Диссертация (1090784), страница 13

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 13)

Характерные сочетания параметров различныхинформационных полей позволяют обеспечить идентификацию типов,состояния и относительного положения тех или иных объектов споследующим установлением взаимных отношений между ними, таких, как«находиться на (над)/под, справа/слева, за/перед, …» и т.д.В свою очередь третий, верхний уровень модели среды объединяет всвоем составе описания действующих закономерностей как общего, так илокального характера, которые могут закладываться либо априорно, либо помере своего выявления на основе интерпретации и обобщении результатовфункционированияробототехническогоагента.Знаниетакихзакономерностей является одним из важнейших факторов, определяющих нетольковозможностьосуществления,ноивзначительноймереэффективность выполнения прогноза развития вероятных событий иситуаций.Применительно к многоагентным группировкам проблемы построениямодели среды многократно возрастают, поскольку ее формирование должноосуществляться на основе интеграции и обобщения разнородной сенсорнойинформации, собираемой отдельными роботами, что требует единойкоординатной привязки, выявления и сопоставления идентичных объектов ит.д.

Многообразие существующихвоззрений на сущность, способыреализации, методы автоматического формирования и последующегоиспользования моделей среды, в которой функционируют автономныероботы или многоагентные робототехнические группировки, обуславливаетнеобходимость своего детального изучения, систематизации и развития.964.2 Прогнозное управление робототехническими агентами всоставе МАРСМодель среды, заложенная на борт робототехнической системыэкспертомилижеинтегрированныхсформированнаяинформационныхнаполейосновесанализаданныхпривлечениемметодовискусственного интеллекта, может быть использована для прогноза развитияситуации и корректировки управления агентом [42, 60].В рамках прогнозного подхода к управлению робототехническимагентом основной упор делается не на перечислении всевозможных ситуацийфункционирования с указанием требуемых для отработки исполнительныхкоманд, а на автоматизированном анализе возможных вариантов развитиятекущей ситуации и выборе оптимальных управляющих решений всоответствии с заданным критерием оценки их эффективности.4.2.1 Прогнозное управление на основе модели внешней средыМатематическая или имитационная модель внешней среды в рамкахпрогнозногоуправленияможетбытьформальнопредставленакакотображениеSt 1  M ( St , At ) ,(4.1)где St – ситуация функционирования РТС в текущий момент времени;At – управляющее решение, принятое системой в текущий момент времени;St+1–ситуацияфункционированияРТСнаследующемшагефункционирования системы.Критерий эффективности принятого решения по управлению можетбыть представлен как некоторый функционал, зависящий от ситуации,потенциально достигнутой на следующем шаге управления системой:F ( St , At )  Q( St 1 )(4.2)С учетом модели прогнозного управления (4.1) критерий (4.2) можетбыть представлен в следующем виде:97F ( St , At )  Q( M ( St , At ))(4.3)Таким образом, сравнение и выбор управляющих решений в рамкахпрогнозного управления производится по результатам моделированияразвития ситуации и автоматизированной оценки результата моделированияв соответствии с критерием, заданным экспертом.

