Взаимодействие интеллектуальных робототехнических систем
Автор: Керимов Тимур Александрович, Решетников Андрей Геннадьевич, Николаева Алена Валериановна, Повидало Илья Сергеевич, Ноздрачев Андрей Владимирович, Ульянов Сергей Викторович
Журнал: Сетевое научное издание «Системный анализ в науке и образовании» @journal-sanse
Статья в выпуске: 1, 2015 года.
Бесплатный доступ
В статье рассматриваются варианты взаимодействия трех робототехнических систем. В качестве объектов управления выступают: робот-бармен, тележка с манипулятором и робот - перевернутый маятник. Рассматривается вариант взаимодействия робота - перевернутого маятника с роботом-барменом, а также перевернутого маятника и тележки с манипулятором.
Коллектив роботов, мультиагентная система, интеллектуальное управление, нечеткий регулятор, распознавание образов
Короткий адрес: https://sciup.org/14122622
IDR: 14122622
Текст научной статьи Взаимодействие интеллектуальных робототехнических систем
INTERACTION OF INTELLIGENT ROBOTIC SYSTEMS
Kerimov Timur1, Reshetnikov Andrey2,Nikolayeva Alyona3, Povidalo Ilya4, Nozdrachev Andrey5, Ulyanov Sergey6
1PhD student;
Dubna International University of Nature, Society and Man,
Institute of system analysis and management;
141980, Dubna, Moscow reg., Universitetskaya str., 19;
2PhD student;
Dubna International University of Nature, Society and Man,
Institute of system analysis and management;
141980, Dubna, Moscow reg., Universitetskaya str., 19;
2PhD student;
Dubna International University of Nature, Society and Man,
Institute of system analysis and management;
141980, Dubna, Moscow reg., Universitetskaya str., 19;
2PhD student;
Dubna International University of Nature, Society and Man,
Institute of system analysis and management;
141980, Dubna, Moscow reg., Universitetskaya str., 19;
-
2PhD student;
Dubna International University of Nature, Society and Man,
Institute of system analysis and management;
-
3Doctor of Science in Physics and Mathematics, professor;
Dubna International University of Nature, Society, and Man,
Institute of system analysis and management;
Введение
Одной из ключевых задач современной робототехнике является развитие технологий взаимодействия робототехнических систем. Современные подходы в решении данной задачи основываются на теории многоагентных систем [1] и теории роевого искусственного интеллекта [2]. Многоагентная система способна решать сложные динамические задачи по выполнению совместной работы, которая не могла бы выполняться каждым элементом системы в отдельности в разнообразных средах без внешнего управления, контроля или координации. Речь идет о сети слабо связанных между собой роботов, совместно работающих в целях решения задач, которые выходят за рамки индивидуальных возможностей. Различные узлы подобной системы, как правило, имеют различный уровень интеллектуализации (знания, алгоритмы, вычислительные базисы) и разные информационные ресурсы при проектировании. Каждый узел должен быть способен модифицировать свое поведение в зависимости от обстоятельств, а также планировать свои стратегии коммуникации и кооперации с другими узлами. Здесь показателями уровня кооперации являются: характер распределения задач, объединение различных информационных ресурсов и, конечно, возможность решения общей проблемы в заданное время.
Часто проводятся принципиальные различия между распределенным и децентрализованным искусственным интеллектом (рис. 1). Идеология распределенного решения задач предполагает главным образом разделение знаний и ресурсов между агентами и, в меньшей степени, распределение управления и властных полномочий; как правило, здесь постулируется наличие единого органа управления, обеспечивающего принятие решений в критических (конфликтных) ситуациях. Исходным объектом исследования является общая сложная проблема, для решения которой формируется группа агентов, строится общая концептуальная модель и вводятся глобальные критерии достижения цели.

Рис. 1. Классификация многоагентных систем [1]
В полностью децентрализованных системах управление происходит только за счет локальных взаимодействий между агентами. Здесь базовым объектом исследования оказывается уже не распределенное решение некоторой общей задачи, а деятельность автономного агента в динамическом многоагентном мире (а также координация деятельности различных агентов). При этом наряду с распределенными знаниями и ресурсами, описываются локальные задачи отдельных агентов, решаемые на базе локальных концептуальных моделей и локальных критериев.
Для возможности демонстрации взаимодействия были спроектированы макеты управления. Системы управления макетов функционируют на основе нейросетевых нечетких регуляторов разработанных на основе технологии, представленной в [3, 4, 5].
Рассмотрим кратко каждый объект управления.
Объекты управления
Перевернутый маятник. Данная система управления представляет собой динамически-неустой-чивый мобильный объект. Разработанная система интеллектуального управления позволяет роботу свободно перемещаться по различным поверхностям, таким как паркет, асфальт, линолеум, стол, а также дополнительно ставить на робота объекты различной тяжести, например, бокал, телефон и т.п.
Для возможности определения положения этой системы в пространстве используется система инфракрасных «маячков». На четыре угла корпуса робота установлены инфракрасные диоды. Отслеживая камерой двухмерные координаты светодиодов, и, зная точные расстояние между ними, можно вычислить расстояние и положение робота в трехмерном пространстве.
На рис. 2 представлена трехмерная модель перевернутого маятника.

