Control autonom al robotului. Robot de constructii autonom. Echipamente pentru navigație autonomă

Care este folosit pentru a-l controla. Robotul autonom are două programe de control diferite. Primul program permite robotului să conducă în timp ce evită obstacolele din calea sa, robotul folosește doi senzori cu ultrasunete pentru a le identifica. Al doilea program realizează un plan al obiectelor din jur folosind o matrice bidimensională. După ce a primit date dintr-o matrice de date bidimensională, robotul va ști unde și ce este în jurul lui.

Materiale:
- Senzori cu ultrasunete 2 buc (4 buc pentru upgrade-uri viitoare)
- Servo drive 4 buc.
- Arduino (autorul folosește modelul Uno)
- Placa de dezvoltare
- Fire
- Baterii 9.6V 2 buc.
- baterie 9V
- Roti 4 buc.
- Bandă electrică
- Piulițe, șuruburi etc.

Pasul unu. Piesa mecanica.
În primul rând, robotul are nevoie de un șasiu puternic. Articolul conține fotografii ale robotului, dar ce șasiu să folosești și cum să-l faci nu contează. Autorul a realizat trei versiuni diferite ale robotului. Articolul discută doar două opțiuni, deoarece a treia nu a avut un succes deosebit. Prima versiune a robotului avea o formă care amintește de un camion. El avea dimensiune mare, dar a avut o viteză destul de mică și a virat prost. În plus, un robot mare nu este foarte convenabil de utilizat. A doua opțiune a fost făcută mai atent, s-a dovedit a fi mult mai mică și mai compactă.
În primul rând, servo-urile sunt plasate pe șasiu, astfel încât roțile să poată fi montate pe arborii lor. Autorul folosește patru roți. Dacă luați servo-uri puternice, atunci puteți folosi în general două roți. Dar șasiul trebuie aranjat astfel încât să existe suficient spațiu pentru baterii, placa de circuit imprimatși Arduino.

După ce au instalat servo-urile, le-au pus roți. Autorul l-a instalat pe arborele de după roată protectie suplimentara de la deraierea roții. Pe partea din față a robotului există în plus două roți care pot ajuta robotul să meargă pe borduri sau alte obstacole mici dacă se lovește de ele. Pentru a reduce frecarea, pe roțile din spate a fost adăugată bandă electrică.

Apoi, compartimentul bateriei este instalat. Autorul a luat un încărcător Vex și l-a modificat pentru a alimenta motoare, mai degrabă decât pentru a încărca bateriile. Acum luăm o placă, firele „plus” și GND sunt dezlipite de pe ea, care vor intra în conectorul pentru încărcarea bateriilor. Apoi firele negre de la cele două baterii sunt lipite la firul de încărcare GND, iar firele roșii de la baterii la firul pozitiv încărcător. Aceste fire sunt apoi conectate la placă. După aceasta, autorul realizează monturi pentru instalarea senzorilor cu ultrasunete pe partea din față a robotului. Dacă trebuie să adăugați senzori suplimentari, va trebui să prelungiți suportul.

Pasul doi. Partea electronica.
Nu sunt necesare cunoștințe suplimentare de electronică pentru acest pas. Bateriile de 9,6 V sunt conectate în paralel, dar dacă se folosește compartimentul bateriei de la încărcător, atunci nu trebuie făcut nimic, deoarece a fost deja făcut. În continuare, conform diagramei de mai jos, toate componentele sunt conectate. Trebuie remarcat faptul că, în funcție de lungimea șasiului, este necesar să selectați firele sau să le extindeți, deoarece este posibil să nu ajungă la bord. Un fir de semnal este folosit pentru primul și al doilea servo, iar altul pentru al treilea și al patrulea. Acest lucru se face pentru funcționarea sincronă a primului și celui de-al doilea servo, deoarece acestea sunt situate pe aceeași parte, același lucru este valabil și pentru al treilea și al patrulea servo.

Pentru a adăuga senzori sau servo-uri suplimentare, totul se face conform aceluiași principiu - firul de semnal este conectat la Arduino, GND la firul negru și alimentarea de 5V la firul roșu. Trebuie reținut că GND-ul de la motoare trebuie conectat la GND-ul bateriei și Arduino.

Pasul trei. Partea software.
Autorul a folosit Procesare pentru a scrie codul. Pentru navigare, se folosește o matrice bidimensională (arraything), valorile 0 sau 1 sunt introduse în ea Dacă introduceți 1, aceasta va indica un obiect, ceea ce înseamnă că robotul va conduce doar 0. Codul poate fi descărcat mai jos.

Roboții moderni, ca acum multe decenii, au o listă limitată de algoritmi de acțiune și sunt inutili în condiții dificile fără comunicare cu operatorul - cu radiații puternice, sub pământ, la adâncimea mării sau în spațiu. Trist exemplu al dezastrului recent de la Fukushima a arătat că nu telecomanda nu va înlocui un adevărat robot autonom.

Majoritatea roboților sunt programați instinctiv sau controlați de la distanță. Un robot autonom fără inteligență artificială autonomă este imposibil.

Principala problemă a roboticii moderne, la fel ca acum multe decenii, este legată de dezvoltarea inteligenței artificiale decente. În unele cazuri, putem vorbi despre succes și chiar despre progres evident. De exemplu, experimentele Google pentru a crea mașini autonome fără șofer sau programul AlphaGo al aceluiași Google, care l-a învins pe campionul mondial în jocul Go. Sau inteligența supercomputerului IBM Watson, capabilă să înțeleagă întrebări și să găsească răspunsuri în baza de cunoștințe.

fotografii

Până acum, cele mai multe dezvoltări ale inteligenței artificiale nu sunt potrivite pentru roboții autonomi. Multe dintre ele sunt limitate la domeniul de aplicare ales, unele necesită putere de calcul neautonomă. În unele cazuri - ca și cu robotul Tay Microsoft, inteligența artificială o ia complet razna după o scurtă interacțiune cu oamenii.

Astăzi, un robot autonom trebuie să înțeleagă vorbirea și gesturile naturale, să gândească logic, să învețe și să ia decizii independente. Un robot autonom ideal, echipat cu senzorii, instrumentele și baza de cunoștințe necesare, ar trebui să asculte o sarcină fără întrebări inutile du-te acasă să-l completezi.

„Razumator” rusesc: creier universal pentru un robot autonom

Dezvoltatorii ruși au fost întotdeauna renumiți pentru viziunea lor largă asupra problemei în cauză. Inteligența artificială „Razumator”, creată de compania națională „Mivar”, a fost dezvoltată inițial ca bază pentru orice tipuri de roboți autonomi.

Nucleul logic al software-ului „Razumator”, vorbind în limbaj robotic, este un planificator logic care oferă roboților capacitatea de a construi independent algoritmi și de a rezolva probleme fără participarea umană. Diferența dintre „inteligența” unui robot aspirator și inteligența artificială a unui robot autonom este bine explicată de slide-ul de mai jos, care arată diferența dintre nivelul reflexiv și cel logic.

Diagrama de cercetare 3D a inteligenței artificiale

Lucrarea inteligenței artificiale „Razumator” este descrisă de „principiul mivar”, ceea ce înseamnă prelucrarea bazelor de date multidimensionale cu un model context-global, în care datele, inferența lor logică și procesarea lor sunt integrate într-un singur întreg și toate procesele. apar în timp real. Acronimul „MIVAR” (Multidimensional Informational Variable Adaptive Reality, în limba engleză, Multidimensional Informational Variable Adaptive Reality), în consonanță cu numele companiei, cu dezvoltarea de succes a tehnologiei, are toate șansele de a intra în limbi străine cu aceleași drepturi. acel „sputnik” odată intrat.

Tehnologia de analiză a datelor multidimensionale permite luarea deciziilor autonome în timp real

Caracteristica principală a tehnologiei mivar este viteza extrem de mare de funcționare - până la 5 milioane de reguli pe secundă. Astfel, pentru a analiza cantități uriașe de date și a lua decizii operaționale autonome, este suficientă o putere de calcul redusă. Pentru un moment: laptop obișnuit poate procesa un grafic cu 20 de dimensiuni cu 150 de mii de vârfuri pe 600 de mii de muchii în timp real! Indicatorii sunt atât de mari încât, potrivit lui Oleg Varlamov, nimeni din lume nu este pregătit să concureze cu ei.

„Razumator”, prezentat și sub formă de software în cutie, poate fi instalat chiar și pe un laptop obișnuit.

„Reasonator” este nucleul proiectului complex „Roboreason”, care poate fi adaptat oricărui tip de robot autonom. Să presupunem că un reprezentant al unei companii de explorare geologică vine mâine și comandă un rechin autonom de adâncime pentru condițiile arctice - aspect Robotul se va schimba radical, dar creierul „Razumator” va rămâne același, poate cu o adaptare suplimentară la baza de cunoștințe corespunzătoare.

Platformă robotică Murom-ISP: un semifabricat universal pentru producția de roboți autonomi

Un sistem robotic complet autonom pentru orice scop include cinci elemente de bază. Lista include mecanisme, senzori, un modul de calcul, elemente de putere autonomă și inteligența artificială în sine.

Oleg Varlamov

Președinte al companiei Mivar

Platforma robotică Murom-ISP, creată de companiile Mivar și Intelligent Technologies, este un set de construcție universal: primele patru elemente de bază din lista de mai sus sunt completate în funcție de nevoi, imaginație și mijloace. Al cincilea element, ca în filmul cu același nume, nu poate fi înlocuit: acesta este nucleul intelectual „Razumator”.

„Murom-ISP” a fost creat ca un teren de testare pentru „Razumator”. Un robot antropomorf pliabil cu un cap senzor și un șasiu cu o singură axă cu autoechilibrare, cu o înălțime de 165 cm când este desfășurat și 80 cm când este pliat, ne va permite să elaborăm componentele unui robot autonom și interacțiunea acestuia ca parte a unui proces mai complex. complexe.

Caracteristicile tehnice ale primului prototip Murom-ISP: Ministerul Situațiilor de Urgență va fi mulțumit

Apropo, despre aspiratoarele robotizate reflexive. În complexele autonome precum „Murom”, astfel de „roboți de calitate scăzută” sunt destinați rolului de mecanisme auxiliare controlate de la distanță care servesc pentru sondare, curățare și chiar reparații pe teren. Un astfel de asistent poate fi trimis, ocazional, la recunoaștere, dar chiar și pierderea unuia sau mai multor roboți auxiliari nu va afecta în niciun fel performanța complexului.

Dotat cu mecanisme și senzori și care controlează o întreagă generație de roboți auxiliari, Murom poate face parte dintr-un complex mai puternic. Imaginați-vă un sistem autonom puternic pe o platformă Kamaz, care transportă în depărtare o duzină de Murom-uri cu scop special cu o sută sau doi asistenți robotici auxiliari. Aici există un spațiu nelimitat pentru imaginația clienților civili și ai apărării!

În exterior, „Mur” nu strălucește cu o atractivitate deosebită, dar designul sistemului este complet echilibrat în ceea ce privește autonomie, performanță și putere de calcul. Acum Murom operează la cinci procesoare Intel Core i5. Potrivit lui Vladimir Denisenko, directorul Tehnologiilor inteligente, au fost efectuate experimente cu diverse platforme, inclusiv acceleratoare pe plăci grafice.

