Правила поведения
<<  Тема: «Коррекция поведения «трудных» детей» Правила поведения в компьютерном классе  >>
Коллективное поведение роботов
Коллективное поведение роботов
1. Введение
1. Введение
Специфические проблемы
Специфические проблемы
Некоторые примеры систем
Некоторые примеры систем
Примеры "реальных" систем
Примеры "реальных" систем
Исследовательские проекты, доведенные до реального уровня
Исследовательские проекты, доведенные до реального уровня
"Эволюционирующие" роботы
"Эволюционирующие" роботы
«Умная» пыль
«Умная» пыль
Роботы-разведчики
Роботы-разведчики
Модели и методы, лежащие в основе КПР
Модели и методы, лежащие в основе КПР
Немного о терминах
Немного о терминах
Формальные модели коллективного поведения
Формальные модели коллективного поведения
Коллективное поведение автоматов (КПА)
Коллективное поведение автоматов (КПА)
Задача о поливе садовых участков
Задача о поливе садовых участков
Список некоторых работ В.Л. Стефанюка по коллективному поведению и
Список некоторых работ В.Л. Стефанюка по коллективному поведению и
Регулировка мощности
Регулировка мощности
Коллективное поведение автоматов в коллективной робототехнике
Коллективное поведение автоматов в коллективной робототехнике
«Оптимизационный» подход
«Оптимизационный» подход
Многоагентные системы (МАС)
Многоагентные системы (МАС)
Механизмы МАС
Механизмы МАС
Основные проблемы МАС
Основные проблемы МАС
Языки описания поведения МАС
Языки описания поведения МАС
Примеры систем
Примеры систем
МАС
МАС
Имитационные модели
Имитационные модели
Муравьи
Муравьи
ТТХ
ТТХ
Механизмы реализации
Механизмы реализации
Роевые алгоритмы
Роевые алгоритмы
Модели движения
Модели движения
Движение
Движение
Подобного рода модели – это лишь реализация неких частных механизмов
Подобного рода модели – это лишь реализация неких частных механизмов
Робот EPORO
Робот EPORO
Пример роевого алгоритма
Пример роевого алгоритма
Проект MARS
Проект MARS
Замечания к роевым и стайным методам
Замечания к роевым и стайным методам
Стайное поведение и автоматы
Стайное поведение и автоматы
Эволюционные методы
Эволюционные методы
Элементная база
Элементная база
Элементная база
Элементная база
MARV
MARV
Элементная база
Элементная база
Библиография из Churaman, 2010
Библиография из Churaman, 2010
Заключение 1/3
Заключение 1/3
Заключение 2/3
Заключение 2/3
Заключение 3/3
Заключение 3/3
Источники
Источники

Презентация: «Коллективное поведение роботов». Автор: Adminisrator. Файл: «Коллективное поведение роботов.ppt». Размер zip-архива: 7010 КБ.

Коллективное поведение роботов

содержание презентации «Коллективное поведение роботов.ppt»
СлайдТекст
1 Коллективное поведение роботов

Коллективное поведение роботов

Желаемое и действительное

Карпов В.Э.

Московский государственный институт электроники и математики (МИЭМ) karpov-ve@yandex.ru

2 1. Введение

1. Введение

Создание сложной системы, состоящей из множества сравнительно простых устройств: повышение надежности (утрата части членов коллектива не влияет на работоспособность всей системы в целом). гибкость (способность системы к реконфигурации). потенциальная возможность развития и усложнения решаемых задач путем наращивания мощности коллектива.

ИСПОЛЬЗОВАНИЕ СИСТЕМ КПР командная работа роботов, совместно выполняющих диагностику труднодоступных объектов, мониторинг окружающей среды, коллективное решение задач роботами–спасателями, разведка и рекогносцировка (для беспилотных летательных аппаратов, роботов военного назначения), охранные функции, патрулирование, и т.д.

Коллективное поведение

2

А.Андреев, СПб // http://alexandreev.com/)

3 Специфические проблемы

Специфические проблемы

(*) Непредсказуемая динамика внешней среды (вплоть до сознательного противодействия). (*) Неполнота и противоречивость знаний роботов (агентов) о состоянии внешней среды и о других участниках. Многообразие вариантов путей достижения цели, структур коллектива, распределения ролей и т.д. Распределенный и динамический характер планирования действий коллектива. Проблемы, связанные с тем, что коллектив представляет собой совокупность физических объектов, действующих в реальной сложной среде (проблемы надежной коммуникации, распределенность коллектива в пространстве и проч.). Прочие технические проблемы (архитектура сети, протоколы, операционные средства и т.д.).

Коллективное поведение

3

4 Некоторые примеры систем

Некоторые примеры систем

Проект

Характеристика

Направление

Примечания

I-SWARM. Германия, Университет Карлсруэ 2010 г.

Мультиагентные сообщества роботов

Финансируется Европейским союзом

Multi Robot Systems. Университет Алберты в Эдмонтоне, США

Задачи коллективного принятия решений

Грант на пять лет в размере $39,000 в год

SwarmBot. Компания iRobot

Сценарное управление

Группы численностью до 10 000; поиск мин; исследование территорий; мониторинг

Коллективное поведение

4

До 100 особей, размер – порядка 1 см2

Система из нескольких роботов

Куб 12,5 см., 32-разрядн. микропроцессор, ИК-датчики

5 Примеры "реальных" систем

Примеры "реальных" систем

Коллективное поведение

5

Проект DARPA-2003. Отряд из 120 роботов. Задача: коллективное решение тактических и разведывательных задач. Участники: компания Icosystems (разработка программ имитации поведения живых организмов), компаниея I-Robot. Особенности: для координации действий - простые правила локального взаимодействия (муравьиные алгоритмы). Проект Centibots (2004, Университет Вашингтона). Один из первых реальных проектов. Задача: коллективная рекогносцировка помещений группой самодвижущихся роботов. Особенности: периодическое взаимодействие и перераспределение ролей. Демонстрация: команда из 100 роботов. 24 часа непрерывного исследования и патрулирования территории THE CENTIBOTS PROJECT: http://www.ai.sri.com/centibots/ Артиллерийская система NLOS-LS (2010 г). Задача: создание артиллерийской системы нового поколения. Участники: корпорации Lockheed Martin и Raytheon. Особенности: заряды смогут объединяться в воздухе в интеллектуальную сеть и с максимальной эффективностью поражать объекты противника, расположенные вне зоны прямой видимости. Для наведения на цель - лазерные радары и бортовое ПО распознавания. Они способны находиться в воздухе 30 минут, преодолевая за это время до 70 км. в поисках целей. Стоимость проекта: $1,1 млрд.

6 Исследовательские проекты, доведенные до реального уровня

Исследовательские проекты, доведенные до реального уровня

Видео

Открытый проект SwarmRobot. (swarmrobot.org) Задача: создание минироботов (с линейными размерами до 3 см), которые могут организовывать масштабируемые коллективы из десятков и сотен роботов. Предполагается, что это позволит реализовать эффекты самоорганизации в больших коллективах. Проект Swarmanoid. Брюссельский свободный университет (Universite Libre de Bruxelles). Задача: исследование поведения неоднородных коллективов роботов. Пример: коллектив из колесных роботов, летающего робота-разведчика и манипуляционного робота совместными усилиями находят объект (книгу). Видео с демонстрацией получило в 2011 г. приз на конференции Conference on Artificial Intelligence AAAI-11 в Сан-Франциско. http://www.newscientist.com/article/dn20791-robot-mission-impossible-wins-video-prize.html

Коллективное поведение

6

7 "Эволюционирующие" роботы

"Эволюционирующие" роботы

Эволюционирующие роботы. (2009, Laboratory of Intelligent Systems (политехническая школа, Лозанна, Швейцария). Исследования в области "эволюции" роботов. Эволюционировал геном робота, кодирующий ИНС, определяющую поведение робота. В экспериментах группа из 10 роботов состязалась за пищу. Роботы – это колесные платформы (т.н. s-боты) размером 12x5см. Задача роботов - поиск "источника пищи" (светящееся кольцо) и избегание "яда" (темное кольцо). "Общение" посредством световых сигналов. В ходе экспериментов эволюция роботов приводила иногда к тому, что роботы обучались даже обманывать соперников, испуская "неправильный" свет при нахождении возле кормушки (чтобы не привлекать к кормушке конкурентов).