При этом важно отметить,что рекурсивная формула (4.1) позволяет осуществлять последовательныйпрогнозразвитиясобытийпоследовательности действий РТСи,следовательно,планировать At ,..., At  N  на несколько шагов вперед.Однако на практике, в силу недетерминированности внешней среды инеточностей моделирования, горизонт прогнозирования, обеспечивающийдостоверную оценку обстановки и выбор управляющих действий, ограничен.Данное обстоятельство обуславливает необходимость уточнения прогноза накаждом шаге функционирования системы.Прогнозное управление имеет ряд преимуществ перед ситуационным.К ним можно отнести компактность хранения базы знаний, удобствоинтерпретации и отладки решений по управлению РТС на основе расчета ивизуализации модели среды.Такимобразом,функциональныхможновозможностейконстатировать,ичтосразвитиемпрограммно-алгоритмическогообеспечения автономных роботов, наблюдается естественная эволюцияпринципов построения интеллектуальной бортовой системы управления всторонуструктуры,включающеймодельсредыкакнеотъемлемуюсоставную часть.Многообразие существующих воззрений на сущность, способыреализации, методы автоматического формирования и последующегоиспользования моделей среды, в которой функционируют одиночные иливзаимодействующие друг с другом динамические объекты (и в том числеавтономные роботы) обуславливает необходимость их детального изучения,систематизации и развития.98При этом необходимо иметь в виду, что принципы построения моделисреды, закладываемые при разработке РТС, будут во многом предопределятьее интеллектуальные и функциональные возможности, связанные соспособностью к адаптации, прогнозу развития событий и самообучению.Равнокаки,наоборот,взависимостиотжелаемогосоставаинтеллектуальных и функциональных возможностей РТС, модель внешнейсреды будет обладать той или иной сложностью, архитектурой и т.д.Осуществление прогноза по формуле (4.1) требует определениятекущейситуациифункционированияфункционированиясистемы.робототехническихагентовАнализиситуацийМАРСможетпроизводиться с использованием различных технологий интеллектуальнойобработки знаний: экспертной логики, нейронных сетей,ассоциативнойпамяти, нечеткой логики.Обобщение информации, получаемой с помощью бортовых видеокамерили же в ходе спутниковой и аэрофотосъемки, позволяет сформироватьмодельсредыфункционированияМАРС,включающуюкаккартографическую информацию, так и оперативную информацию оместоположении и скорости передвижения робототехнических агентов.Полученная информация в дальнейшем может быть использована в бортовойсистеме управления каждого отельного робототехнического агента.Метод оценки ситуаций функционирования МАРС, основанный наанализе картографической и навигационной информации, может бытьиспользован для предотвращения конфликтов в ходе выполнения прикладнойзадачигруппоймобильныхроботов.Подобныйанализявляетсянеобходимым этапом для осуществления прогноза и сводится к поиску иклассификации объектов, расположенных на местности с привлечениемметодов технического зрения и интеллектуальных технологий обработкиинформации.Как видно из экспериментов по оценке эффективности МАРС взависимостиотчисленностиагентов99(п.3.5),эффективностьробототехнической группировки повышается лишь до определенногомомента, после чего происходит спад (время сбора конструкции растет).

Врассмотренной задаче этот факт обусловлен возрастающей частотойконфликтных ситуаций при маневрировании мобильных роботов наместности.Есливнедритьвсистемугрупповогоуправлениямеханизмпрогнозирования подобных конфликтов, то можно избежать опасногосближенияроботовиобеспечитьростэффективностиМАРСпривозрастающей численности состава.Для прогноза поведения всей группы роботов в целом необходиморазработать модели и алгоритмы прогноза перемещений отдельныхробототехническихагентов.Наиболеепростойспособпрогнозаосновывается на общеизвестных законах прямолинейного равномерногодвижения (рис.

4.3) [36]. Зная местоположение робота p0={x0, y0} внекоторый момент времени и местоположение p1={x1, y1} спустя промежутоквремени dt, соответствующий частоте обновления показаний навигационнойсистемы, можно определить местоположение робота через заданныйнебольшой интервал времени ∆t > dt:dxtdtdyy2  y1 tdtx2  x1 (4.4)12NВыполняя прогноз (4.4) для местоположений P1  p1 , p1 ,..., p1 всех Nроботов в составе МАРС, можно получить оценку местоположений роботов12Nна следующем шаге группового управления: P2  p2 , p2 ,..., p2 . Выполнивсреди полученных точек поиск парp , p ,i2j2находящихся на расстоянииRij  R0 потенциального столкновения (R0 – радиус безопасности), можноскорректировать управление на текущем шаге таким образом, чтобыувеличить данное расстояние и обеспечить движение роботов на безопасной100дистанции друг от друга.

Для этого необходимо выбрать из каждой пары«уступающего» робота и уменьшить скорость его движения, чтобы второйробот успел выйти из зоны потенциального конфликта.Рис. 4.3. Прогноз перемещения робототехнического агента на основе законовпрямолинейного равномерного движенияНа рис. 4.4 показана типовая конфликтная ситуация в движенииробототехническихагентов.Порезультатампрогнозароботы,расположенные в точках A и C, и движущиеся с различными скоростями,перемещаются в точки B и D, соответственно. Пунктирной линиейобозначена зона безопасного движения для первого робота.

Характеристики

Список файлов диссертации