Cinci până acum Intel Core i5 s-a dovedit a fi optim din punct de vedere al performanței, autonomiei și prețului, dar nu există nicio conexiune la nicio platformă hardware și software anume. Când este nevoie de o platformă pe procesoarele Elbrus interne, o astfel de versiune va apărea imediat.

Murom-ISP: transportatorul bazat pe KAMAZ implementează o duzină de roboți autonomi cu sute de roboți asistenți

Versiune complet funcțională a „Murom” cu control vocal, sinteza vorbirii, manipulatoare și alte funcții, dezvoltatorii vor prezenta în septembrie 2016. Astăzi, „Razumator” poate fi folosit de toată lumea, atât ca produs independent, cât și ca componentă logică integrată a altor sisteme de control – până la nivelul API.

Potrivit lui Oleg Varlamov, compania Mivar este deschisă cooperării cu companiile rusești, instituții, startup-uri și chiar pasionați singuri, cărora le poate fi furnizat cel mult Razumator conditii favorabile, chiar și mostre gratuite.

Când vine vorba de roboți de construcție și de imprimarea 3D a caselor, majoritatea oamenilor își imaginează un mecanism de înaltă tehnologie sub control uman. Astfel de roboți au nevoie cel puțin de un singur operator și asistenți - oameni care îi vor servi. Inginerii de la Institutul de Tehnologie din Massachusetts au decis să privească în viitor și au dezvoltat un prototip de robot de construcție autonom.

Robotul este un șasiu autopropulsat. În fața „constructorului” există o „mână” - un manipulator multifuncțional inteligent.

În spatele „brațului” cu un mecanism de control computerizat se află o platformă cu materiale de construcție.

Pe în acest moment Pentru a testa conceptul, robotul transportă containere cu PPU (spumă poliuretanică) și beton spumos, din care construiește o casă cu cupolă folosind tehnologia cofrajelor permanente. Mai întâi, se ridică un perete PPU extern și interior, iar golul este apoi umplut cu beton spumos.

Robotul petrece aproximativ 10-14 ore pentru a construi un dom cu un diametru de 15 metri.

În același timp, robotul nu are nevoie de control uman și, orientându-se pe teren folosind semne, ia o decizie cu privire la modul de construire a structurii.

Dacă soluția se epuizează, robotul merge la bază pentru a alimenta, după care continuă să construiască casa.

Potrivit dezvoltatorilor, alegerea materialelor și a metodelor de construcție se datorează faptului că este mai ușor să „învățați” robotul să construiască și să faceți ajustările corespunzătoare la software.

Următorul pas este utilizarea betonului pentru construcții, care este modificat cu aditivi speciali pentru mobilitate.

Este furnizat un set de duze de pulverizare pentru lucrul cu diferite mortare.

În plus, pe măsură ce robotul se îmbunătățește, acesta va fi învățat să lucreze cu fitinguri și o mașină de sudură.

Și o cupă de excavator.

Potrivit inginerilor, în timp, pe baza prototipului, va fi posibil să se creeze un robot complet autonom.

De exemplu, un scenariu ar putea fi trimiterea mai multor roboți de construcții într-o zonă îndepărtată, unde aceștia interacționează între ei și încep să construiască clădiri.

Cuvinte cheie

ROBOTI MOBILI AUTONOMI / SISTEM DE NAVIGAȚIE/SLAM/FUZY LOGIC/ VARIABILE LINGVISTICE / INFERENȚĂ LOGICĂ FUZZY / SISTEME ROBOTICE MULTI-AGENT/ ROBOȚI MOBILI AUTONOMI / SISTEM DE NAVIGAȚIE / LOGICĂ FUZZY / VARIABILĂ LINGVISTĂ / INFERENȚĂ LOGICĂ FUZZY / SISTEME ROBOTICE MULTIAGENTE

Adnotare articol științific despre inginerie electrică, inginerie electronică, tehnologia informației, autorul lucrării științifice - Mihailov Boris Borisovici, Nazarova Anaid Vartanovna, Iuscenko Arkadi Semenovici

Sunt luate în considerare noi metode de control și navigare a roboților capabili de comportament autonom în condiții nedeterministe. mediu de lucru. Activitatea unui operator uman se rezumă la monitorizarea funcționării sistemului robotizat și stabilirea sarcinilor curente. În același timp, se adaugă feedback, care poate fi verbal. Astfel, sarcina de control capătă caracterul unui dialog între o persoană și un robot, însoțit de mesaje grafice și vocale. În acest sens, un rol important este jucat sistem de navigație, deoarece robotul trebuie să evalueze în mod independent mediul și să-și planifice traseul, inclusiv în prezența altor obiecte în mișcare în zona de lucru. Rezolvarea automată a acestor probleme simplifică semnificativ sarcina operatorului, dar necesită dezvoltarea unui sistem de control „inteligent” pentru un robot autonom. Astfel de sarcini includ și sarcina de a returna automat robotul dacă se pierde comunicarea cu operatorul, soluția căreia crește fiabilitatea sistemului robotizat. O modificare a naturii activității operatorului, care nu mai controlează direct mișcările robotului, duce la o schimbare a naturii sistemului de control, deoarece acesta trebuie să țină cont de capacitățile de percepție ale operatorului și de natura deciziilor pe care acesta le are. face. Una dintre modalitățile de rezolvare a acestei probleme este utilizarea logicii fuzzy atât în ​​stadiul de percepție a informațiilor, cât și în etapele de planificare a acțiunilor și luare a deciziilor operaționale. Aplicarea relaţiilor „naturale” spaţiu-timp şi variabile lingvistice aduce procesul de control și mai aproape de dialogul dintre operator și robot, ceea ce face posibilă determinarea robotului sistem tehnic de tipul unui sistem de management cooperativ. În practică, majoritatea problemelor s-au rezolvat roboți mobili autonomi, cum ar fi monitorizarea terenului, recunoașterea radiațiilor și chimice, combaterea incendiilor și a dezastrelor naturale, necesită participarea unui grup de roboți mobili. În lucrare sunt prezentate și unele rezultate privind controlul grupului de roboți.

Subiecte conexe lucrări științifice despre inginerie electrică, inginerie electronică, tehnologia informației, autorul lucrării științifice - Mihailov Boris Borisovici, Nazarova Anaid Vartanovna, Iuscenko Arkadi Semenovici

• Navigarea și controlul unui robot mobil

  2017 / Kershin A.Zh., Ergaliev D.S.

• Perspective pentru dezvoltarea sistemelor robotizate la sol autonome pentru scopuri militare speciale

  2016 / Lapshov Vladimir Sergeevici, Noskov Vladimir Petrovici, Rubtsov Ivan Vasilievici, Rudianov Nikolay Alexandrovich, Gurji Arthur Ilici, Ryabov Anatoly Viktorovich, Hrușciov Vasily Sergeevich

• Sistem de poziționare și identificare pentru o platformă robotică mobilă în spații închise și deschise

  2018 / Evdokimova Tatyana Sergeevna, Sinodkin Alexey Alexandrovich, Fedosova Lyudmila Olegovna, Tyurikov Maxim Igorevich

• Principalele rezultate și domenii promițătoare de cercetare în domeniul navigației și controlului sistemelor robotizate mobile

  2013 / Lopota Alexander Vitalievich, Polovko Sergey Anatolyevich, Smirnova Ekaterina Yurievna, Plavinsky Mikhail Nikolaevich

• Formarea modelelor realitate virtualăși câmpuri de informații și navigare pentru a asigura funcționarea autonomă a RTK-urilor cu scop special

  2017 / Lapshov Vladimir Sergeevici, Noskov Vladimir Petrovici, Rubtsov Ivan Vasilievici, Rudianov Nikolay Alexandrovich, Ryabov Anatoly Viktorovich, Hrușciov Vasily Sergeevich

• Controlul inteligent al mișcării obiectelor în mișcare autonome, bazat pe abordarea comportamentală

  2015 / Beloglazov D.A., Kosenko E.Yu., Kobersi I.S., Solovyov V.V., Shapovalov I.O.

• Perspective de utilizare a sistemelor robotizate în interesul asigurării securității militare a statului

  2016 / Kalach Gennady Petrovich, Kalach Gennady Gennadievich, Travnikov Sergey Anatolyevich

• Sistem de control al robotului în miniatură în conductă

  2015 / Vorotnikov Sergey Anatolyevich, Nikitin Nikita Igorevich, Ceccarelli Marco

• Strategii de control de grup mixt în sisteme robotizate multi-agenți

  2012 / Makarov Igor Mihailovici, Lokhin Valery Mihailovici, Manko Sergey Viktorovich, Romanov Mihail Petrovici, Alexandrova Rimma Ivanovna

• Algoritmi locali de navigație și cartografie pentru sistemul de control la bord al unui robot mobil autonom

  2012 / Kuchersky Roman Vladimirovici, Manko Sergey Viktorovich

ROBOȚI MOBILI AUTONOMI- NAVIGAȚIE ȘI CONTROL

Noile metode de control și navigare a roboților mobili autonomi în mediu nedeterminat sunt luate în considerare în lucrare. Operatorul uman poate doar să observe comportamentul sistemului robotizat și să precizeze noile sarcini. Feedback-ul poate fi sub formă de vorbire. Deci sarcina de control capătă o formă de dialog între om și robot însoțit de informații grafice și de vorbire. O parte importantă în controlul robotului autonom este sistemul de navigație care dovedește robotului că apreciază mediul și își planifică propriul drum. De asemenea, în prezența altor obiecte în mișcare în scenă. Automatizarea unor astfel de operațiuni poate ușura suficient sarcinile operatorului prin intelectualizarea sistemului de control al robotului mobil. Una dintre aceste sarcini este întoarcerea robotului în cazul pierderii comunicării cu operatorul. Noul mod de control al operatorului conduce la un nou mod de sistem de control care acum trebuie să ia în considerare posibilitățile omului de a percepe informații și de a accepta deciziile necesare. Una dintre modalitățile de rezolvare a problemei este aplicarea logicii fuzzy atât pe stadiul de percepție, cât și pe cel de planificare și decizie. Aplicarea relațiilor „naturale” de spațiu și timp fac dialogul similar dialogului dintre maestru și asistent. Deci astfel de sisteme robotizate pot fi numite cele cooperative. Aplicațiile lor practice necesită de obicei participarea unui grup de roboți autonomi pentru a îndeplini sarcina declarată. Sunt prezentate și câteva rezultate în această direcție.

Textul lucrării științifice pe tema „Roboți mobili autonomi - navigare și control”

17. Pshikhopov V.Kh., Medvedev M.Yu. Adaptivnoe pozitsionnoe upravlenie podvizhnymi ob"ektami, ne linearizuemymi obratnoy svyaz"yu, Mekhatronika, avtomatizatsiya, upravlenie, 2015, voi. 16, nr. 8, pp. 523-530.

18. Martynova L.A., Mashoshin A.I., Pashkevich I.V., Sokolov A.I. Sistema upravleniya - naibolee slozhnaya chast" avtonomnykh neobitaemykh podvodnykh apparatov, Morskaya radioelektronika, 2015, nr. 4 (54), pp. 23-32.