Видео

Коллективное поведение

7

8 «Умная» пыль

«Умная» пыль

Сеть из малых беспроводных микроэлектромеханических систем, которые могут взаимодействовать между собой и получать данные о состоянии внешней среды. Базовые элементы «умной пыли» — т.н. моты (англ. moth — мошка). Каждый мот имеет собственные сенсоры, вычислительный узел, коммуникацию и питание. Реальные испытания – Афганистан, 2002. Сенсор Mica (Intel): 128 К программной флэш-памяти, 256 К флэш-памяти для хранения данных; радиопередатчик (900 МГц); ОС TinyOS (код этой ОС является открытым и «весит» 8,5 К).

Коллективное поведение

8

Калифорнийский университет в Беркли, финансирование DARPA.

9 Роботы-разведчики

Роботы-разведчики

Видео 1

Видео 2

Коллективное поведение

9

Робот SCOUT. Центр распределенной робототехники, Университет Миннесоты, США. Начало работ – 2001 г. Длина: 110 мм. Диаметр: 40 мм. Вес: 200 г Скорость: 30 см/с. Привод: 2 колеса, механизм для прыжков. Высота прыжка: до 30 см. Сенсоры: камера, акселерометры, энкодеры на колесах, магнетометры. Время функционирования: в неподвижном состоянии – 120 мин., при движении на полной скорости - 70 минут, 100 прыжков. Коммуникации: 6 каналов связи. Ресурс проекта: http://distrob.cs.umn.edu/scout.php Робот Throwbot, компания ReconRobotics. «хвостик» для балансированного движения, антенны. длина робота - 187 мм., вес – 0.5 кг., скорость – 1 км/ч. сверхпрочные материалы – титан и авиационный алюминий (забрасывание робота в помещение с расстояния в 30 м.). Робот предназначен для помощи полицейским и спасательным службам в проведении опасных операций. Производство Throwbot ограничено числом в 2000 экземпляров в первый год и в 8000 во второй, так как использоваться он может только специальными службами и только в особых случаях.

10 Модели и методы, лежащие в основе КПР

Модели и методы, лежащие в основе КПР

"Строгое" математическое решение. Речь идет об исследованиях в области теории систем, создании формальных моделей и механизмов коллективного поведения. Технологии многоагентных систем (МАС). Имитационное моделирование, т.е. реализация моделей взаимодействующих субъектов (роботов), при этом за основу берутся биологические объекты (в т.ч. - исследования в области т.н. искусственной жизни). Роевые, пчелиные и муравьиные алгоритмы. Это методы, исследующие внешние, сугубо феноменологические стороны поведения живых организмов. Подобного рода методы и алгоритмы лежат в основе т.н. роевого интеллекта. Эволюционные методы. Основная задача – реализация эволюционным путем механизмов внутристайного (внутрироевого) взаимодействия.

Коллективное поведение

10

11 Немного о терминах

Немного о терминах

Распределенный ИИ. Эта область ИИ занимается самыми общими аспектами коллективного поведения агентов. В лучшем случае основу РИИ составляют результаты, полученные в теории распределенных систем, теории принятия решений и даже теории МАС. Основные же проблемы остаются по-прежнему нерешенными. Неясно, как эффективно разбивать задачу на подзадачи и распределять их между агентами, неясно, как будут синтезироваться результаты и и согласовываться решения т.п. РИИ – это пока лишь "декларация о намерениях". Групповая робототехника (ГР) это очередной "новый" подход к координации систем многих роботов, которые состоят из большого числа в основном простых роботов. Предполагается, что желаемое коллективное поведение возникает из взаимодействия роботов между собой и с окружающей средой (т.н. роевой интеллект). Идеологическая основа ГР – это эффект эмерджентности поведения (как у социальных насекомых). Ключевой момент – взаимодействие между членами группы, а целевая функция – разумность поведения не индивидуума, а всего роя. Необходимость большого количества роботов. Техническая направленность ГР: создание конструкции роботов, систем управления, механизмов взаимодействия. Принципиальными факторами в ГР являются миниатюризация и стоимость. Простоте каждого члена команды в ГР уделяется особое внимание. (Принцип "простоты" робота – самое слабое место ГР. Проблема в том, что члены стаи – это очень непростые по своей структуре, поведению и возможностям организмы). Коллективный интеллект. Термин появился в середине 1980-х гг. в социологии при изучении процесса коллективного принятия решений. КИ – способность группы находить решения задач более эффективные, чем лучшее индивидуальное решение в этой группе.

Коллективное поведение

11

12 Формальные модели коллективного поведения

Формальные модели коллективного поведения

Автоматные модели В 60-е гг. 20 века сформировалась школа, изучающая различные модели поведения на основе конечных автоматов. Основной тезис: любое достаточно сложное поведение слагается из совокупности простых поведенческих актов. Работы М.Л. Цетлина, В.И. Варшавского, В.Л. Стефанюка, Д.А. Поспелова и др. Исследуя разнообразные формы поведения (от условно-рефлекторного и до коллективного поведения), был создан теоретический фундамент для описания коллективного взаимодействия объектов самой разной природы. В рамках КПА рассматривались задачи распределения ресурсов между участниками, особенности организации однородных коллективов, поведение неоднородных структур (вводился ранг рефлексии участников) и т.п., решались задачи синхронизации взаимодействия членов коллектива (автоматов). На базе подобных моделей был создан фундамент сотовой связи (задача о коллективе радиостанций, Стефанюк В.Л.). Эти модели и методы стали основой для построения многих децентрализованных коллективных систем, моделей индивидуального и коллективного поведения. Теория КПА до сих пор является одной из очень немногих строгих, формальных моделей подобного рода систем.

Коллективное поведение

12

13 Коллективное поведение автоматов (КПА)

Коллективное поведение автоматов (КПА)

Однородные структуры. Оценке подлежит совокупное воздействие всего коллектива автоматов D=(d1i1,d2i2,…,dkik), где dmk – k-е действие m-го автомата.

Задача 1. N мест и M претендентов, N>M Пусть N=3, a1 = 80, a2 = 60, a3 = 20. M=4. В отсутствии информации о значениях ai и динамике размещения по местам работы можно добиться такого положения, при котором каждый индивид максимизирует свой выигрыш (система выйдет на точку Мора).

Задача 2. Игра с общей кассой Необходимо максимизировать суммарную зарплату, получаемую всем коллективом (схема с общей кассой). ?ai=80+60+20=160, xсрmax=?ai/M=160/4=40 Если окажется, что xср< xсрmax, то будем наказывать тех игроков, чей выигрыш оказался меньше xср. При показанном выше распределении xср = (40+40+35+35)/4=35. Будут наказаны игроки, зарабатывающие по 30 рублей. В этом случае кто-нибудь из них поменяет место работы. Наказания прекратятся тогда, когда двое будут работать на предприятии №1, один – на предприятии №2 и один – на предприятии №3.

РАНГ РЕФЛЕКСИИ (РР) Индивид имеет нулевой ранг рефлексии, если при выборе своего действия он никак не учитывает наличия других участников коллектива. Выбор действия при нулевом ранге рефлексии определяется только той информацией, которая поступает на вход решающего устройства из внешней среды. Индивид имеет первый ранг рефлексии, если он считает, что остальные участники имеют нулевой ранг рефлексии и сам он может выбирать действия за них.

Коллективное поведение

13

14 Задача о поливе садовых участков

Задача о поливе садовых участков

Коллективное поведение

14

ЗАДАЧА МАЙХИЛЛА (ЗАДАЧА О ЦЕПИ СТРЕЛКОВ) Существуют ли правила поведения стрелков, обеспечивающих синхронизацию, если количество слов, которыми могут обмениваться стрелки и объем внутренней памяти каждого из них ограничены и не зависят от длины цепи. Минимально возможное время решения составляет 2N-2 тактов (N-количество стрелков). Э.Гото, 1962. Конечный автомат с несколькими тысячами состояний. В.И.Левенштейн, 1965. 9 внутренних состояний.

