомуслужит отсутствие препятствий в Серии 1 и Серии 2.Усредненный график по четырем сериям экспериментов приведен нарис. 3.13, б. При небольших количествах роботов (1-4 шт.) время выполнениязадачи, как и следовало ожидать, убывает с ростом числа роботов в группе.Но в то же время при большой численности роботов время выполнениявозрастает.Подобное ограничение в масштабируемости МАРС связано с тем, что,во-первых, время выполнения всей задачи определяется самым медленнымроботом в группе.
А, во-вторых, с увеличением количества роботов растетчастота конфликтов в МАРС. Причем из сравнения графиков (рис. 3.13, а)видно, что на местности с препятствиями (Серия 3, Серия 4) этот фактор89выражен более ярко, чем на местности, на которой препятствий нет (Серия 1,Серия 2).а)б)Рис. 3.13. Зависимость времени выполнения прикладной задачи от числа роботов вгруппе: а – для различных серий экспериментов; б – усредненная зависимостьАнализируятраекториипередвижениямобильныхроботовпофрагментам моделирования, представленным на рис 3.12, можно заметитьдостаточно большое количество точек, в которых маршруты движенияроботовпересекаются.Необходимостьвзаимногоуклоненияприодновременном прохождении роботами данных точек приводит, с однойстороны, к замедлению их скорости, обусловленному соображениямибезопасности движения, а с другой – увеличению пути за счет отклоненияагентов от прямолинейного движения.Очевидно, что при повышении количества роботов или же приуменьшениисвободногодляманеврирования90пространствачислопотенциальных конфликтов между движущимися роботами возрастает, непозволяя обеспечить высокие показатели эффективности МАРС.
Данноеобстоятельство приводит к необходимости поиска моделей и алгоритмовпредупрежденияконфликтныхситуацийспривлечениемметодовискусственного интеллекта.Выводы по главе 3ВнезависимостиотсферыпримененияМАРСпрограммно-алгоритмическое обеспечение системы должно быть ориентировано нетолько на решение задач группового управления, но и предусматриватьрежимы взаимодействия с человеком-оператором.Представленныевнастоящейглавепринципыпостроенияипрограммно-алгоритмическое обеспечение человеко-машинного интерфейсаМАРС позволяют обеспечить оперативную постановку задачи МАРС и слежение за ходом еевыполнения; оценку численности состава МАРС для выполнения прикладной задачи; виртуальное моделирование МАРС в целях оценки реализуемости иэффективности решения поставленной задачи; контроль состояния отдельных робототехнических агентов и ихместоположения на цифровой карте.Следует отметить, что разработанный программный комплекс длямоделированияпроцессоввыполнениягрупповыхсценариевможетрассматриваться не только как вспомогательная подсистема ч/м интерфейсаМАРС, но также имеет самостоятельное значение.
Возможные примененияданного комплекса включают моделирование задач групповой разведки икартографирования местности; исследование группового взаимодействияавтономных мобильных роботов; разработку и тестирование бортовогосенсорного оснащения автономных роботов в составе МАРС и др.91Глава 4.Повышение адаптивных свойств автономных роботов всоставе МАРСМногоагентные робототехнические системы, предназначенные дляработы в сложноформализуемых и динамичных условиях внешней среды,должны рассматриваться с привлечением современных методов управления иобработки информации в технических системах. Рассмотренная в 1 главеконцепция интеллектуального управления, основанного на знаниях, а такжепринципы построения информационно-управляющих систем определяютперечень вопросов, подлежащих рассмотрению при разработке МАРСповышенной эффективности, надежности и эргономичности.
Основнымизадачами при этом являются: повышение адаптивных свойств робототехнических агентов,действующих в условиях неопределенности за счет внедрения механизмовинтеллектуальной обработки и обобщения показаний бортовойинформационно-измерительной подсистемы в рамках формируемоймодели внешней среды; прогноз развития ситуации функционирования автономных роботов всоставе МАРС на основе априорно заложенных или выявляемых вштатном режиме знаний о закономерностях внешней среды и принятиецелесообразных управляющих решений; сбор и обобщение разнородной сенсорной и командной информации впроцессе функционирования робототехнических агентов в целяхвыявления значимых для выполнения поставленной прикладной задачиобъектов и ориентиров внешней среды;924.1 Интеллектуальное управление автономным робототехническимагентом на основе формируемой модели внешней средыВ контексте повышения адаптивных свойств автономных роботов всоставеМАРСотдельноговниманиязаслуживаетпроблемаинтеллектуальной обработки информации на борту робототехническихагентов для эффективного решения задач навигации, распознавания объектовцелевогоинтереса,поддержаниянепрерывногоинформационноговзаимодействия с командным центром и другими агентами в группе.Очевидно, что с позиций эффективности и качества управленияавтономными роботами вопросы комплексной обработки и анализасенсорной информации приобретают принципиальный характер.