19. Martynova L.A., Mashoshin A.I., Pashkevich I.V., Sokolov A.I. Integrirovannaya sistema upravleniya avtonomnogo neobitaemogo podvodnogo apparata, Materialy 8-y Vserossiyskoy mul"tikonferentsii po problemam upravleniya, Divnomorskoe, 28 septembrie - 3 octombrie 2015g, Vol. 3, pp. 191.

20. Martynova L.A., Mashoshin A.I., Pashkevich I.V., Sokolov A.I. Algoritmy, realizuemye integrated sistemoy upravleniya ANPA, Izvestiya YuFU. Tekhnicheskie nauki, 2015, nr. 1 (162), pp. 50-58.

21. Gorodetskiy V.I., Grushinskiy M.S., Khabalov A.V. Mnogoagentnye sistemy (obzor), Novosti iskusstvennogo intellekta, 1998, nr. 2, pp. 64-116.

22. Rzhevskiy G.A., Skobelev P.O. Cum upravlyat" slozhnymi sistemami? Mul"tiagentnye tekhnologii dlya sozdaniya intellektual"nykh sistem upravleniya predpriyatiyami. Samara: Ofort, 2015, 290 p.

23. Innocenti B. O arhitectură multi-agenți cu coordonare distribuită pentru un robot autonom. Ph.D. disertație - Universitat de Girona, 2009, 146 p.

Martynova Lyubov Aleksandrovna - SA Concern Institutul Central de Cercetare Elektropribor; e-mail: [email protected]; 190068, Sankt Petersburg, Rimsky-Korsakov Ave., 49, ap. 1; tel.: +79219411395; Centrul de Cercetare „Sisteme de iluminat integrate”; doctor în științe tehnice; cercetător senior

Mashoshin Andrey Ivanovich - e-mail: [email protected]; 197046, Sankt Petersburg, st. Malaya Posadskaya, 30 de ani; tel.: +79217632345; Centrul de Cercetare „Sisteme de iluminat integrate”; doctor în științe tehnice; profesor.

Martynova Liubov Alexandrovna - SA CSRI Elektropribor; e-mail: [email protected]; 49-1, pr. Rimskogo-Korsakowa, Sankt-Petersburg, 190068, Rusia; NIC „ISOO”; telefon: +79219411395; dr. de ing. sc.; om de știință senior

Mashoshin Andrey Ivanovith - e-mail: [email protected]; 32, strada Malaja Posadskaja, Sankt-Petersburg, 197046, Rusia; telefon: +79217632345; NIC „ISOO”; dr. de ing. sc.; profesor

UDC 621.865(075.8)

B.B. Mihailov, A.V. Nazarova, A.S. Iuscenko

ROBOTI MOBILI AUTONOMI - NAVIGARE SI CONTROL

Sunt luate în considerare noi metode de control și navigare a roboților capabili de un comportament autonom într-un mediu de lucru nedeterminist. Activitatea unui operator uman se rezumă la monitorizarea funcționării sistemului robotizat și stabilirea sarcinilor curente. Acest lucru adaugă feedback, care

poate fi și verbală. Astfel, sarcina de control capătă caracterul unui dialog între o persoană și un robot, însoțit de mesaje grafice și vocale. Sistemul de navigație joacă un rol important aici, deoarece robotul trebuie să evalueze în mod independent mediul înconjurător și să-și planifice traseul, inclusiv în prezența altor obiecte în mișcare în zona de lucru. Rezolvarea automată a acestor probleme simplifică semnificativ sarcina operatorului, dar necesită dezvoltarea unui sistem de control „inteligent” pentru un robot autonom. Astfel de sarcini includ și sarcina de a returna automat robotul dacă se pierde comunicarea cu operatorul, soluția căreia crește fiabilitatea sistemului robotizat. O modificare a naturii activității operatorului, care nu mai controlează direct mișcările robotului, duce la o schimbare a naturii sistemului de control, deoarece acesta trebuie să țină cont de capacitățile de percepție ale operatorului și de natura deciziilor pe care acesta le are. face. Una dintre modalitățile de rezolvare a acestei probleme este utilizarea logicii fuzzy atât în ​​stadiul de percepție a informațiilor, cât și în etapele de planificare a acțiunilor și luare a deciziilor operaționale. Utilizarea relațiilor spațio-temporale „naturale” și a variabilelor lingvistice aduce procesul de control și mai aproape de dialogul dintre operator și robot, ceea ce face posibilă definirea unui sistem robotizat de acest tip ca sistem de control cooperant. În practică, majoritatea sarcinilor rezolvate de roboții mobili autonomi, cum ar fi monitorizarea terenului, recunoașterea radiațiilor și chimice, combaterea incendiilor și a dezastrelor naturale, necesită participarea unui grup de roboți mobili. În lucrare sunt prezentate și unele rezultate privind controlul grupului de roboți.

Roboți mobili autonomi; sistem de navigație; SLAM; logica fuzzy; variabile lingvistice; inferență logică neclară; sisteme robotizate multi-agent.

B.B. Mihailov, A.V. Nazarova, A.S. Iuscenko ROBOȚI MOBILI AUTONOMI- NAVIGARE ȘI CONTROL

Noile metode de control și navigare a roboților mobili autonomi în mediu nedeterminat sunt luate în considerare în lucrare. Operatorul uman poate doar să observe comportamentul sistemului robotizat și să precizeze noile sarcini. Feedback-ul poate fi sub formă de vorbire. Deci sarcina de control capătă o formă de dialog între om și robot însoțit de informații grafice și de vorbire. O parte importantă în controlul robotului autonom este sistemul de navigație care dovedește robotului că apreciază mediul și își planifică propriul drum. De asemenea, în prezența altor obiecte în mișcare în scenă. Automatizarea unor astfel de operațiuni poate ușura suficient sarcinile operatorului prin intelectualizarea sistemului de control al robotului mobil. Una dintre aceste sarcini este întoarcerea robotului în cazul pierderii comunicării cu operatorul. Noul mod de control al operatorului conduce la un nou mod de sistem de control care acum trebuie să ia în considerare posibilitățile omului de a percepe informații și de a accepta deciziile necesare pe stadiul percepţiei şi pe cel al planificării şi deciziei Aplicarea relaţiilor „naturale” de spaţiu şi de timp fac dialogul similar dialogului dintre maestru şi asistent. Aplicațiile lor practice necesită de obicei participarea unui grup de roboți autonomi pentru a îndeplini sarcina declarată.

Roboți mobili autonomi; sistem de navigație; SLAM; logica fuzzy; variabilă lingvistică; inferență logică fuzzy; sisteme robotizate multiagent.

Introducere. Roboții mobili moderni se pot mișca în mod independent în spațiul înconjurător și pot funcționa acțiunile necesare folosind manipulatoare. Robotul este echipat cu un sistem tehnic de viziune și un set de senzori de informații capabili să-și formeze o idee cuprinzătoare situația actuală. Baza de cunoștințe a robotului îi permite să navigheze în mod independent în mediu și să ia decizii cu privire la acțiunile necesare pentru a rezolva sarcina. Astfel, mobil manipulator

Robotul este un sistem tehnic „inteligent” capabil de comportament autonom. Cu toate acestea, în majoritatea sarcinilor efectuate în condiții predeterminate și asociate cu un „cost” ridicat al erorii din cauza acțiunilor incorecte, participarea unui operator uman la controlul robotului este încă presupusă.

Aplicarea roboticii în aplicatii diverse, legat de rezolvarea unor probleme speciale, necesită simplificarea maximă a metodelor de interacțiune dintre o persoană și un robot. Cel mai natural mod de astfel de interacțiune este controlul dialogului vocal. Sarcina de a controla robotul din partea operatorului în acest caz include dialogul într-un limbaj orientat către probleme, aproape de firesc, și observarea acțiunilor robotului. Formularea problemei de control în acest caz este modificată, întrucât robotul nu mai devine un obiect de control, ci un subiect-partener tehnic, capabil să-și determine în mod independent subscopurile și linia de comportament în interesul sarcinii generale stabilite de către operator. Rol feedbackîn sistemul de control interactiv sunt efectuate mesaje vocale de la robot către operator, cu scopul de a clarifica comenzile, de a informa operatorul despre situația curentă sau despre atingerea scopului.

Un rol deosebit în rezolvarea problemelor de control al roboților autonomi îi revine sistemului informațional-senzorial, care trebuie să analizeze în mod independent situația actuală, să-și planifice acțiunile și, în același timp, să interacționeze cu un operator uman într-un limbaj apropiat de limbajul natural. Ea trebuie să caute și să detecteze în mod independent obiecte periculoase, să se miște liber într-un spațiu în care pot exista și alte obiecte în mișcare. Dacă comunicarea cu operatorul se pierde, robotul trebuie să utilizeze în mod independent informațiile primite și stocate despre lumea exterioară, reveniți la poziția inițială.

Controlul de către operator al unui robot autonom capătă un nou caracter. Acesta nu mai este controlul direct al mișcării, ci stabilirea sarcinilor. Întrucât condițiile pentru îndeplinirea sarcinilor nu sunt întotdeauna îndeplinite, controlul capătă caracterul unui dialog între o persoană și un sistem de control inteligent. Acesta din urmă are un rol egal în planificarea operațiunilor și luarea deciziilor. Aceste tipuri de sisteme robotizate sunt numite sisteme de control cooperativ.

Domeniul de aplicare al roboților autonomi este foarte larg. Aceasta include căutarea și neutralizarea obiectelor periculoase, sarcini de recunoaștere prin radiații și chimice, lucru în zona dezastrelor provocate de om și naturale. Astfel de sisteme robotizate sunt folosite și în sfera civilă ca robotică de serviciu. Roboții de serviciu au apărut deja și îndeplinesc cu succes funcțiile de servire a vizitatorilor în muzee, aeroporturi și magazine. Utilizarea roboților de serviciu în instituțiile medicale este deosebit de importantă, inclusiv ca mijloc de reabilitare a pacientului. Roboții de serviciu de teleprezență sunt utilizați în mod activ, permițându-vă să stați de la distanță într-o cameră și să vă deplasați în jurul ei, observând ce se întâmplă în jurul camerei video a robotului.

Aplicație practică Roboții mobili autonomi au condus la necesitatea participării simultane nu doar a unuia, ci a unui grup de roboți care interacționează în îndeplinirea sarcinilor atribuite. Teoria controlului de grup al roboților inteligenți se află în stadiul inițial al dezvoltării sale. Cu toate acestea, s-au obținut anumite rezultate în acest domeniu.

1. Navigare și deplasare în spațiu cu obstacole în mișcare. Luăm în considerare funcționarea unui robot mobil într-o cameră, a cărei dispoziție este necunoscută în prealabil. Camera conține atât obstacole statice (pereți,

mese, scaune) și mobile (oameni, alți roboți). Robotul mobil este echipat cu un telemetru cu laser de scanare, care primește o scanare a reliefului obiectelor din jur într-un plan paralel cu suprafața de dedesubt. Este necesar să se determine în timp real poziția robotului mobil în sistemul de coordonate asociat încăperii (sarcina de localizare), precum și să se construiască o hartă a acestei încăperi, afișând relieful pereților și obiectelor staționare. Acest tip de sistem de control este cunoscut sub numele de sisteme SLAM (System of Localization and Mapping).