Скважина. Кольцевой коллектор. Экономия электроэнергии. Решение Кольцо из N автоматов. Каждый из них может находиться в одном из двух состояний – 0 и 1. Плохо, когда: 1) не экономится электроэнергия; 2) когда все засыхает.

Диаграмма распространения сигналов В точках пересечения сигналов a1 и a3 автомат переходит в состояние S1 и сам начинает генерировать сигналы a1 и a3. Переход в синхронизирующее состояние S осуществляется тогда, когда и сам автомат и оба его соседа находится в состоянии S1.

Автомату с первым РР лучше сохранить свое текущее состояние. Автомату с первым РР необходимо знать не только соседей, но и соседей соседей. Автомату со вторым РР – аналогично. Чем выше РР, тем о большем количестве соседей необходимо иметь информацию.

15 Список некоторых работ В.Л. Стефанюка по коллективному поведению и

Список некоторых работ В.Л. Стефанюка по коллективному поведению и

играм автоматов

Коллективное поведение

15

Стефанюк В.Л. Пример задачи на коллективное поведение двух автоматов//Автоматика и телемеханика. - 1963. - Т.24. - N.6. - С.781-784 Стефанюк В.Л., Цетлин М.Л. О регулировке мощности в коллективе радиостанций //Проблемы передачи информации. - 1967. - Т.3. - N.4. - С.59-67. Стефанюк В.Л. Некоторые локальные критерии устойчивой регулировки мощности в коллективе радиостанций //Проблемы передачи информации. - 1968. - Т.4. - N.1. - С.90-91. Стефанюк В.Л., Бутрименко А.В. Игры автоматов как модель группового поведения// Тезисы статей 3-го Симпозиума по человеко-машинным проблемам: групповая активность в малых коллективах (проведен в Баку).- Научный совет по кибернетике. - Москва, 1968, С.21-23. Стефанюк В.Л. Коллективное поведение автоматов и задача устойчивого локального управления системой связи//Кандидатская диссертация, - M:ИПУ. - 1968.- 115 с. Стефанюк В.Л. Локальное управление мощностью в большой системе связи// 3-й Международный симпозиум "Новости в радиоэлектронике", Варна, 1970. - Ч.2. - С.1-7. Микийчук А.М.,Стефанюк В.Л. Об одном типе взаимодействия , гарантирующем глобальную устойчивость локального управления//2-е всесоюзное совещание по теории релейных устройств и конечных автоматов. Тезисы докладов - Рига. - 1971. - С.100-101. Стефанюк В.Л. Об описании игр ?-автоматов //Автоматика и телемеханика. - 1971. - N.4. - С.83-88. Стефанюк В.Л. О "взаимопомощи" в коллективе радиостанций// Проблемы передачи информации. - 1971. -Т.7. - N.3. - С.103-107. Stefanuk V.L. Collective Behaviour of Automata and the Problems of Stable Local Control of a Large Scale System//Second International Joint Conference on Artificial Intelligence (IJCAI), London, pp. 51-56, 1971. Котляр С.Б., Стефанюк В.Л. Об одной упрощенной модели взаимодействия в коллективе автоматов//Problems of Control and Information Theory. - 1972. - V.1(3-4). - С.297-305. Стефанюк В.Л. О взаимодействии при локальном управлении// Автоматика и телемеханика. - 1973. - N.6. - С.48-56. Стефанюк В.Л. Анализ целесообразности локально-организованных систем через потоки вероятности// Модели в системах обработки данных . - М.: Наука, 1989 . - С.33-45. Стефанюк В.Л. Равновесие в дробно-линейной системе взаимодействия при локальных данных//Модели в системах обработки данных . - М.: Наука, 1989 . - С.45-54. Стефанюк В.Л. Консультирующая экспертная система с локальной организацией// Всесоюзная конференция "Проблемы разработки и внедрения экспертных систем". - М.:ВНИИНС, 1989. - С.33-34. Стефанюк В.Л. Локальная организация целесообразного поведения технических систем.- М:МИЭМ. - Докторская диссертация. - 1990. - 423с. Стефанюк В.Л. От многоагентных систем к коллективному поведению. Труды международного рабочего совещания "Распределенный искусственный интеллект и многоагентные системы" (DAIMAS'97), 1997, С. Петербург, С. 327-338 Stefanuk V.L. From Multi-Agent Systems to Collective Behaviour. In Proc. of the Workshop "Distributed Artificial Intelligence and Multi-Agent Systems (DAIMAS'97), June 15-18, 1997, St.Petersburg, Russia, p. 223 (in English). Стефанюк В.Л. Коллективное поведение систем с переспросом. Научная сессия МИФИ-2006. Сборник научных трудов, Т3: Интеллектуальные системы и технологии, Министерство образования и науки Российской федерации, Москва: МИФИ, 2006, с. 44-45 Стефанюк В.Л. Локальная организация интеллектуальных систем. Модели и приложения. М.: Физматлит, 2004 , 328 c. Стефанюк В.Л. Коллективное поведение в противовес перемешиванию мнений. 3-я международная конференция "Системный анализ и информационные технологии", САИТ-2009: Труды конференции, С. 211-218, ИСА РАН, 2009 Vadim Stefanuk. Reaching Collective Opinion. International Journal of Computational Intelligence. Theory and Practice, Vol. 5, No. 1, June 2010. pp. 31-35.

16 Регулировка мощности

Регулировка мощности

Системы CDMA (Code Division Multiple Access). Сильная зависимость от уровня взаимных помех (т.к. общая полоса частот и ортогональные шумоподобные сигналы). Интервал между соседними измерениями – 1,25 мс. Биты управления мощностью передаются по каналу трафика со скоростью 800 бит/с. Открытый цикл: ПС ищет сигнал БС, замеряет его мощность и вычисляет мощность передаваемого сигнала. Цикличность – 20 мс. Замкнутый цикл. БС постоянно оценивает вероятность ошибки в каждом принимаемом сигнале. Если она превышает программно заданный порог, то БС дает команду соответствующей ПС увеличить мощность излучения. Шаг регулировки – 1 дБ, цикличность – 1,25 мс.

«Умная» пыль или интеллектуальные сенсорные сети. Наиболее актуальная проблема – сбалансированность энергоресурса. Минимизация энергозатрат, гарантированность времени функционирования системы в целом – самое слабое место сенсорных сетей. Базовых станций нет => здесь важна способность элементов сети «договориться» между собой.

Коллективное поведение

16

17 Коллективное поведение автоматов в коллективной робототехнике

Коллективное поведение автоматов в коллективной робототехнике

Что сделано с 1963 г.? Задача поведения двух роботов, которые могли обмениваться друг с другом накопленным опытом (2005 г. ) – проект АМУР, Лаборатория робототехники и искусственного интеллекта Политехнического музея. Опыт приобретался при функционировании роботов в различных средах, а механизмом, реализующим обучение на базе условно-рефлекторного поведения, были конечные стохастические автоматы.

Коллективное поведение

17

18 «Оптимизационный» подход

«Оптимизационный» подход

Построение формальных моделей коллективов и групп роботов, допускающих применение различного рода методов оптимизации управления.

Задача управления роботом: определить такую последовательность действий (вектор-функцию действий) A(t), которая обеспечивала бы экстремум функционала

Но: Слишком абстрактно. Нельзя называть роботом все, что движется и не движется. Робот не может быть примитивным.

Процедуры оптимизации коллективных действий в группе роботов, определяются условия устойчивости и сходимости, задачи распределения целей между участниками коллектива, улучшения плана и проч.

Коллективное поведение

18

Задача распределения целей

19 Многоагентные системы (МАС)

Многоагентные системы (МАС)

Агент - некая "разумная" сущность, способная к рациональному поведению. Если агент – это робот то, МАС = “Задача согласованного коллективного поведения роботов”. Наиболее близкими к теории МАС можно считать задачи организации командной работы. Следует различать командную работу роботов от иных видов скоординированного поведения типа альянсов и коалиций. Командная работа – это такое поведение, которое целиком подчинено достижению общей командной цели.

В МАС активно применяются такие теории, как теория общих намерений, теория общих планов, теория игр и т.п.