При этоммножествосоответствующихрешенийсводитсяктакимвариантамструктурной организации системы управления и контура обратной связи, вкоторых формирование, выбор и коррекция параметров, законов илиалгоритмов управления осуществляется на основе непосредственной оценкитекущей ситуации по показаниям установленных на борту информационноизмерительных средств.Воплощениеподобногоподходавсистемахуправленияполуавтоматическими и автономными роботами обеспечивает достаточноширокийспектрособенностямфункциональныхокружающейсреды.возможностейТак,учетпоадаптациипоказанийкдатчиковпредупреждения столкновений с объектами внешней среды позволяетизменятьнаправлениецеленаправленногодвиженияавтономногомобильного робота в соответствии с алгоритмом управления, легкореализуемым на основе нечеткой-логической модели [11], задающей правилаповедения следующего типа:Если ДАТЧИКИ = ПРЕПЯТСТВИЙ НЕТ, то ДВИЖЕНИЕ = К ЦЕЛИ;Если ДАТЧИКИ = ПРЕПЯТСТВИЕ СЛЕВА, то ДВИЖЕНИЕ = ПОВОРОТ ПРАВЫЙ;Если ДАТЧИКИ = ПРЕПЯТСТВИЕ СПРАВА, то ДВИЖЕНИЕ = ПОВОРОТ ЛЕВЫЙ93(1)Следует отметить, что оперативные оценки состояния робота и средыего функционирования по текущим показаниям бортовых датчиков далеко невсегда в полной мере отражают специфику реальной обстановки.
В качественаглядной иллюстрации на рис. 4.1 представлены фрагменты моделирования,когдаконтролируемаямобильногоробота,сменанаправленияосуществляемаянадвиженияосновеавтономногоиспользованиявышеприведенной модели (1) при обнаружении препятствий, обеспечивает водном случае успешное достижение заданного целевого положения, а вдругом – возникновение циклического повтора тупиковой ситуации.В этом смысле интерпретация получаемой сенсорной информациидолжна осуществляться в контексте некоторой модели мира робота,включаемой в состав его системы управления (рис.
4.2) и характеризующейсостояние среды и особенности обстановки. Подобная модель можетзакладываться на борт робота на этапе его подготовки к выполнениюпоставленных прикладных задач или формироваться непосредственно впроцессе их выполнения на основе обобщения накапливаемой сенсорнойинформации [2].а)б)Рис. 4.1. Управление целенаправленным движением автономного мобильного робота наоснове оценки ситуаций по текущим показаниям датчиков предупреждения столкновений:а) успешное достижение целевой точки; б) возникновение тупиковой ситуации94Рис. 4.2.
Контур интеллектуального управления автономным роботом с формированиеммодели среды для смысловой интерпретации ситуацийВ наиболее общем случае модель, адекватно отображающая основныеособенности и реальное состояние среды функционирования автономныхроботов, должна иметь многослойную архитектуру, включающую в свойсостав три уровня иерархии: уровень интегрированных информационных полей; уровень структурных элементов и логики их взаимосвязей; уровень общих и локальных закономерностей.Первый, нижний уровень объединяет информационные поля, каждое изкоторых формируется непосредственно на основе интеграции однородныхданных,характеризующихпространственноеилипространственно-временное распределение параметров среды – высот рельефа или сцены,интенсивности различного рода излучений и других величин, измеряемыхроботом с помощью бортовых датчиков или передаваемых ему извне.Множество таких полей будет определять максимально полный (в смыслеинформационной доступности) образ среды, представляемой в видедополняющих друг друга различного рода карт местности, объемныхмоделей сцены и пр., наличие которых необходимо главным образом длярешения задач планирования целесообразных перемещений.Уровень описания структурных элементов среды по существуобъединяет в своем составе целый ряд взаимодополняемых моделей: модель95среды, как описание совокупности объектов, находящихся в определенныхотношениях друг с другом; модель среды, как описание совокупностивзаимосвязанных явлений; модель среды, как описание совокупностисвершившихся событий.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