Structura funcțională a sistemului de navigație robot mobil este prezentată în Fig. 1 O caracteristică a structurii propuse este independența acesteia față de tipul șasiului robotului mobil, precum și față de prezența și tipul senzorilor de odometrie, ceea ce permite ca sistemul de navigație în curs de dezvoltare să fie utilizat pe toate tipurile de roboți mobili care funcționează în interior.

Pentru a-și îndeplini sarcinile, robotul trebuie să se deplaseze pe un anumit traseu și, în același timp, să respecte măsurile de siguranță, inclusiv în prezența obiectelor în mișcare în zona de lucru. Astfel, robotul se deplasează autonom cu ajutorul unui sistem de navigație, în timp ce operatorul îndeplinește doar funcția de stabilire a sarcinii. Un mod semi-automat, de exemplu, un mod de teleprezență, în care sarcina operatorului este simplificată semnificativ, nu este exclus.

În prima etapă de funcționare a sistemului de navigație, sarcina de filtrare a scanării este rezolvată prin eliminarea măsurătorilor false folosind un filtru special. Pentru a rezolva problema analizei modelului mediului de lucru, a fost studiată mai întâi metoda distribuțiilor normale (NDT - Normal Distribution Transform). În acest caz, harta camerei este împărțită în celule, fiecare dintre acestea nu conține punctele în sine, ci parametrii distribuției normale a tuturor punctelor care se încadrează în interior. Prin rezolvarea problemei minimizării funcției de corelare încrucișată a scanării și hărții, este posibil să se determine poziția robotului de la care a fost obținută scanarea curentă.

Orez. 1. Schema funcțională a sistemului de navigație robot mobil

Analiza acestei metode a arătat că limitează semnificativ viteza de mișcare a unui robot mobil, deoarece toate calculele sunt efectuate în timp real. Prin urmare s-a propus mod nou, în care scanarea obținută cu ajutorul unui sistem de senzori de informații este convertită într-o funcție de grilă. În acest caz, fiecare punct de scanare este convertit într-o funcție continuă, apoi ele sunt combinate folosind principiul de suprapunere selectat și suprapuse pe harta grilă, formând astfel o funcție grilă. Metoda funcției grilă, ca și metoda distribuției normale, se bazează pe compararea scanării și a hărții rezultate folosind o funcție de corelație încrucișată. Pentru a minimiza această funcție, a fost utilizată o metodă Newton modificată. După rezolvarea problemei SLAM, poziția robotului pe hartă poate fi calculată folosind o transformare de la sistemul de coordonate al telemetrului laser în sistemul de coordonate al robotului mobil. Analiza comparativă Cele două metode de localizare luate în considerare au arătat că avantajul noii metode de funcții grilă constă în regiunea de convergență extinsă, ceea ce face posibilă creșterea semnificativă a vitezei de mișcare a robotului mobil.

Specificul controlului unui robot mobil într-un mediu dinamic este că mișcarea obstacolelor nu poate fi calculată în avans. Pentru a evita coliziunile cu obstacolele în mișcare, trebuie să cunoașteți poziția acestora și să preziceți traiectoria. Apoi vă puteți deplasa pe traiectoria planificată, deviând de la ea la momentul potrivit pentru a manevra și a ocoli obstacolul. Este propus un algoritm pentru controlul unui robot într-un mediu dinamic, bazat pe urmărirea obstacolelor în mișcare. În prima etapă, problema planificării rutei este rezolvată folosind o hartă a încăperii construită prin metoda funcției grilă. Pentru aceasta se folosește binecunoscutul algoritm A*. În continuare, problema urmăririi obstacolelor în mișcare este rezolvată - determinând vectorul curent al stării obstacolului în fiecare moment, sincronizat cu obținerea unei noi scanări. Pentru a construi o listă de obstacole, punctele de scanare sunt mai întâi clasificate și grupate. În acest caz, gruparea se realizează în funcție de distanța euclidiană dintre punctele de scanare. Valoarea pragului este calculată pe baza distanței până la punct și rezoluției unghiulare a telemetrului laser.

Fiecare obiect în mișcare este procesat pentru a obține parametrii corespunzători ai circumferinței totale. După găsirea cercului general, puteți obține o estimare a vectorului de stare complet al obiectului în mișcare (Fig. 2).

Algoritmul dezvoltat prezice noua poziție a acestui obiect folosind ecuații cinematice (se presupune că obiectul observat este un corp rigid care se mișcă de-a lungul unui plan) și vectorul anterior al stării sale. Apoi, folosind predicția obținută și parametrii cercului general, se determină (&+1)-a estimare a poziției obiectului:

Orez. 2. Pentru a determina poziția unui obiect în mișcare

k+1 = K ■ xki + (1 - K) ■ xkr =

Uk+1 = K ■ Uki + (1 - K) ■ Ukr

unde xki, uki sunt poziția măsurată a obiectului, xcr, ukr sunt poziția prezisă a obiectului, K este coeficientul de filtrare.

Apoi se determină lungimea mișcării și direcția de-a lungul căreia a fost efectuată:

xk+1 - xk) Fki = 2agC£

(Marea Britanie+1 - Marea Britanie

V xk+1 - xky Estimarea unghiului de direcție este de asemenea calculată:

Fk+1 = Kf ■Fki + (1 - Kf) ■Fkr Vitezele sunt determinate prin estimarea derivatei lungimii traseului parcurs și a incrementului unghiului de direcție:

Sarcinile de a urmări de-a lungul unui traseu planificat și de a evita obstacolele în mișcare sunt rezolvate în comun, deoarece la deplasarea pe o anumită traiectorie, obiectele în mișcare pot ajunge aproape de această traiectorie. În acest caz, este necesar să se efectueze o manevră de ocolire. Mișcarea ulterioară, indiferent de starea anterioară, trebuie să fie optimă conform criteriului selectat.

Pentru a confirma metoda de control propusă, a fost efectuat un experiment, inclusiv construirea unei hărți a camerei, determinarea preciziei de localizare și evaluarea calității controlului robotului în prezența obstacolelor dinamice (Fig. 3).

Orez. 3. Realizarea de experimente privind navigarea robotului mobil

Precizia de localizare măsurată a fost de 0,68 ± 0,45° pentru unghiul de rotație și 0,4 ± 0,8 cm pentru poziție, ceea ce este un rezultat bun care depășește analogii existenți. Indicatorii de calitate a controlului s-au bazat pe lungimea traseului, timpul de operare și distanța până la obstacol, respectiv: Lpath = 2,4 ± 0,6 m, TraA = 6,8 ± 1,3 s, Dmax = 0,5 ± 0,2 m.

Sistemul de navigație dezvoltat și-a găsit aplicația într-un robot de serviciu real construit de compania Neurobotics pentru a patrula într-o cameră pentru a căuta persoane cu o stare psiho-emoțională alterată. Domeniul de aplicare: gări, aeroporturi, centre comercialeși alte locuri aglomerate.

2. Sarcina de întoarcere automată a robotului. Rețineți că, în ciuda gradului ridicat de autonomie al robotului mobil inteligent, acesta trebuie totuși controlat de operatorul care setează sarcini curenteîn conformitate cu informaţiile primite. În plus, în majoritatea sarcinilor, roboții mobili sunt controlați direct de la distanță de către un operator. Dacă comunicarea este pierdută, vizibilitatea se deteriorează și în alte cazuri în care controlul semi-automat nu poate fi utilizat, apare problema returnării automate a robotului către operator. Dacă principalele probleme sunt rezolvate de la distanță, atunci nu este întotdeauna recomandabilă utilizarea unui telemetru laser scump pentru a rezolva această problemă folosind metoda SLAM. Prin urmare, în situații extreme, o alternativă la aceste metode este odometria vizuală - o metodă de estimare a deplasării liniare și unghiulare a unui robot prin analiza unei secvențe de imagini realizate de o cameră instalată pe acesta.

În tabel 1 oferă o comparație a principalelor metode utilizate astăzi pentru a rezolva problemele de navigare pentru roboții mobili. Arată avantajele „+” și dezavantajele „-” ale metodelor de navigare luate în considerare la rezolvarea problemei returnării robotului. Această comparație arată fezabilitatea utilizării metodei odometriei vizuale.

Tabelul 1

Compararea metodelor de navigare ale roboților mobili autonomi

S % O Balize SLAM Roata-inertie. Odometru vizual. odometrie

Nu acumulați erori + + + - -

Precizie ridicată pe traiectorii scurte - - +/- + +

Funcționează într-un mediu nedeterminist + - + + +

Nu reduce precizia în interior - - + + +

Mărimea teritoriului nu este limitată. + - - + +

Invariant la alunecarea roții + + + - +

Nu necesită obiecte staționare + - - + +

Invariabil la schimbările din mediu + + - + +

În fig. Figura 4 prezintă secvența etapelor de funcționare a unui odometru vizual. Pentru funcționarea acestuia se introduc periodic perechi de imagini, obținute cu ajutorul a două camere de televiziune amplasate la bordul robotului, iar pentru fiecare se efectuează procedurile enumerate în Fig. 4. După alinierea imaginilor, pe imaginea din stânga sunt identificate puncte speciale care pot fi distinse în mod fiabil de altele, de exemplu, colțurile obiectelor, pete, schimbări bruște ale luminozității etc. Punctele corespunzătoare sunt situate în imaginea din dreapta. Calculul coordonatelor spațiale ale punctelor speciale se realizează la rezolvarea problemei de triangulare folosind diferența de poziție a imaginilor aceluiași punct de la două camere de televiziune. Pentru a calcula deplasarea robotului, este monitorizată modificarea poziției punctelor speciale în timp. S-au folosit algoritmul Lucas și Kened și filtrarea Hirschmuller.

Orez. 4. Secvența etapelor de funcționare vizuală a odometrului

Calcularea mișcării unui robot este o problemă statistică. Precizia soluției sale este atinsă datorită numărului de puncte. În fig. Figura 5 arată mișcarea sistemului de coordonate al robotului în timpul modificărilor cadrului. Sistemul de coordonate 0°X0У0 20 este staționar. 0СХСУС2С - poziția sistemului de coordonate al robotului la ora curentă. 0 р HRUR2Р - la un moment anterior din timp. - puncte fixe singulare ale spațiului. Fie coordonatele celui de-al-lea punct special din spațiu din sistemul de coordonate al robotului în momentul curent Cr = (X C УУС 2С)Т, coordonatele aceluiași punct din spațiu într-un moment anterior de timp Р1 = (Хр Ур 2р )Т, se găsesc N puncte. Vom descrie schimbarea poziției sistemului de coordonate al robotului sub forma:

C( =R1 + T, 1 = mG,

(G11 G12 G13\

g21 g2 2 g2 z I - matrice de rotație

companie. Sarcina este de a obține o estimare a lui T și I la rezolvarea sistemului rezultat (supradeterminat) de ecuații algebrice liniare folosind metoda celor mai mici pătrate. Cu cât sunt mai multe coordonate fixe, cu atât soluția este mai puțin sensibilă la eroarea în determinarea coordonatelor punctelor singulare.

Orez. 5. Mutarea sistemului de coordonate al robotului

Coordonatele actuale ale robotului sunt estimate prin calcularea deplasărilor T și R. Când punctele speciale dispar din câmpul de vedere al camerelor de televiziune, acestea sunt excluse și înlocuite cu altele noi, ceea ce face posibilă măsurarea coordonatelor într-un mediu în schimbare. . Determinarea coordonatelor robotului vă permite să construiți o traiectorie pentru revenirea automată la operator folosind spline de gradul trei.