В команде ее участники (роботы, агенты) берут на себя обязательство стремиться к достижению командной, а цель системы декомпозируется (в пространстве и времени) на множество взаимосвязанных подцелей, достижение которых возлагается на различных агентов команды. Распределение подцелей между членами команды, а также координация их поведения должны выполняться средствами самой команды, без какого-либо внешнего вмешательства. Агент помимо прочего характеризуется такими свойствами, как: наличие общих и индивидуальных обязательств и намерений, способность к планированию, коммуникации, согласованию и т.д.

Коллективное поведение

19

20 Механизмы МАС

Механизмы МАС

Коллективное поведение

20

Теория игр. Многие ситуации, возникающие в МАС, имеют аналоги в теории игр. Речь идет прежде всего о кооперативных играх, о формировании различных стратегий переговоров, игры в размещения и др. Теория общих намерений (ТОН). Основные понятия: события – связаны с конкретным агентом или объектом внешнего мира; убеждения – утверждения, в истинности которых агент убежден в текущий момент времени; цели – некоторые состояния агента, которые он стремится достичь; взаимные убеждения – складываются из убеждений группы агентов. Для описания поведения команды агентов используются как индивидуальные, так и общие обязательства и соглашения. Для коллективной работы между общими и индивидуальными намерениями агента должна существовать тесная связь. Слабость ТОН: не конкретизируются алгоритмические средства планирования командной работы и не определяются средства для динамического пересмотра плана и обновления его оставшейся части. Теория предлагает только общие принципы организации командной работы, что позволяет лишь построить протокол взаимодействия членов команды – т.н. протокол общих намерений. Теория общих планов (ТОП). Построение конкретных планов, а не на формирование команды и общей дисциплины взаимодействия агентов. ТОП использует понятие общих и индивидуальных обязательств и соглашений. Ограничения ТОП отсутствие конкретизации способа построения общего плана; согласование индивидуальных действий и планов групп агентов выходит за рамки теории. Комбинированные модели. Попытки создания моделей командной работы агентов, которые объединяли бы достоинства теории общих планов и теории соглашений. Например: на верхнем уровне использовать понятия общих обязательств и общих намерений команды агентов, взятые из ТОН. При этом понятие общих намерений использовать для описания поведения команды агентов в терминах конкретных операторов, что характерно для ТОП.

21 Основные проблемы МАС

Основные проблемы МАС

Агент не в состоянии выполнить назначенное действие (исчерпан ресурс, действие не может быть выполнено в новых условиях изменившейся среды и др.), но переназначение действия другому агенту в ТОП не предусмотрено. Требуемое действие может оказаться невыполнимым для агентов, и тогда нужно выбирать новый план достижения цели (в ТОН это "цель недостижима"). Возникновение непредвиденной ситуации при исполнении действия (например, агент сообщил, что он начал исполнение действия, однако в ожидаемый момент не появилось свидетельств, что действие закончено). Коллективная обработка непредвиденных ситуаций и возможность изменения сценариев вообще не рассматривается в известных работах. Известные методы не рассчитаны на специфику командной работы агентов в условиях противодействия.

Коллективное поведение

21

22 Языки описания поведения МАС

Языки описания поведения МАС

Основные трудности создания коллективных систем, согласованно решающих общие задачи, носят прежде всего языковый характер. Существует целый ряд формальных языков для описания взаимосвязанных потоков действий (работ). Это сети Петри, цепи процессов, управляемых событиями (Event-Driven Process Chain), сети потоков работ (Workflow Net) и т.д. Общие недостатки: ни один из них не обладает выразительными возможностями, необходимыми для спецификации планов командного поведения агентов. Для этих языков характерно: отсутствие явного представления данных, которые используются и порождаются потоками действий; ограничения на возможности обмена сообщениями и ряд других; слабые возможности по описанию временных аспектов, в частности, временной синхронизации процессов и игнорирование продолжительности процессов во времени; отсутствие возможности выбора альтернативного сценария поведения в реальном времени, если такая необходимость возникла.

Коллективное поведение

22

23 Примеры систем

Примеры систем

Коллективное поведение

23

Городецкий В.И. Коллективное поведение автономных агентов (с приложением к командной работе автономных подводных роботов) // СПИИ РАН, 2010 http://space.iias.spb.su/share/Gorodetsky-teamwork.pdf . Командная работа подводных роботов при охране припортовой зоны подводного пространства. Подводное пространство припортовой зоны патрулируется несколькими автономными подводными роботами (АПР). Каждому из них назначена траектория патрулирования. АПР могут связываться между собой, а также с центром управления. Каждый АПР имеет средства обнаружения подводных объектов и средства их активного зондирования с целью идентификации типа (мина, пловец, безопасный объект и др.). Если АПР обнаруживает неизвестный объект, то он формирует команду (используя протокол общих намерений) для его совместного исследования. АПР принимают на себя обязательства и соглашения, а также договариваются о зонах и ракурсах съемки объекта. Затем в течение какого-то времени АПР команды автономно решают задачи, принимают локальные решения и пересылают их АПР-инициатору.

Сценарные БЗ. Специальный язык описания процессов. Каждое сложное действие представляется синтаксической структурой сценарной БЗ.

Пример синтаксической модели сценарной БЗ. Множество возможных вариантов для достижения цели X4 из начального состояния X1.

Фрагмент сценарной БЗ для командной работы АПР (сценарий "Идентификация объекта").

24 МАС

МАС

Резюме

Применительно к задаче коллективного управления роботами: Теория МАС – это прежде всего некая общая парадигма, технология решения задачи. В этом смысле теория МАС претендует на некоторую общность, комплексность. Основной упор делается на описание сценариев взаимодействия роботов как агентов. Подразумевается, что участниками коллектива являются интеллектуальные, сложные роботы.

Коллективное поведение

24

25 Имитационные модели

Имитационные модели

За основу берутся модели биологических объектов (бионическая парадигма). Считается, что получение адекватных моделей тех же насекомых позволит реализовать естественным образом и их стайное (роевое) поведение. Проблема состоит в том, что насекомые – очень непростой объект для исследований: Нервные клетки муравьев и пчел малы по размеру и трудны для изучения. Этих нервных клеток очень много (ЦНС виноградной улитки содержит около 10 тыс. нейронов; у муравьев общее количество нейронов – порядка 1 млн.) Проблемы изучения. В основном опыты проводятся на командных нейронах (нейронах оборонительного рефлекса и мотонейронах). Попытки раскрытия интегративных механизмов, лежащих в основе коллективного поведения, основаны прежде всего на длительных высокоточных наблюдениях. Таким же образом изучаются механизмы восприятия информации. Системный подход даже к клеточной нейробиологии осуществляется в основном "сверху-вниз": от поведения к мозгу, от целого мозга к отдельному нейрону. Отправной точкой в исследованиях клеточных механизмов является именно поведение.

Коллективное поведение

25

26 Муравьи

Муравьи

Коллективное поведение

26

«Тактико-технические характеристики» (ТТХ) Гнездо. Купол до полутора метров высотой. Состоит из множества секций, камер, служебных и спальных помещений. Численность населения – от нескольких десятков до нескольких сотен тысяч особей. Муравьиные тропы. Ведут к кормовым участкам. Тропы ухожены. Протяженность – десятки и сотни метров, ширина – до метра. Действуют иногда десятки лет. Совокупность троп составляет охраняемую территорию данного муравейника. Муравьи Formica свои дороги запахом не метят. Ориентация и память. Могут ориентироваться по солнцу. Фуражир, идущий в поисках пищи по однородной местности, сохраняет постоянный угол к солнцу. Охотники ориентируются, запоминая окружающий ландшафт. Способны запомнить относительное расположение каких-либо выдающихся предметов в ландшафте и выстраивают свой маршрут по этим ориентирам. ЦНС состоит из ряда ганглиев, связанных между собой. Наиболее важной частью является надглоточный ганглий ("мозг"), в котором образуются временные связи. Временные связи образуются у муравьев в грибовидных телах, являющихся аналогом коры головного мозга позвоночных. Размеры грибовидных тел муравьев связаны со способностью различных видов к образованию условных рефлексов. У рабочих Formica грибовидные тела составляют 1/2 объема мозга (у пчелы, например, грибовидные тела составляют всего 1/15 размеров мозга, несмотря на то, что мозг их относительно больше). Всего – 1 млн. нейронов (из них собственно в мозгу – надглоточном ганглии) – порядка 500 тыс.шт. Мозг — это примерно 6% от общего веса тела насекомого (у человека это соотношение всего 2%). Фотографическая память, которая помогает ориентироваться в пространстве.

130 млн. лет эволюции. Общая масса чуть больше, чем общая масса людей. 8000 видов.

Рыжий лесной муравья из рода Formica.

1 — глотка; 2 — пищевод; 3 — ядовитая железа: 4 — надглоточный ганглий; 5 — подглоточный ганглий; 6 — грудные нервные узлы; 7 — брюшная нервная цепочка.

27 ТТХ

ТТХ

Продолжение

Коллективное поведение

27

Сенсоры. Запах и органы вкуса. Особое стереохимическое чувство. Запах насекомые воспринимают вместе с пространством и направлением, для них это одно единое чувство (некоторые опыты опровергают эту способность определения направления следа). Зрение. Область точного зрения не превышает 1-2 см. Муравьи видят прежде всего не форму, а движение и цвет. Большие фасеточные глаза и 3 простых глазка (функция которых пока не очень ясна). Слух. Раздражением является не изменение давления, а скорость движения молекул, максимальная в центре волн. Звук для муравьев не играет существенной роли.

Деятельность муравьев Разведение тлей. Защита от вредителей, выгул и выпас. Собирательство. Семена. Сбор и хранение. Охота и агрокультура. Строительство ловушек и селекция. Выращивание грибов. Грибные плантации. Охрана своих плантации от вредителей и паразитов. Использование антибиотиков. Внутрисемейное взаимодействие. Основные каналы взаимодействия – это пищевой и сигнальный. Обмен пищей — кормление друг друга (т.н. трофаллаксис), взаимное облизывание.

Профессии и психологические склонности. По мере роста муравьиной общины число профессий рабочих муравьев возрастает, а специализация каждой особи сужается (полиэтизм). Основа для специализации – физиологическое состояние и психические наклонности. Муравьи способны менять профессии. Обучение и профессиональный рост. Обучение начинающих фуражиров более опытными. Фуражир: от работы на периферии и до работы на куполе, где муравей несет службу в качестве наблюдателя. Механизмы социального образования. Обмены. Колонны. Обособленные подгруппы муравьев. У каждой колонны есть своя кормовая дорога, члены каждой колонны живут в своей секции. Поликалия. Для рациональной организации семьи и при перенаселенности гнезда формируется поликалия – обитание одной семьи в нескольких взаимосвязанных гнездах. Колонии. В результате почкования возникает колония, состоящая из материнского и одного или нескольких дочерних муравейников. Специальные обменные дороги. Колониальные отношения. Дочерние колонии платят "дань". Федерации. Длительный процесс образования отводков (колоний) ведет к перенаселению. Тогда формируются федерации. Задача федерации – ограничение общей численности муравьев в системе. Результатом регуляции в федерации является сохранение основных структурных единиц. Федерация – высшее достижение социальной организации у муравьев. Устойчивость федерации значительно выше, чем обособленной колонии. Достигается обменами.

28 Механизмы реализации

Механизмы реализации

Коллективное поведение

28

1. Допущение об инстинктивных реакциях. 2. Распределенный мозг ("ленивые" муравьи, 20%). 3. Центральные моторные программы + Эмоции + БПН: Вместо моделирования ансамбля из 1 млн. нейронов - реализация ограниченного количества функциональных блоков (распознавание, ориентация, коммуникация, обучение, моторика и т.п.). Реализация идеи многоуровневого иерархического управления. (Н.А. Бернштейн - пирамидная двигательная система, 30-40-е гг. XX в. применительно к построению движений). Психологические особенности поведения муравья также могут быть промоделированы достаточно простыми средствами. Реализация БПН (объединение простых нейронов в БПН). Правда, в результате мы получим в лучшем случае более или мене адекватную модель особи, а вопросы реализации механизма социального поведения, образования сложных социальных форм и т.п. останутся все равно открытыми.

"Эмоциональная" СУ робота

Генератор локомоторного ритма у таракана

Потребностно–информационная теория эмоций П.В. Симонова (1964): Э = f(П, p(Ин, Ис))

Большой пирамидный нейрон (интеллектуальный нейрон), В.Б. Вальцев.

29 Роевые алгоритмы

Роевые алгоритмы

Задача РИ – изучение и описание коллективного поведения децентрализованной самоорганизующейся системы. Методы РИ рассматривается прежде всего как некие специфические механизмы поисковой оптимизации. Большинство алгоритмов РИ относятся к классу метаэвристик. Системы РИ состоят из множества агентов, локально взаимодействующих между собой и с окружающей средой. Сами агенты просты, но все вместе, локально взаимодействуя, создают т.н. называемый РИ (в природе – колония муравьев, рой пчел, стая птиц, рыб и т.д.). Перечень некоторых алгоритмов РИ: Муравьиный алгоритм (Ant colony optimization). Метод роя частиц (Particle swarm optimization). Пчелиный алгоритм (Bees algorithm). Оптимизация передвижением бактерий (Bacterial foraging optimization). Стохастический диффузионный поиск (Stochastic diffusion search). Алгоритм гравитационного поиска (Gravitational search algorithm). Алгоритм капель воды (Intelligent Water Drops algorithm). Светляковый алгоритм (Firefly algorithm). Значительная часть РА посвящена реализации моделей стайного поведения, и прежде всего – стайному движению.

Коллективное поведение

29

30 Модели движения

Модели движения

Макромодели. Для описания движения больших масс роевых организмов вполне подходящим оказывается математический аппарат гидродинамики. Речь идет о статистических макромоделях. Бродячие муравьи. Быстрая реакция на запахи следов их ближайших соседей. Подражательное поведение. Если плотность потока становится слишком высокой, это служит сигналом к формированию множества дополнительных дорог. Муравьи ведут себя так, чтобы обеспечить рою максимальную скорость передвижения. Движение саранчи. Когда плотность саранчи превышает некоторый пороговый уровень, насекомые внезапно начинают двигаться вместе, выравнивая движение по своему соседу. Движение сверчков. Мормонские сверчки собираются миллионными роями и вытягиваются в многокилометровые полосы. Механизм образования полос: когда сверчки не могут найти достаточно пищи, они становятся каннибалами. Каждые 17 сек. сверчки пробуют напасть на других индивидуумов своего рода. Поэтому сверчки и вытягиваются в длинные стаи: тот, кто впереди, убегает, чтобы не быть съеденным преследующими его собратьями.

Коллективное поведение

30

31 Движение

Движение

Формальные методы

Базовые правила (алгоритмы) движения: движение в направлении цели; движение в направлении центра масс своих соседей; поддержка минимально допустимого расстояния друг между другом и препятствиями; алгоритмы обхода препятствий и уклонения от столкновений; алгоритмы, учитывающие такие взаимоисключающие тенденции, как "отталкивание" и "притяжение" особей в стае и т.п.

Из работ Павловского В.Е.

Коллективное поведение

31

Сила отталкивания

Варианты моделей обхода препятствий.

Ситуация "зацепления"

Схема определения boid’ом своих соседей.

32 Подобного рода модели – это лишь реализация неких частных механизмов

Подобного рода модели – это лишь реализация неких частных механизмов

Эти модели не претендуют на объяснение природы стайного поведение, предпосылки его появления или некие глубокие обобщения. На практике эти модели вполне применимы для решения частных технических задач.

Роевые методы. Резюме

Коллективное поведение

32

33 Робот EPORO

Робот EPORO

Робот EPORO (Nissan, 2009). Коллектив роботов имитирует поведенческие модели стаи рыб, избегая препятствий и столкновений друг с другом и способных двигаться целенаправленно EPORO – это развитие концепции "заимствования" у природы. EPORO решает задачу движения без столкновений ("инстинктивная навигация": выявление и обход препятствий).