În Fig. 6. În modul normal „manual”, operatorul controlează robotul folosind joystick-ul J, setând vitezele liniare și unghiulare v** și w**. Aceste semnale sunt recepționate prin transceiver-ul RF și intră în sistemul de comandă D, unde sunt convertite în viteze unghiulare ale roților q1 și q"2. Odometrul vizual VO calculează vitezele liniare și unghiulare ale robotului și calculul care ne permite să-i estimăm coordonatele curente x, y și direcția a. Blocul de navigare NVG salvează traiectoria parcursă de robot, eliminând buclele și zgomotul. Dacă conexiunea se pierde, blocul RF va comuta sistemul în modul „auto”. , în care robotul revine automat pe traiectoria salvată. Pentru a face acest lucru, blocul NVG furnizează coordonatele x* și y* ale primului punct pf al traiectoriei.

Un studiu experimental al sistemului de întoarcere automată propus instalat pe un robot mobil a fost realizat în condiții reale. În prima etapă, operatorul, folosind un joystick, a ghidat robotul până la punctul final de-a lungul unei traiectorii arbitrare, care a fost înregistrată conform algoritmului propus.

Orez. 6. Schema sistemului de control al robotului mobil

Când robotul a ajuns la punctul final, a fost simulată o pierdere a comunicării, iar operatorul a comutat sistemul de control în modul automat. În a doua etapă, robotul a revenit automat la operator (la punctul de plecare) conform descrierii traiectoriei salvate.

În fiecare cursă, după ce robotul s-a întors, au fost măsurate coordonatele punctului de oprire și a fost estimată eroarea pătratică medie a ieșirii robotului la punctul de plecare în raport cu lungimea traiectoriei. În total, aproximativ 100 de curse de-a lungul diferitelor traiectorii au fost efectuate pentru testare. Studiile experimentale au fost efectuate în interior, în aer liber și într-un parc. Ei au arătat că cele mai bune rezultate pot fi obținute prin combinarea datelor vizuale ale odometrului cu alte mijloace de odometrie - odometria roții și datele de la un contor de viteză unghiulară inerțială. Eroarea pătratică medie a revenirii la punctul de plecare nu a fost mai mare de 3%. Rețineți că experimentele au fost efectuate și în condiții nefavorabile pentru odometria vizuală.

viyas: în amurg și întuneric, pe suprafețele simple subiacente. Cu toate acestea, chiar și în aceste condiții, utilizarea odometriei vizuale a făcut posibilă îmbunătățirea semnificativă a preciziei sistemului de navigație.

3. Modelul neclar al situației actuale. Controlul roboților mobili autonomi de către operator capătă caracterul stabilirii sarcinilor și dialogului care însoțește implementarea acestora. În acest caz, ar trebui folosite relații „naturale” spațiu-timp din punct de vedere uman, ceea ce facilitează semnificativ sarcina de a controla robotul. Pentru a organiza controlul interactiv al unui robot mobil, este recomandabil să folosiți metode cu logică neclară. Aceste metode s-au dovedit a fi foarte eficiente în descrierea lumii externe și a situației actuale folosind variabile lingvistice. Dezvoltarea acestei abordări, aplicată problemei controlului roboților, constă în găsirea unei evaluări „naturale” a situației în același sens și în luarea unei decizii în condiții predeterminate care determină comportamentul robotului.

Descrierea lumii exterioare a robotului include atât o descriere a obiectelor de interes pentru efectuarea unei operații date, cât și relațiile spațiale dintre obiectele lumii, inclusiv robotul însuși. Relațiile fuzzy extensive și intenționale sunt folosite pentru a descrie relațiile spațiale dintre obiectele scenei de lucru. Primele includ relațiile dintre poziția și orientarea obiectelor. De exemplu, „obiectul a1 este departe și în fața în dreapta obiectului a2”. Relațiile intenționate includ relații precum atingerea; a fi înăuntru; a fi afară; fi în centru etc. Din relațiile binare spațiale elementare este posibil, folosind regulile formale de conjuncție și disjuncție, să se obțină și alte relații întâlnite în practică.

Situația actuală, care include M obiecte, inclusiv un robot controlat, este descrisă de un sistem de cadre binare (<объект m>, <отношение>, <объект п>), m, i=1,2,...,M. Dacă se stabilesc în prealabil relații binare neclare între toate obiectele care pot fi observate de robot în timpul mișcării, atunci vom obține o rețea semantică neclară sau o hartă neclară. Folosind o astfel de hartă, este posibil, în special, navigarea robotului în funcție de punctele de referință observate, de exemplu. asupra obiectelor a căror poziţie era cunoscută dinainte. Imaginea situației actuale poate include și alte semne neclare, pe lângă cele spațiale. De exemplu, un robot mobil conceput pentru a proteja o cameră de foc poate avea senzori de temperatură, umiditate, compoziția aerului (prezența substanțelor nocive sau fum) și senzori acustici. Totalitatea acestor date determină direcția de mișcare către sursa incendiului.

O caracteristică importantă a problemei controlului unui robot mobil echipat cu un sistem tehnic de viziune folosind un model neclar al scenei de lucru este că în timpul mișcării se modifică scara imaginii percepute de camera de televiziune instalată pe robot. Se modifică în funcție de distanța până la obstacol și unghiul de îndreptare. Acest efect duce la necesitatea introducerii unei funcții de apartenență bidimensională pentru a determina poziția actuală a robotului în avion. De exemplu, funcția de apartenență prin orientare (după unghiul de îndreptare) depinde și de intervalul D. Această caracteristică a sistemului de viziune tehnică a unui robot mobil autonom corespunde legii perspectivei spațiale caracteristice vederii umane naturale.

Întrucât lumea exterioară este în continuă schimbare atât din cauza mișcării obiectelor observate, cât și datorită mișcării robotului în sine, descrierea situației se schimbă în timp. Această împrejurare impune luarea în considerare, în cazul general, nu numai a relațiilor spațiale, ci și temporale din lumea exterioară, precum

„a fi în același timp”, „a fi înainte”, „a urma”. Astfel de relații trebuie utilizate, în special, atunci când controlați roboții mobili care se mișcă într-un spațiu care conține alte obiecte în mișcare. Acestea vă permit să urmăriți automat obiectele în mișcare sau să evitați coliziunile cu acestea.

În cazul general, situația este determinată de un cadru, ale cărui sloturi sunt numele obiectelor din lumea exterioară, relațiile naturale dintre obiecte, atât spațiale, cât și temporale, precum și alte trăsături care caracterizează situația. O comparație a situației observate cu una dintre situațiile de referință cuprinse în baza de cunoștințe se realizează folosind anumite criterii de proximitate neclară a situațiilor, astfel încât evaluarea de către robot a situației astfel obținute nu este altceva decât o evaluare formalizată și medie a unui situație similară de către o persoană.

Ansamblul denumirilor (numelor) obiectelor date în spațiul scenei de lucru și relațiile neclare dintre acestea constituie dicționarul limbajului formal de descriere a situației. Folosind D.A. introdus. Terminologia lui Pospelov poate fi numită limbajul folosit pentru a descrie situații de relații logice formale, limbaj situațional. În limbajul situațional, se poate organiza un dialog între un robot și o persoană atunci când se analizează o situație. Organizarea dialogului a interfeței permite robotului să formuleze cereri operatorului în absență informatiile necesare pentru a construi un model al lumii exterioare.

4. Control dialog al robotului mobil. După ce a descris situația actuală în limbajul variabilelor lingvistice și al relațiilor neclare, este posibil să se stabilească comportamentul unui robot autonom într-un mediu extern, nedefinit complet, folosind reguli de tip producție fuzzy. Este posibil să se identifice stereotipuri comportamentale a priori determinate de situația actuală. Ele sunt uneori privite ca un analog al comportamentului de răspuns la stimul condiționat. Aceste stereotipuri comportamentale au forma unor reguli de producție: „dacă situația este Si, atunci tactica este T”. Prin tactică înțelegem un set de reguli de comportament exprimate folosind variabile lingvistice și determinate de scopul stabilit. Aceste reguli corespund unei situații tipice cu o mișcare tipică predeterminată a robotului. De exemplu: „dacă ținta este departe, atunci mișcă-te repede”, „dacă ținta este aproape, atunci mișcă-te încet”. Se presupune că situațiile tipice pot fi preprogramate în baza de cunoștințe neclare a robotului folosind experiența unui operator uman. Folosind această bază, puteți crea un set de reguli de comportament (tactici) corespunzătoare urmăririi unui nou obiect, ajungând la un anumit punct specificat pe harta electronica, trecerea printr-o ușă, ocolirea unui obstacol apărut brusc în drumul spre țintă, însoțirea obiectelor în mișcare etc. Prezența tacticilor primite de robot în prealabil, sau în timpul procesului de antrenament, simplifică semnificativ sarcina operatorului, scutindu-l de controlul robotului atunci când rezolvă sarcini de rutină. În același timp, tacticile în sine pot fi încorporate în baza de cunoștințe a robotului prin antrenarea unei rețele neuro-fuzzy, care este baza unui controler fuzzy.

Scopul controlului unui robot mobil, al cărui sistem de control conține un controler fuzzy, este formalizat ca un sistem de reguli de decizie fuzzy. Pentru a lua o decizie, controlerul fuzzy al unui robot mobil poate folosi una dintre binecunoscutele scheme de inferență fuzzy. Cel mai adesea se folosește schema Mamdani, care conține atât o procedură de fuzzificare (reducere la neclaritate) a citirilor senzorilor care determină poziția relativă a robotului și a țintei, cât și o procedură de defuzzificare, adică. aducând la claritate comenzile de control primite în formă neclară, ceea ce este necesar pentru generarea semnalelor de control.

În general, tacticile comportamentale ale robotului sunt determinate de cadrul sarcinii, care poate fi reprezentat după cum urmează:<текущая ситуация S1> <объект управления а0> <имя операции>Obiecte înrudite j >< условия выполнимости операции >. Obiectul de control implicit este robotul mobil însuși, ale cărui capabilități sunt disponibile în baza de date. Aceste capacități (dimensiuni, greutate, putere de propulsie, viteză, manevrabilitate etc.) determină condițiile de fezabilitate a operațiunii, ținând cont de situația actuală și de proprietățile mediului de lucru (teren, aderența roților la sol, sarcină). -proprietăți portante ale solului, natura obstacolelor). Condițiile pentru fezabilitatea unei operațiuni pot include și verificarea postcondițiilor care trebuie îndeplinite după finalizarea operațiunii. Poate că condițiile de fezabilitate a operațiunii vor necesita efectuarea unor mișcări speciale de căutare, pe care le clasificăm drept „operații cognitive” și care ar trebui incluse și în baza de cunoștințe a robotului.

O comandă de operator include de obicei doar două elemente:<имя операции > <сопутствующие объекты>. De exemplu,<преодолеть > <порог П>. În acest caz, formalizarea situației actuale și verificarea condițiilor de fezabilitate a operațiunii trebuie efectuate de sistemul însuși.