Как и рыбы, роботы EPORO имеют специальный сенсор – т.н. "боковую линию", роль которой играет лазерный дальномер. Основная цель этих исследований – создание безопасных автомобилей (сам робот EPORO – это модель: высота – 60 сантиметров, вес – 13 кг). "3 правила поведения рыб": изменять направление движения без столкновений с другими; "путешествовать" бок о бок с остальными, сохраняя определённую дистанцию и скорость; уметь безопасно сближаться.

Коллективное поведение

33

34 Пример роевого алгоритма

Пример роевого алгоритма

Муравьиный алгоритм. Идея алгоритма – моделирование поведения муравьёв, связанного с их способностью быстро находить кратчайший путь от муравейника к источнику пищи и адаптироваться к изменяющимся условиям, находя новый кратчайший путь. Предполагается, что при своём движении муравей метит путь феромоном, и эта информация используется другими муравьями для выбора пути.

Цикл, пока не выполнены условия выхода: Создание муравьёв (размещение на графе). Поиск решения (переход в следующую точку). Вероятность перехода из i в j зависит от уровня феромона в этой точке. Обновление уровня феромона ? в точке (i,j). Уровень феромона: ?ij(t+1) = (1-?) ?ij (t) + ? (Q/Lk), где ? – интенсивность испарения, Lk(t) – цена текущего решения для k-го муравья, Q – цена оптимального решения, т.е. Q/Lk – феромон, откладываемый k -м муравьём, использующим ребро (i,j). Дополнительные действия (локальный поиск).

Коллективное поведение

34

35 Проект MARS

Проект MARS

MARS (Multiple Autonomous Robots), США, Пенсильванский университет, 2000 Один из первых реальных проектов группового поведения роботов Основа – четырехколесная платформа Clodbuster Отработка методов ориентации групп мобильных автономных роботов с использованием правил ближайшего соседства. Суть метода: роботы определяют свои действия по действиям, выполняемым соседями (если в группе есть ведущий, то все остальные роботы повторяют его движения). В основу этих правил положена теория связанных систем. Ресурс проекта: http://www.cis.upenn.edu/mars/site/platforms.htm Примечание. «Теория связанных систем». Сб. «Успехи физических наук» за 1935 г. Часто название этой теории встречается совместно с т.н. «Теорией биосинхронизма».

Коллективное поведение

35

36 Замечания к роевым и стайным методам

Замечания к роевым и стайным методам

1. Стая и коллектив. Коллективное управление: объекты, входящие в группу, имеют возможность обмениваться друг с другом информацией. В т.ч. – знают о целях и задачах, имеют сведения о составе коллектива и т.д. Стайное управление: члены группы не имеют, вообще говоря, информационной связи с другими объектами, могут не знать состава и характеристик прочих членов группы. 2. Задача подражательного поведения. Реализация принципа «делай, как остальные» не всегда сводится к правилам «ближайшего соседства». Это – управление на сложном поведенческом уровне. Для реализации подражания неизбежно возникают следующие задачи: Распознавание «своих», т.е. объектов для подражания. Определение (распознавание) действий «своих», которым следует подражать. Выполнение такого же действия, т.е. реализация поведенческого акта. Таким образом: «Делай, как остальные» => «Веди себя так же». Пример. Муравьи. Подражательное поведение представляет собой крайне сложные комплексы действий – перенос пищи (в т.ч. – согласованные действия по транспортировке тяжелых грузов), строительство, уход, оборонительные действия и проч. Иными словами: подражательность означает запуск больших, сложных поведенческих (не только моторных) программ.

Коллективное поведение

36

37 Стайное поведение и автоматы

Стайное поведение и автоматы

Типичный пример стайного поведения группы роботов: «Предположим, что каждый робот может выполнять одну из двух работ и при этом может менять одну на другую. Первоначально роботы выбирают себе работу произвольно. Периодически, обмениваясь информацией с ближайшими соседями, роботы принимают решение о продолжении выполнения выбранной ими работы или о ее изменении. Если большинство ближайших соседей выполняют ту же работу, что и данный робот, то робот продолжает ее выполнять, иначе – меняет работу». См. задачу о поливе участков. Она гораздо более глубока и интересна. В ней согласованность действий агентов – автоматов – достигается на основе наличия в коллективе игроков, обладающих ненулевым рангом рефлексии (способности рассуждать за другого).

Коллективное поведение

37

38 Эволюционные методы

Эволюционные методы

Коллективное поведение

38

1. Ни о какой эволюции роботов как технических устройств речи здесь не идет. В лучшем случае – попытки реализации эволюционным путем механизмов внутристайного (внутрироевого) взаимодействия. 2. Успехи весьма скромны (даже в сугубо модельной эволюции). Отсутствие адекватных моделей (как методами ГА, так и методами классического ЭМ) эволюции, приводящей к появлению коллективов можно объяснить тем, что для появления стайных образований нужны более сложные модели особей. 3. Неясны многие теоретические вопросы, такие как: каковы должны быть условия, при которых эволюционный процесс идет не путем усложнения структуры особи, а путем синтезогенеза (объединения разрозненных элементов в систему); каким образом формируется функция качества для роевого организма, какие составные его части подлежат оценке ("поощрению" и "наказанию"); каковы механизмы взаимодействия между особями и проч. Подавляющее большинство исследований в области эволюции коллективов роботов сводятся к тому, что: реализуется искусственная, модельная среда эволюции, в которой стандартными методами (ГА, ЭМ и проч.) формируется структура особи; результаты эволюционного процесса (структуры особей) загружаются в СУ реальных роботов. Например, "эволюция" поведения коллектива роботов в проекте Политехнической школы Лозанны. Искусственная эволюция проходила в симулирующей среде Enki, где моделировались и роботы, и их сенсоры. Затем – эволюционный фреймворк роботов Teem. Структура лучших СУ затем переносилась на реальных роботов. Эволюционированию подлежал 264-битный геном системы управления, который определял реакцию робота на информацию от сенсоров. Т.о., сейчас результатом эволюции является отдельная особь, а коллектив, по сути, – это просто множество отдельных роботов (если речь идет о ГА, то это набор отдельных хромосом, а если методы ЭМ, то автоматный газ в чистом виде). Вывод: Имеются лишь спекуляции на эволюционные темы.

39 Элементная база

Элементная база

Универсальные колесные платформы

мобильный робот МЭИ робот POLOLU s-бот

Подобного рода устройства обычно достаточно дороги и сложны. Например, s-бот: процессор Xscale с частотой 400 MHz, 64 MB ОЗУ и 32 MB флеш-памяти; 12 PIC микроконтроллеров для низкоуровневой обработки; средства коммуникации.

Коллективное поведение

39

40 Элементная база

Элементная база

Специализированные мини-роботы

SwarmRobot (www.swarmrobot.org). Открытый проект. Габариты роботов – 3 см. Микроробот MEMS, летающий на магнитных полях. Университет Ватерлоо, Канада, 2009 г. Для полета использует магнитное поле Земли. Вес – 0,83 г. Оснащен электромагнитами, создающими вокруг него трехмерное параболическое магнитное поле. Имеет специальные клещи, которые открываются во время нагревания их лазерным лучом и закрываются по мере остывания. Они позволяют переносить микрообъекты из одной точки пространства в другую. Роботы Kilobot (Группа исследования самоорганизующихся систем Гарвардского университета). Отличительная особенность – дешевизна ($14). Вместо колес – 2 вибромотора. Скорость перемещения – 1 см/сек, а полный оборот вокруг своей оси – 8 сек.

Коллективное поведение

40

41 MARV

MARV

MARV (Miniature Autonomous Robotic Vehicle), Национальная лаборатория США Сандиа, середина 1990-х гг. Один из первых проектов по созданию миниатюрных роботов. Объем - около 1 кубического дюйма (в 2000 г. – ? д3) процессор с 8 Кбайт памяти, датчик температуры, микрофон, видеокамера, химический сенсор. В дальнейшем MARV был оборудован системой беспроводной связи. Группа микророботов могла объединяться для совместного решения задач под управлением центрального компьютера. Ресурс проекта: http://robotics.sandia.gov/Marv.html

Коллективное поведение

41

42 Элементная база

Элементная база

Обзор по архитектуре микро-роботов: Churaman Wayne A. "Novel Integrated System Architecture for an Autonomous Jumping Micro-Robot", M.S., University of Maryland, 2010. URL: http://drum.lib.umd.edu/bitstream/1903/10865/1/Churaman_umd_0117N_11519.pdf Для реализации сложных движений (в т.ч. – прыжков), исследователи глубоко изучают движения насекомых.