Operatorul poate spune robotului doar scopul final al mișcării într-un spațiu cu o structură parțial cunoscută. În acest caz, se pune problema planificării autonome a mișcării, care necesită o atenție specială. Rezolvarea unei astfel de probleme asigură așezarea unei traiectorii în spațiu cu obstacole cunoscute, care are cei mai buni indicatori de calitate într-un sens sau altul, și replanificarea acesteia atunci când apar obstacole neprevăzute. Planificarea este însoțită de un dialog cu operatorul atunci când apare o ambiguitate sau când este necesară clarificarea scopului. Dacă scopul este stabilit incorect sau planificatorul nu a identificat o secvență fezabilă de mișcări care să conducă la obiectiv, atunci apare o solicitare către operator, care necesită clarificarea scopului sau a condițiilor de realizare a acestuia.

Organizare sistem de dialog managementul presupune crearea unei interfețe de vorbire care include un modul de recunoaștere și un analizor lingvistic. Primul modul este un dispozitiv pentru conversia semnalelor vocale și interpretarea lor ca cuvinte sau fraze individuale. Analizatorul lingvistic realizează sintactic şi analiza semantică enunț, în urma căruia trebuie umplute sloturile de cadru pentru descrierea acțiunilor.

Utilizarea unui sistem de control interactiv simplifică semnificativ sarcina de control al robotului, deoarece în acest caz operatorul practic nu necesită abilități speciale. Prin urmare, putem presupune că metoda de control interactiv va deveni în curând răspândită atunci când controlați roboții de serviciu și speciali în diverse scopuri.

5. Managementul unui grup de roboți autonomi. Aplicarea practică a roboților mobili inteligenți în zonele asociate cu risc pentru oameni a condus la concluzia că este recomandabil să controlăm un grup de roboți care rezolvă împreună o problemă comună. Exemple tipice de astfel de sarcini sunt operațiunile de recunoaștere, salvare și lichidare în caz de accidente la diferite instalații periculoase pentru substanțe chimice și radiații. Acest lucru ridică problema organizării muncii coordonate a roboților autonomi care interacționează care formează un sistem robotic multi-agent (MRTS).

Analiza preliminară a arătat că, pentru a rezolva probleme complexe în condiții de incertitudine, este cel mai potrivit să se organizeze un sistem distribuit de tip hibrid, care este o combinație de centralizare și

sisteme descentralizate. Aici, echipa este condusă prin schimbul de informații între agenți, iar prelucrarea datelor este efectuată de centrul de control.

Sistemul include un centru de control, o echipă de agenți robotici cu diferite „specializări” și echipamente auxiliare. Funcțiile operatorului uman includ monitorizarea stării sistemului și luarea deciziilor în situații complexe. Centrul de control formează comenzi pentru a gestiona echipa în ansamblu și prelucrează informațiile primite de roboți în procesul de finalizare a sarcinii. Roboți, în funcție de ei funcţionalitate, poate efectua operațiuni de recunoaștere, căutare sau tehnologice. În conformitate cu instrucțiunile centrului de control, roboții sunt uniți în grupuri folosind mesagerie și distribuie sarcini între ei, ținând cont de un anumit criteriu de optimitate.

În fig. Figura 7 prezintă o diagramă bloc a sistemului ierarhic de control MRTS dezvoltat, construit pe un principiu modular. Centrul de control, care formează primul nivel al sistemului de control, conține o unitate de generare a comenzilor, care este responsabilă cu dezvoltarea unei secvențe de comenzi și transmiterea acestora către roboți și o unitate de procesare a datelor, care primește informații de la agenții roboți și informații auxiliare. și echipamente de măsurare.

Al doilea nivel este responsabil pentru planificarea globală a acțiunilor MRTS: descompunerea sarcinilor rezolvate de MRTS în sarcini mai simple și distribuția lor între roboți. Rezultatul muncii algoritmilor corespunzători este determinarea coordonatelor punctului țintă pentru fiecare robot.

Al treilea nivel asigură formarea traiectoriilor de mișcare a robotului folosind algoritmi de planificare locali bazați pe un analog al metodei potențiale. Pentru a forma traiectorii de mișcare, este necesar să se determine coordonatele actuale ale roboților din spațiul de lucru, această sarcină este rezolvată printr-un sistem de navigație combinat.

Orez. 7. Structura sistemului de control MRTS

Al patrulea nivel (executiv) interacționează direct cu toate elementele MRTS și mediul extern este responsabil pentru generarea de semnale de control pentru acționările robotului, senzorii de navigație, echipamentele speciale și auxiliare și susține funcționarea sistemului de senzori.

Rezolvarea problemelor globale de planificare este necesară atunci când se implementează atât controlul centralizat, cât și controlul multi-agent. În cazul controlului centralizat, sarcinile dintr-o echipă de roboți sunt distribuite de către centrul de control în conformitate cu un criteriu de optimitate dat (de regulă, acesta este momentul rezolvării unei probleme globale).

Cel mai simplu mod de a rezolva problema controlului centralizat - metoda forței brute - este nepotrivit de utilizat în majoritatea cazurilor, deoarece necesită un timp de rezolvare semnificativ. Metodele evolutive (algoritmi genetici) necesită, de asemenea, timp semnificativ din cauza complexității de calcul. În acest sens, pentru a controla un grup de roboți în timp real, a fost dezvoltat, implementat și studiat un algoritm mai simplu de „preț”. În acest caz, centrul de control pentru fiecare robot formează o matrice de prețuri (Cy), unde I = 1,2,...,i - numărul de roboți, y = 1,2,...,m - numărul de sarcini . Această matrice conține costurile estimate ale robotului (de exemplu, timp sau energie) pentru a finaliza fiecare sarcină. Centrul de control trebuie să distribuie sarcinile într-un grup de roboți în așa fel încât valorile „prețului” corespunzătoare să tindă la minimum posibil (Fig. 8).

Orez. 8. Centralizat Fig. 9. Distribuție multi-agenți

repartizarea sarcinilor într-un grup de sarcini într-un grup

Cu un număr mare de roboți incluși în grup, controlul centralizat are o serie de dezavantaje, inclusiv fiabilitatea scăzută a sistemului, sarcina mare pe canalele radio și consumul ridicat de resurse de calcul ale centrului de control. În plus, o abordare centralizată este ineficientă atunci când parametrii zonei de lucru se modifică rapid. A doua abordare a distribuirii sarcinilor într-un grup de roboți nu prezintă aceste neajunsuri - controlul multi-agenți, atunci când roboții, în proces de negocieri, distribuie în mod independent sarcini între ei, ghidați tot de un criteriu de optimitate dat (Fig. 9).

Această distribuție a sarcinilor este asigurată cel mai bine de un model de negociere de tip licitație bazat pe schimbul de informații între agenți individuali. La o licitație, anumite resurse, cum ar fi energia, de care agenții au nevoie pentru a atinge un obiectiv, sunt „puse la vânzare”. Deoarece resursele sunt limitate, agenții concurează între ei într-un proces de „licitare”. Atunci când distribuiți sarcini într-o echipă de roboți, sarcinile în sine acționează ca resurse. oportunitatea „cumpărării”, adică Atribuirea unei sarcini specifice unui robot este evaluată după un criteriu de optimitate dat.

La fiecare etapă a licitației, agenții roboți își formează propriile matrice de prețuri, iar unul dintre roboții din echipă devine lider. Liderul selectează dintre agenții respondenți pe cei care oferă cel mai mic preț și îi trimite

comanda pentru a îndeplini o sarcină. În etapa următoare, un alt agent liber de a îndeplini sarcina devine lider. Licitația are loc până când toate sarcinile au fost distribuite. Controlul multi-agent oferă posibilitatea de auto-organizare a sistemului și crește fiabilitatea funcționării acestuia. O comparație a metodelor multi-agenți a arătat că algoritmul de distribuție a sarcinilor, dezvoltat pe baza modelului de negociere „licitație”, are o complexitate de calcul semnificativ mai mică (0,12 *n ori, cu n >> 8) decât binecunoscutul multi- -metoda agentului de perfecţionare a planului colectiv.

Pentru a implementa distribuția sarcinilor cu mai mulți agenți, fiecare agent robot trebuie să poată face schimb de informații cu toți ceilalți roboți care fac parte din echipă. În condiții reale, nu este întotdeauna posibilă îndeplinirea acestor cerințe, deoarece în zona de lucru pot exista diverse obstacole și interferențe care perturbă schimbul de informații. Soluția la această problemă este împărțirea unui grup de roboți în grupuri separate, fiecare dintre ele având un agent lider capabil să facă schimb de date cu toți ceilalți agenți ai grupului. În același timp, numărul de lideri ar trebui să tindă la minim. În cadrul algoritmului multi-agent dezvoltat pentru formarea unor grupuri autonome de roboți, fiecare agent, folosind un mesaj de solicitare, își determină vecinii - roboți cu care poate face schimb de informații, numără numărul acestora și trimite această valoare vecinilor săi. Apoi fiecare robot selectează un lider din lista vecinilor săi - agentul cu cel mai mare număr de vecini. Ca urmare, echipa de roboți este împărțită în grupuri cu lideri. După aceasta, în cadrul fiecărui grup format, puteți utiliza algoritmul de distribuție a sarcinilor multi-agent discutat anterior.

Astfel, rezultatul planificării globale este împărțirea unei echipe de roboți în grupuri, în cadrul cărora fiecărui robot i se atribuie o sarcină corespunzătoare. Toate sarcinile rezolvate de roboți în grupuri se rezumă fie la distribuția uniformă a roboților în zona de lucru, fie la mutarea roboților în puncte țintă date și efectuarea oricăror operațiuni în aceste puncte, prin urmare sistemul de control trebuie să asigure formarea traiectoriilor de mișcare a roboților, adică , rezolva problemele de planificare locală. Algoritmii corespunzători sunt implementați la al treilea nivel al sistemului de control și sunt de bază pentru unitatea de generare a traiectoriei.

Implementarea acestei metode asigură o distribuție uniformă a roboților în zona de lucru în timpul inspecției sale pentru identificarea situațiilor de urgență, precum și deplasarea roboților către punctele țintă necesare pentru efectuarea operațiunilor tehnologice. În ambele cazuri, roboții trebuie să evite coliziunile cu obstacole statice și cu alți roboți în timpul mișcării.

Scopul sondajului de teritoriu este de a construi o hartă a zonei de lucru. Aceasta poate fi fie o hartă fizică a zonei, fie o cartogramă specială obținută din rezultatele prelucrării informațiilor colectate de o echipă de roboți, de exemplu, informații despre contaminarea radioactivă. Pentru a colecta date, roboții sunt distribuiți uniform în zona de lucru și măsoară valorile parametrilor necesari. Rezultatele măsurătorilor intră în baza de date a centrului de control și sunt reprezentate pe o hartă specială a zonei. Cartograma rezultată reprezintă o anumită suprafață z = /(x, y), unde perechea x, y sunt coordonatele punctului, z este nivelul de contaminare chimică sau radiație. Această suprafață trebuie prezentată operatorului într-o formă ușor de înțeles. Cele mai multe

O modalitate simplă și vizuală este de a construi o cartogramă bidimensională de culoare (gradient). Cartograma, pe lângă informațiile pentru operator, poate fi folosită pentru a crea rute sigure de evacuare pentru oameni. Un algoritm pentru construirea de rute sigure cu un grad de securitate garantat P*, i.e. cu valoarea unui parametru dat fk, care nu va fi depășit în niciun punct al traseului găsit, se bazează pe algoritmul Bellman-Ford pentru găsirea celui mai scurt drum într-un grafic ponderat. Figura 10 prezintă rezultatul algoritmului de construire a celui mai scurt traseu sigur pe o cartogramă cu gradient cu un grad de siguranță garantat P = 1,5.