Коллективное поведение

42

43 Библиография из Churaman, 2010

Библиография из Churaman, 2010

Коллективное поведение

43

[1] Siegel, M.;, "Smart sensors and small robots," Instrumentation and Measurement Technology Conference, 2001. IMTC 2001. Proceedings of the 18th IEEE , vol.1, no., pp.303-308 vol.1, 21-23 May 2001 doi: 10.1109/IMTC.2001.928830 URL: http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=928830&isnumber=20066 [2] Donald, B.R.; Levey, C.G.; McGray, C.D.; Paprotny, I.; Rus, D.;, "An untethered, electrostatic, globally controllable MEMS micro-robot," Microelectromechanical Systems, Journal of , vol.15, no.1, pp. 1- 15, Feb. 2006 doi: 10.1109/JMEMS.2005.863697 URL: http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=1588903&isnumber=33485 [3] Casanova, R.; Dieguez, A.; Arbat, A.; Alonso, O.; Sanuy, A.; Canals, J.; Colomer, J.; Samitier, J.;, "Integration of the control electronics for a mm3-sized autonomous microrobot into a single chip," Robotics and Automation, 2009. ICRA '09. IEEE International Conference on , vol., no., pp.3007-3012, 12-17 May 2009 doi: 10.1109/ROBOT.2009.5152611 URL: http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=5152611&isnumber=5152175 [4] Fiorini, P.; Hayati, S.; Heverly, M.; Gensler, J.;, "A hopping robot for planetary exploration," Aerospace Conference, 1999. Proceedings. 1999 IEEE , vol.2, no., pp.153-158 vol.2, 1999 doi: 10.1109/AERO.1999.793156 URL: http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=793156&isnumber=17211 [5] Tsukagoshi, H.; Sasaki, M.; Kitagawa, A.; Tanaka, T.;, "Design of a Higher Jumping Rescue Robot with the Optimized Pneumatic Drive," Robotics and Automation, 2005. ICRA 2005. Proceedings of the 2005 IEEE International Conference on , vol., no., pp. 1276- 1283, 18-22 April 2005 URL: http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=1570291&isnumber=33250 [6] Wikipedia contributors, “Robot Locomotion,” Wikipedia, The Free Encyclopedia. Wikipedia, The Free Encyclopedia, 23 Mar 2010. Web. 16 Apr 2010 URL: http://en.wikipedia.org/wiki/Robot_locomotion [7] Ebefors, T.; Mattsson, T.; Kalvesten, E.; Stemme, G.;, “A Walking Silicon Micro-Robot,” The 10th Int. Conference on Solid-State Sensors and Actuators (Transducers’99), Sendai, Japan, pp. 1202-1205, 7-10 June 1999 78 [8] Lambrecht, B.G.A.; Horchler, A.D.; Quinn, R.D.;, "A Small, Insect-Inspired Robot that Runs and Jumps," Robotics and Automation, 2005. ICRA 2005. Proceedings of the 2005 IEEE International Conference on , vol., no., pp. 1240- 1245, 18-22 April 2005 URL: http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=1570285&isnumber=33250 [9] Stoeter, S.A.; Rybski, P.E.; Gini, M.; Papanikolopoulos, N.;, "Autonomous stair-hopping with Scout robots," Intelligent Robots and Systems, 2002. IEEE/RSJ International Conference on, vol.1, no., pp. 721- 726 vol.1, 2002 doi: 10.1109/IRDS.2002.1041476 URL:http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=1041476&isnumber=22324 [10] Armour, R.; Paskins, K; Bowyer, A.; Vincent, J; Megill, W;, “Jumping robots: a biomimetic solution to locomotion across rough terrain,” Bioinspiration and Biomimetics, IOP Publishing, vol.2, no., pp.S65-S82, 2007 Doi: 10.1088/1748-3182/2/3/S01 URL: stacks.iop.org/BB/2/S65 [11] Center for Distributed Robotics, University of Minnesota, “Scout Robot,” [Online]. Available: http://distrob.cs.umn.edu/robots/scout/Scout_2k_View_1.jpg. [Accessed: May 22, 2010] [12] Wikipedia contributors, “Fantastic Voyage.” Wikipedia, The Free Encyclopedia. Wikipedia, The Free Encyclopedia, 10 Aug. 2008. Web. 16 Apr. 2010 URL: http://en.wikipedia.org/wiki/Fantastic_voyage [13] Hoover, A.M.; Steltz, E.; Fearing, R.S.; , "RoACH: An autonomous 2.4g crawling hexapod robot," Intelligent Robots and Systems, 2008. IROS 2008. IEEE/RSJ International Conference on, vol., no., pp.26-33, 22-26 Sept. 2008 doi: 10.1109/IROS.2008.4651149 URL: http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=4651149&isnumber=4650570 [14] Kovac, M.; Fuchs, M.; Guignard, A.; Zufferey, J.-C.; Floreano, D.; , "A miniature 7g jumping robot," Robotics and Automation, 2008. ICRA 2008. IEEE International Conference on , vol., no., pp.373-378, 19-23 May 2008 doi: 10.1109/ROBOT.2008.4543236URL: http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=4543236&isnumber=4543169

44 Заключение 1/3

Заключение 1/3

1. В целом это направление выглядит как множество разрозненных фрагментов, зачастую не связанных друг с другом. Остается очень много нерешенных вопросов как технического, так и теоретического характера: Отсутствие единого подхода к проблеме коллективного поведения роботов. Всякий раз решаются лишь отдельные, частные задачи. Отсутствует общая методология решения задач, возникающих при групповом управлении роботами, особенно в динамической среде, в условиях неполноты и противоречивости информации, меняющихся целей и задач. Пожалуй, единственной попыткой построения общих методов построения коллективов роботов является теория МАС, однако теория МАС опирается прежде всего на сценарные описания со всеми вытекающими из этого проблемами и слабостями. Применимость языковых (сценарных) подходов. Фактически, задание сценариев действий роботов в коллективе – это своего рода искусственная алгоритмизация деятельности роботов-агентов. Сейчас на практике лучше всего реализуются жесткие алгоритмы взаимодействий. Применимость же методов адаптации и самообучения, динамического изменения целеполагания, критериев оценок и проч. – все это весьма проблематично в условиях отсутствия общей конструктивной теории коллективного поведения. Элементная база. С одной стороны, имеются технологии производства дешевых миниатюрных роботов (фундамент для групповой робототехники, которой важно наличие большого количества роботов). Однако смогут ли здесь возникнуть системные эффекты – неясно, т.к. объекты биологической природы очень сложны (не исключено, что эти системные эффекты возникают у насекомых уже на уровне их собственного устройства).

Коллективное поведение

44

45 Заключение 2/3

Заключение 2/3

2. Возможно, что приемлемыми окажутся имеющиеся технологии создания сложных роботов (интеллектуальных), основанных на реализации центральных моторных программ, механизмов их психической организации и проч. Коллектив вряд ли окажется большим, но для той же теории МАС количество членов коллектива несущественно. 3. Видимо, наиболее привлекательным направлением создания систем коллективного поведения все же является "естественный", эволюционный путь развития. Однако пока не определены условия, при которых эволюционный процесс идет путем создания коллективов, пока не ясно даже то, каким образом формируется функция качества для роевого организма (критерий вида "выжила популяция – хорошо, вымерла – плохо" не в счет). Неясно, как создать условия для появления новых свойств и образования сверхорганизма. 4. Выводы: Сейчас речь идет в лучшем случае именно об описании, создании коллективных систем для решения конкретных очень частных задач, а не их – систем – образовании. Сейчас мы имеем лишь множество натурных и полунатурных моделей, решающих с разной степенью успеха некоторые частные задачи. Задачи эти решаются очень фрагментарно. Особенно это касается роевых алгоритмов, когда из общего поведенческого контекста берутся отдельные внешние проявления и механизмы.