Orez. 10. Cel mai scurt traseu sigur pe o cartogramă

Pentru a testa metodele propuse, a fost dezvoltat un pachet software care implementează algoritmi de control centralizat și multi-agent al unei echipe de roboți, algoritmi de formare a traiectoriilor robotului, precum și metode de procesare asamblate de roboți informaţii. Rezultatul procesării datelor inițiale este un model software al unei hărți fizice a zonei cu obstacole specificate, care este afișată în fereastra de animație (Fig. 11).

Fereastra ammaionym

* * ♦ . „-- »__„ J 1

, ® h ~ 1 "- G! „-| |

Orez. 11. Marcarea rutelor sigure și „neutralizarea” focarelor de infecție

Sursele și intensitatea contaminării chimice sunt afișate în fereastra corespunzătoare sub formă de cartogramă. În continuare, operatorului i se oferă posibilitatea de a selecta secvențial comenzile de control și, astfel, de a începe procesul de modelare a modurilor de operare corespunzătoare ale MRTS. La comanda „Inspecție”, roboții sunt distribuiți uniform în zona de lucru și măsoară

concentrația de substanțe toxice. Puncte în care concentrația depășește nivel admisibil, sunt marcate pe hartă și, pe baza rezultatelor măsurătorilor, se ajustează cartograma de infestare. Folosind comanda „Căutare rute sigure” în modul automat Se construiesc trasee de evacuare a personalului, iar la comanda „Marcare și Neutralizare” roboții sunt împărțiți în grupe în funcție de specializarea lor. Unii roboți se deplasează către focarele de infecție pentru a le neutraliza, în timp ce alți roboți sunt plasați de-a lungul rutelor de evacuare ca markeri (în Fig. 11 sunt echipați cu steaguri).

Sistemul robotizat multi-agent dezvoltat poate fi utilizat atât în ​​cazul accidentelor provocate de om la instalații periculoase din punct de vedere chimic, în condiții de radiație sau contaminare biologică (folosind echipamente speciale), cât și în eliminarea consecințelor diferitelor dezastre naturale.

Concluzie. Dezvoltarea roboticii intră într-o nouă etapă, când trecem de la sarcinile de control de la distanță a dispozitivelor robotizate mobile și manipulative la controlul de tip cooperativ, în care robotul devine un participant deplin la procesul de control - partenerul operatorului. În același timp, sarcina operatorului este semnificativ simplificată, care practic nu are nevoie pregătire prealabilă. Cu toate acestea, sistemul robotic în sine devine din ce în ce mai complex, având acum un grad ridicat de autonomie și posedând capacități care sunt clasificate drept inteligență artificială. Datorită acestui fapt, devine posibil să se rezolve o gamă mult mai largă de sarcini folosind dispozitive robotizate decât înainte. Problemele se bazează acum pe, pe de o parte, pe oportunități tehnologie informatică, care ar trebui să evalueze situația actuală și să controleze roboții mobili în timp real, ținând cont de viteze de mișcare destul de mari. Și pe de altă parte, în capacitățile psihofiziologice ale operatorului uman, însoțite de activitatea autonomă a roboților mobili în lumea exterioară. Dacă prima problemă este rezolvată treptat în cursul progresului tehnic, atunci a doua, din cauza limitărilor capacităților umane, necesită dezvoltarea constantă a interfeței „om-robot”, ținând cont de limitările sale psihologice.

LISTA BIBLIOGRAFICĂ

1. Kristensen S, Horstmann S., Klandt J., Lohner F. și Stopp A. Interacțiune prietenoasă cu oamenii pentru învățare și cooperare // Proceedings of the 2001 IEEE International Conference on Robotics and Automation, Seul, Korea, 2001. IEEE . - P. 2590-2595.

2. Gerasimov V.N., Mikhailov B.B. Rezolvarea problemei controlului mișcării unui robot mobil în prezența obstacolelor dinamice // Buletinul MSTU im. N.E. Bauman. Instrumentaţie. Număr special „Sisteme robotice”. - 2012. - Nr. 6. - P. 83-92.

3. Ulas C., Temeltas H. Multi-Layered Normal Distribution Transform for Fast and Long Range Matching // Journal of Intelligrnt & Robotic Systems. - 2013. - Vol. 71(1). - P. 85-108.

4. Gerasimov V.N. Algoritm SLAM bazat pe funcția de corelare // Robotică extremă: Culegere de rapoarte ale conferinței științifice și tehnice All-Russian.

Sankt Petersburg: Editura „Politekhnika-service”, 2015. - pp. 126-133.

5. Gerasimov V.N. Pe tema controlului mișcării unui robot mobil într-un mediu dinamic // Robotică și cibernetică tehnică. - 2014. - Nr. 1 (2).

6. Nister D., Naroditsky O., Bergen J. Visual odometry for ground vehicle applications // Journal of Field Robotics. - 2006. - Vol. 23(1). - P. 3-20.

7. Deviaterikov E.A., Mihailov B.B. Utilizarea datelor vizuale ale contorului de parcurs pentru întoarcerea autonomă a unui robot mobil într-un mediu fără puncte de referință fixe // Extreme Robotics: Collection of reports of All-Russian Scientific and Technical Conference. - Sankt Petersburg: Editura „Politekhnika-service”, 2015. - P. 356-361.

8. Devyaterikov E.A. Algoritm pentru descrierea traiectoriei unui robot mobil pe baza datelor vizuale ale contorului de parcurs pentru revenirea automată la operator // Știință și Educație. MSTU im. N.E. Bauman. - 2014. - Nr. 12. - P. 705-715.

9. Deviaterikov E.A., Mihailov B.B. Odometru vizual // Buletinul MSTU numit după. N.E. Bauman. Ser. Instrumentaţie. Număr special „Sisteme robotice”. - 2012. - Nr. 6.

10. Kandrashina E.Yu., Litvintseva L.V., Pospelov D.A. Reprezentarea cunoștințelor despre timp și spațiu în sisteme inteligente. - M.: Nauka, 1989. - 328 p.

11. Iuşcenko A.S. Dirijarea mișcării unui robot mobil în condiții de incertitudine // Mecatronică, automatizare și control. - 2004. - Nr. 1.

12. Iuşcenko A.S., Tachkov A.A. Sistem de control integrat pentru un robot de recunoaștere a incendiilor // Buletinul MSTU im. N.E. Bauman. Instrumentaţie. Număr special „Sisteme robotice”. - 2012. - Nr. 6. - P. 106-11.

13. Vorotnikov S.A., Ermishin K.V. Sistem de control inteligent pentru un robot mobil de service // Buletinul MSTU im. N.E. Bauman. Instrumentaţie. Număr special „Sisteme robotice”. - 2012. - Nr. 6. - P. 285-289

14. Melikhov A.N., Bernshtein L.S., Korovin S.Ya. Sisteme de consiliere situațională cu logică neclară. - M.: Știință: Fizmatlit, 1990. - 271 p.

15. Iuşcenko A.S. Controlul interactiv al roboților bazat pe logica neclară // Robotică extremă: colecție de rapoarte ale conferinței științifice și tehnice din întreaga Rusie. - Sankt Petersburg: Editura „Polytechnika-Service”, 2015. - P. 143-146.

16. Iuşcenko A.S. Planificare inteligentă în activitățile roboților // Mecatronică, automatizare, control. - 2005. - Nr. 3. - P. 5-18.

17. Zhonin A.A. Algoritm pentru formarea unui manager de dialog pentru un sistem de control al robotului de dialog vocal // Modele integrate și soft computing în inteligența artificială: colecție de lucrări științifice conferinta internationala. - M.: Fizmatlit, 2011. - P. 395-406.

18. Nazarova A.V., Ryzhova T.P. Metode și algoritmi pentru controlul multi-agent al unui sistem robotizat // Buletinul MSTU im. N.E. Bauman. Instrumentaţie. - 2012.

- Nr 6. - P. 93-105.

19. Jennings N., Paratin P., Jonson M. Utilizarea agenților inteligenți pentru a gestiona procesele de afaceri // Aplicația practică a agenților inteligenți și a tehnologiei multi-agenți: lucrările primului stagiar. Conferinţă. Londra (Marea Britanie). - 1996. - P. 345-376.

20. Kapustyan S.G. Algoritm pentru îmbunătățirea planului colectiv la rezolvarea problemelor de distribuție a obiectivelor într-un grup de roboți // Piece intelligence. - 2005. - Nr. 3. - P. 463-474.

21. Darintsev O.V. Sistem de control pentru o echipă de microroboți // Piece intelligence.

2006. - Nr. 4. - P. 391-399.

1. Kristensen S, Horstmann S., Klandt J., Lohner F. și Stopp A. Human-friendly interaction for learning and cooperation, Proceedings of the 2001 IEEE International Conference on Robotics and Automation, Seul, Coreea, 2001. IEEE, pp. 2590-2595.

2. Gerasimov V.N., Mihailov B.B. Reshenie zadachi upravleniya dvizheniem mobil"nogo robota pri nalichii dinamicheskikh prepyatstviy, Vestnik MGTU im. N.E. Baumana. Priborostroenie. Spetsvypusk "Robototekhnicheskie sistemy", 2012, nr. 6, pp. 83-92.

3. Ulas C., Temeltas H. Multi-Layered Normal Distribution Transform for Fast and Long Range Matching, Journal of Intelligent & Robotic Systems, 2013, Vol. 71 (1), pp. 85-108.

4. Gerasimov V.N. Algoritm SLAM na osnove korrelyatsionnoy funktsii, Ekstremal"naya robototekhnika: Sbornik dokladov vserossiyskoy nauchno-tekhnicheskoy konferentsii. Sankt Petersburg: Izd-vo "Politekhnika-servis", 2015, pp. 126-133.

5. Gerasimov V.N. K voprosu upravleniya dvizheniem mobil "nogo robota v dinamicheskoy srede, Robototekhnika i tekhnicheskaya kibernetika, 2014, nr. 1 (2), pp. 44-51.

6. Nist"er D., Naroditsky O., Bergen J. Visual odometry for ground vehicle applications, Journal of Field Robotics, 2006, Vol. 23 (1), pp. 3-20.

7. Deviaterikov E.A., Mihailov B.B. Ispol"zovanie dannykh vizual"nogo odometra dlya avtonomnogo vozvrashcheniya mobil"nogo robota v srede bez fiksirovannykh tochek otscheta, Ekstremal"naya robototekhnika: Sbornik dokladov vserossiyskoy nauchno-tekhnicheskoy konferentsii. Sf. Petersburg: Izd-vo „Politekhnika-servis”, 2015, pp. 356-361.

8. Devyaterikov E.A. Algoritm opisaniya traektorii mobil"nogo robota po dannym vizual"nogo odometra dlya avtomaticeskogo vozvrashcheniya k operatoru, Science i obrazovanie. MGTU im. N.E. Baumana, 2014, Nr. 12, pp. 705-715.

9. Devyaterikov E.A., Mihailov B.B. Vizual"nyy odometr, VestnikMGTU im. N.E. Baumana. Priborostroenie. Spetsvypusk "Robototekhnicheskie sistemy", 2012, nr. 6, pp. 68-82.

10. Kandrashina E.Yu., Litvintseva L.V., Pospelov D.A. Predstavlenie znaniy o vremeni i prostranstve v intellektual "nykh sistemakh. Moscova: Nauka, 1989, 328 p.

11. Iuşcenko A.S. Marshrutizatsiya dvizheniya mobil "nogo robota v usloviyakh neopredelennosti, Mekhatronika, avtomatizatsiya i upravlenie, 2004, nr. 1.

12. Iuşcenko A.S., Tachkov A.A. Integrirovannaya sistema upravleniya pozharnym razvedyvatel"nym robotom, Vestnik MGTU im. N.E. Baumana. Priborostroenie. Spetsvypusk "Robototekhnicheskie sistemy", 2012, nr. 6, pp. 106-11.

13. Vorotnikov S.A., Ermishin K.V. Intellektual "naya sistema upravleniya servisnym mobil"nym robotom , Vestnik MGTU im. N.E. Baumana. Priborostroenie. Spetsvypusk „Robototekhnicheskie sistemy”, 2012, nr. 6, pp. 285-289.

14. Melikhov A.N., Bernshteyn L.S., Korovin S.Ya. Situationnye sovetuyushchie sistemy s nechetkoy logikoy. Moscova: Nauka: Fizmatlit, 1990, 271 p.

15. IuşcenkoA.S. Dialogue upravlenie robotami na osnove nechetkoy logiki, Ekstremal"naya robototekhnika: Sbornik dokladov vserossiyskoy nauchno-tekhnicheskoy konferentsii. Sankt Petersburg: Izd-vo "Politekhnika-servis", 2015, pp. 143-146.

16. Iuşcenko A.S. Intellektual "noe planirovanie v deyatel"nosti robotov, Mekhatronika, avtomatizatsiya, upravlenie, 2005, nr. 3, pp. 5-18.

17. Zhonin A.A. Algoritmul obucheniya menedzhera dialoga rechevoy dialogovoy systemy upravleniya robotom , Integrirovannye modeli i myagkie vychisleniya v iskusstvennom intellekte: Sbornik nauchnykh trudov mezhdunarodnoy konferentsii . Moscova: Fizmatlit, 2011, pp. 395-406.

18. Nazarova A.V., Ryzhova T.P. Metody i algoritmy mul"tiagentnogo upravleniya robototekhnicheskoy sistemoy, Vestnik MGTU im. N.E. Baumana. Priborostroenie, 2012, nr. 6, pp. 93-105.

19. Jennings N., Paratin P., Jonson M. Utilizarea agenților inteligenți pentru gestionarea proceselor de afaceri, aplicarea practică a agenților inteligenți și a tehnologiei multi-agenți: lucrările primului stagiar. Conferinţă. Londra (Marea Britanie), 1996, pp. 345-376.

20. Kapustyan S.G. Algoritm kollektivnogo uluchsheniya plana pri reshenii zadach raspredeleniya tseley v gruppe robotov, Shtuchnyy intellect, 2005, nr. 3, pp. 463-474.

21. Darintsev O.V. Sistema upravleniya kollektivom mikrorobotov, intelectul Shtuchnyy, 2006, nr. 4, pp. 391-399.

Iuşcenko Arkadi Semenovici - Universitatea Tehnică de Stat din Moscova. N.E. Bauman (MSTU numit după N.E, Bauman); e-mail: [email protected]; 105037, Moscova, str. Izmailovskaya, 7; Centrul științific și educațional „Robotică” MSTU poartă numele. N.E. Bauman; doctor în științe tehnice; profesor.

Mihailov Boris Borisovici - Centrul științific și de formare „Robotică” MSTU. N.E. Bauman; doctorat; conf. univ

Nazarova Anaid Vartanovna - Centrul Științific și de Formare „Robotică” MSTU. N.E. Bauman, Ph.D.; conf. univ

Yuschenko Arkady Semenovich - Universitatea Tehnică de Stat Bauman din Moscova (BMSTU); e-mail: [email protected]; 7, str. Izmailovskaya, Moscova, 105037, Rusia; Centrul științific-educațional „Robototechnika” BMSTU; dr de ing. sc.; profesor

Mihailov Boris Borisovici - Centrul științific-educațional „Robototechnika” BMSTU, cand. de ing. sc.; conf. univ

Nazarova Anaid Vartanovna - Centrul științific-educațional „Robototechnika” BMSTU; cand. de ing. sc.; conf. univ

UDC 681.511.4+004.896:519.876.5

V.F. Guzik, V.A. Pereverzev, A.O. Pyavchenko, R.V. Saprykin

PRINCIPII DE CONSTRUCȚIE A UNUI PROGRAMATOR DE REȚEA NEURALĂ MULTI-DIMENSIONAL EXTRAPOLANT PENTRU UN SISTEM INTELIGENT PENTRU CONTROLUL POZIȚIEI-TRAIECTORII AL OBIECTELOR ÎN MIȘCARE*

Sunt luate în considerare principiile construirii unui planificator de rețele neuronale multidimensionale extrapolante (EMNP) pentru un sistem inteligent pentru controlul poziției-traiectorie a obiectelor în mișcare. Astfel, aici prezentăm rezultatele unui studiu al unei metode modernizate de planificare a rețelei neuronale a mișcării unui obiect robotizat în mișcare în raport cu spațiul multidimensional folosind principiul bionic al percepției mediului în condiții de incertitudine și prezența obstacolelor cu dinamica mișcării. Se propune utilizarea principiului ierarhic de construire a sistemelor de procesare a informațiilor ca principiu principal pentru structurarea și construirea EMNP, pe baza căruia este sintetizată structura ierarhică a unei rețele neuronale multidimensionale extrapolatoare complexe, propusă în articol. O astfel de rețea neuronală multidimensională se distinge prin prezența unor straturi separate destinate diferitelor etape de procesare a unui plan model al mediului obținut din sistemul de viziune tehnică a unui obiect robotizat în mișcare în condițiile menționate mai sus. Structura ierarhică a unei rețele complexe de tip neuron multidimensional se bazează pe principiile sintezei parametrice orientate pe obiecte, sinteza planurilor spațiale ale caracteristicilor ponderate ale poziției obiectelor.

Suntem destul de siguri că dronele nu vor apărea prea curând. Motivul pentru care atât de multe companii promit cu nerăsuflate că este chiar după colț este că roboții care vă livrează lucruri atunci când doriți, este o idee fantastică. Dronele par a fi o idee bună la început, deoarece zborul vă permite să ajungeți rapid într-un loc evitând obstacolele, iar oamenii au rămas blocați cu această idee de ani de zile, deoarece ar fi grozav dacă ați putea să o faceți să funcționeze.

Până acum nu a funcționat, dar asta nu înseamnă că roboții care livrează lucruri nu ar trebui să se întâmple. Și într-adevăr, consumatorilor nu le pasă dacă sunt livrați în mod special de o dronă aeriană autonomă, atâta timp cât își primesc lucrurile rapid și nu trebuie să-și schimbe pijamaua? Un startup numit Starship Technologies, cu birouri în Londra și Tallinn, Estonia, a anunțat crearea unui robot de livrare autonom care promite să facă tot ce poate face un rulou de dronă (și multe altele), cu excepția atât de la sol, cât și în mod realist la sol. de fapt.

Cum funcționează livrarea robotică Starship?

Starship Technologies, creat de doi co-fondatori Skype, Ahti Heinla (care este CEO și CTO) și Janus Fries, va introduce flote de roboți de livrare care sunt compacti, siguri, silențiosi și, cel mai important, cu picioarele pe pământ, sperând să se deschidă. noi oportunități pentru firmele de livrare, cum ar fi pachetele sau magazinele alimentare și creează un confort fără precedent și economii de costuri pentru indivizii. Robotul, care din câte îmi dau seama nu are nume, poate transporta echivalentul a două pungi de băcănie (aproximativ 10 kilograme) până la 5 kilometri de un hub local sau de un magazin cu amănuntul. Se mișcă în ritm și cântărește mai puțin de 20 kg când este complet încărcat, ceea ce înseamnă că va fi dificil pentru mașină să rănească accidental pe cineva. Bordurile și denivelările de pe drum nu sunt o problemă și se pare că pot urca și coborî unele seturi de scări. Software-ul integrat de prevenire a intruziunilor și evitarea obstacolelor îi permite să funcționeze în mare măsură independent, dar este și monitorizat de operatori care pot interveni pentru a asigura siguranța în orice moment.

Starship estimează că livrările sale robotizate vor costa de 10 până la 15 ori mai puțin decât alternativele actuale de livrare pe ultimul kilometru. Clienții vor putea alege dintre mai multe intervale de livrare scurte și precise, ceea ce înseamnă că articolele ajung la momentul potrivit, a spus compania. În timpul livrării, cumpărătorii pot urmări locația robotului în timp real prin intermediul aplicație mobilă, iar la sosire, numai proprietarul aplicației poate debloca încărcătura.

Nu spunem că a face acești roboți să funcționeze este ușor, neapărat: în timp ce dronele sunt comparativ periculoase, mai puțin fiabile, mai zgomotoase, mai scumpe, au sarcini utile limitate și sunt în prezent în limbul legal, roboții Starship vor trebui să rezolve tot felul de probleme. , pe care dronele fără pilot o evită complet. Aceste provocări includ găsirea de căi în jurul drumurilor și trotuarelor, navigarea în apropiere vehiculeși în jurul pietonilor și o interacțiune mai directă cu oamenii. În plus, GPS-ul nu este suficient de precis pentru a menține acești roboți pe trotuare, așa că vor trebui să folosească viziunea pentru a putea spune unde este sigur, bazându-se pe localizarea hărții de bază, așa cum fac mașinile autonome Google. Ei vor trebui să înțeleagă trecerile de pietoni și semafoarele. Ei vor trebui să asculte și să răspundă corect la sirenele vehiculelor de urgență. Și poate cel mai provocator dintre toate, ei vor trebui să descopere și să comunice cu oameni imprevizibili.

Cu toate acestea, suntem optimiști în acest sens, deoarece am văzut deja multe dintre tehnologiile necesare. Roboții au, în general, multă practică în navigarea sigură în oraș. Sunt excelente la evitarea obstacolelor, având suficient timp și date adecvate ale senzorului. Există conferințe întregi despre cum să faceți roboții să interacționeze eficient cu oamenii. Cel mai important, dacă oricare dintre aceste materiale eșuează, robotul se poate opri în siguranță și poate aștepta la infinit ca un om să intervină și să-l ajute, cu camere, difuzoare și microfoane permițând teleprezența completă și controlul de la distanță. Desigur, merită remarcat faptul că Aethon, Savioke și alte companii de robotică au făcut ceva foarte asemănător cu asta de ani de zile. Livrarea de articole care rătăcesc prin spitale, depozite și hoteluri prezintă diferite provocări: livrarea articolelor în timp ce rătăciți pe străzi, dar practic se folosesc tehnologii similare, iar faptul că aceste companii funcționează fiabil ne face să fim optimiști că și Starship va fi capabil.

Starship testează în mod activ prototipuri în acest moment, iar până anul viitor compania va derula două programe pilot: unul în Greenwich în East London și unul în Statele Unite.