Коллективное поведение

45

46 Заключение 3/3

Заключение 3/3

Субъективное впечатление (судя по отечественным работам). В области коллективного поведения роботов имеется дисбаланс: упор делается либо на аппаратную часть, либо на сугубо модельную. Отчасти это напоминает ситуацию в интеллектуальной робототехнике: Специалисты по ИИ: предлагаемые методы будут столь же успешно работать на реальном «железе», как и в модели. «Классические» робототехники: если к аппаратуре добавить какую-нибудь интеллектуальную систему управления, то получится интеллектуальный робот.

Переход от централизованного к распределенному управлению в коллективах роботов определяется уровнем «интеллектуальности» робота. Складывается впечатление, что появление социальной организации является дальнейшим развитием эволюции уже сформировавшихся, сложных по структуре и поведению особей. (Не исключено, конечно, что и развитие социальной организации определяет развитие индивидуального организма).

Коллективное поведение

46

47 Источники

Источники

Коллективное поведение

47

[Аладьев, 2009] Аладьев В.З. Классические однородные структуры. Клеточные автоматы. – Изд. Фултус, 2009, 535 с. [Александров и др., 2011] Александров В.А., Кобрин А И. Архитектура мобильного робота — элемента программно-аппаратного комплекса для исследования алгоритмов группового управления // "Журнал радиоэлектроники" N 5, 2011 [Бернштейн, 1997] Бернштейн Н.А. Биомеханика и физиология движений. Избранные психологические труды. Под ред. В.П. Зинченко. Москва–Воронеж: 1997. 608с. [Варшавский и др., 1984] Варшавский В.И., Поспелов Д.А. Оркестр играет без дирижера: размышления об эволюции технических систем и управления ими. –М.:Наука, 1984, –208с. [Гаазе-Раппопорт и др, 1987] Гаазе-Раппопорт М.Г., Поспелов Д.А. От амебы до робота: модели поведения. –.:Наука, 1987, – 288 с. [Городецкий, 2010] Городецкий В.И. Коллективное поведение автономных агентов (с приложением к командной работе автономных подводных роботов) // СПИИ РАН, 2010 URL: http://space.iias.spb.su/share/Gorodetsky-teamwork.pdf [Городецкий и др., 2011] Городецкий В.И., Серебряков С.В., Троцкий Д.В. Средства спецификации и инструментальной поддержки командного поведения автономных агентов // Изв ЮФУ. Технические науки № 3 (116). 2011 г. c 23-41 [Длусский, 1967] Длусский Г.М. Муравьи рода Формика –М.: Наука, 1967 [Добрынин и др., 2006] Добрынин Д.А., Карпов В.Э. Моделирование некоторых форм адаптивного поведения интеллектуальных роботов // Информационные технологии и вычислительные системы №2, 2006 с.45-56 [Добрынин и др., 2007] Добрынин Д.А., Карпов В.Э. Управление мобильным роботом на основе механизма центральных моторных программ // Вторая Международная конференция "Системный анализ и информационные технологии" САИТ-2007 (10-14 сентября 2007 г., Обнинск, Россия): Труды конференции. В 2 т. Т.1 -М.:Издательство ЛКИ, 2007. - 288 с., с. 24-28. [Захаров, 1978] Захаров А.А. Муравей, семья, колония. –М.: Наука, 1978 [Инстинкт толпы, 2007] Инстинкт толпы: от муравьев до людей, 2007 // Электронный ресурс: URL: http://www.ethology.ru/news/?id=393 [Каляев и др., 2009] Каляев И.А., Гайдук А.Р., Капустян С.Г. Модели и алгоритмы коллективного поведения в группах роботов. –М.: Физматлит, 2009. -280 с. [Карпенко и др., 2003] Карпенко Л.Д., Филиппович Д., Иветич В., Маклецова М.Г. Пластичность нейронных сетей в ЦНС виноградной улитки // Материалы Международных чтений, посвященных 100-летию со дня рождения члена-корреспондента АН СССР, акад. АН АрмССР Э.А.Асратяна, 30 мая 2003. [Карпов и др., 2005] Карпов В.Э., Добрынин Д.А. Моделирование некоторых простейших форм поведения: от условных рефлексов к индуктивной классификации // Труды I международной конференции «Системный анализ и информационные технологии» САИТ-2005 (12-16 сентября 2005 г., Переславль-Залесский, Россия), М.: КомКнига, Т.1, стр. 188-193. [Карпов, 2007] Карпов В.Э. Импринтинг и центральные моторные программы в робототехнике //IV-я Международная научно-практическая конференция "Интегрированные модели и мягкие вычисления в искусственном интеллекте" (28-30 мая 2007 г.) Сб. научн. трудов, М.: Физматлит, 2007, 1, с.322-332. [Карпов, 2010] Карпов В.Э. Эмоции роботов //XII национальная конференция по искусственному интеллекту с международным участием КИИ-2010 (20-24 сентября 2010 г., Тверь): Труды конференции, М.: Физматлит, 2010, 3, с.354-368. [Карпов, 2011] Карпов В.Э. Коллективное поведение роботов. Желаемое и действительное //Современная мехатроника. Сб. научн. трудов Всероссийской научной школы (г.Орехово-Зуево, 22-23 сентября 2011) - Орехово-Зуево, 2011. – 132 с. сс.35-51. [Луговской, 2007] Луговской В. "Распределенный мозг" муравьиной семьи // Наука и жизнь, №3, 2007 [МакКоннелл, 2004] МакКоннелл Дж. Основы современных алгоритмов. - М.: Техносфера, 2004. - 368 с. [Павловский и др., 2002] Павловский В.Е., Кирикова Е.П. Моделирование управляемого адаптивного поведения гомогенной группы роботов // Искусственный интеллект. 2002, № 4, с. 596-605. [Романов, 2007] Романов Ю. Чем воевать?..// "Компьютерра" №20 от 31 мая 2007. URL: http://offline.computerra.ru/offline/2007/688/320668/ [Стефанюк и др., 1967] Стефанюк В.Л., Цетлин М.Л. О регулировке мощности в коллективе радиостанций //Проблемы передачи информации. - 1967. - Т.3. - N.4. - С.59-67. [Стефанюк, 2004] Стефанюк В.Л. Локальная организация интеллектуальных систем. -М.: Физматлит, 2004. – 328с. [Цетлин, 1969] Цетлин М.Л. Исследования по теории автоматов и моделированию биологических систем. М.:Наука,1969. 316с. [Штовба, 2003] Штовба С.Д. Муравьиные алгоритмы // Exponenta Pro. Математика в приложениях, 2003, №4с.70-75 [Churaman, 2010] Churaman Wayne A. "Novel Integrated System Architecture for an Autonomous Jumping Micro-Robot", M.S., University of Maryland, 2010 URL: http://drum.lib.umd.edu/bitstream/1903/10865/1/Churaman_umd_0117N_11519.pdf [Cohen a.o., 1991] P. Cohen and H.J. Levesque. Teamwork. Nous, 35, 1991. [Nissan, 2009] Nissan EPORO Robot Car "Goes to School" on Collision-free Driving by Mimicking Fish Behavior - Advanced Robotic Concept Debuts at CEATEC JAPAN 2009 – URL: http://www.nissan-global.com/EN/NEWS/2009/_STORY/091001-01-e.html [Rybski a.o., 2001] Rybski, P.E.; Burt, I.; Dahlin, T.; Gini, M.; Hougen, D.F.; Krantz, D.G.; Nageotte, F.; Papanikolopoulos, N.; Stoeter, S.A.; "System architecture for versatile autonomous and teleoperated control of multiple miniature robots" Dept. of Comput. Sci. & Eng., Minnesota Univ., Minneapolis, MN, USA , 2001, 2917 - 2922 vol.3 ISSN: 1050-4729 Print ISBN: 0-7803-6576-3 [Tambe, 1997] M. Tambe. Towards Flexible Teamwork. Journal of Artificial Intelligence Research, 7, 1997, 83-124.

«Коллективное поведение роботов»
http://900igr.net/prezentacija/pedagogika/kollektivnoe-povedenie-robotov-163848.html
cсылка на страницу
Урок

Педагогика

135 тем
Слайды
900igr.net > Презентации по педагогике > Правила поведения > Коллективное поведение роботов