Рис. 2. Трехмерная модель перевернутого маятника
Тележка с манипулятором. Данный объект представляет собой мобильную платформу с установленным на нее манипулятором с тремя степенями свободы. Также, для возможности ориентации в пространстве, на робот установлены две камеры: цветная Kinect и инфракрасная Wiimote . Для распознавания объектов взаимодействия робот использует систему распознавания образов, работающую в среде OpenCV . Система может свободно перемещаться в пространстве, распознавать различные объекты и использовать манипулятор для взаимодействия с ними.
Модель тележки представлена на рис. 3.

Рис. 3. Трехмерная модель тележки с манипулятором
Робот-бармен. Данный робот представляет собой манипулятор с четырьмя степенями свободы. Робот оснащен камерой, которая охватывает обзором поле рядом с манипулятором и системой распознавания контуров. Вместо захвата к манипулятору подведена трубка с жидкостью, которая хранится в бачке. Робот способен распознавать контуры емкостей, размещенных в рабочей области, и наполнять их какой-либо жидкостью.
На рис. 4 представлена трехмерная модель стационарного манипулятора.

Рис. 4. Трехмерная модель робота-бармена
Далее рассмотрим реализованные типы взаимодействия.
Удаленная связь между роботами
Для возможности реализации связи между роботами был реализован беспроводной интерфейс на основе технологии Bluetooth . Беспроводные приемо-передатчики установлены на каждую из робототехнических систем (рис. 5).

Рис. 5. Использование макетами технологии Bluetooth
Профиль соединения представляет собой последовательный порт. В процессе работы системы обмениваются между собой простейшими командами, такими как «двигайся вперед», «повернись налево», «повернись направо», «остановись», закодированными в символьном виде.
Дистанционная настройка с использованием «Оптимизатора Баз Знаний»
«Оптимизатор Баз Знаний» является инструментарием для разработки робастных баз знаний на основе решения одной из алгоритмически трудно решаемой задачи теории искусственного интеллекта - извлечения, обработки и формирования объективных знаний без использования экспертных оценок. В данном оптимизаторе используются три генетических алгоритма, которые позволяют спроектировать оптимальную структуру нечеткого регулятора, аппроксимирующего обучающий сигнал с требуемой ошибкой. Подробнее функции оптимизатора описаны в [3, 4, 5]. Одной из важных особенностей ОБЗ является дистанционная настройка объекта управления (рис. 6), когда интеллектуальная система управления настраивается с использованием самого объекта, независимо от его местонахождения, через беспроводную связь. Применение данной технологии, на примере робота-перевернутого маятника также рассматривается в [3-7].

Рис. 6. Схема соединения настраиваемого устройства и ОБЗ
Технология беспроводной настройки также была применена и роботу-тележке с манипулятором. Здесь интеллектуальная система управления используется для быстрого и точного перемещения к объекту распознавания, а ошибкой является отклонение от прямолинейного курса в условных единицах.
Взаимодействие перевернутого маятника и робота -бармена
На робот-перевернутый маятник устанавливается бокал, который является объектом распознавания для стационарного манипулятора. Перевернутый маятник определяет свое положение относительно робота-бармена с помощью инфракрасной камеры и «маячков» и, когда подается соответствующая команда, меняет свое местоположение и перемещается к манипулятору. Алгоритм взаимодействия представлен на рис. 7.
Когда перевернутый маятник оказывается в зоне видимости стационарного манипулятора (рис. 8), система распознавания определяет местоположение бокала и отправляет команду манипулятору наполнить его жидкостью (рис. 9).
Такое взаимодействие является типовым и его применение возможно в целом спектре задач. Кроме очевидных возможностей автоматизации кафе и баров, также возможна автоматизация множества производственных задач, таких как погрузка-разгрузка контейнеров, сортировка и т.п.

Рис. 8. Перевернутый маятник с бокалом в области видимости робота-бармена

Маятник в оп тимальном по-
Нет ------►
Отправка команды по перемещению маятнику
Определение положения бокала в поле рабочей области «бармена»
Перемещение манипулятора к бокалу и наполнение его жидкостью
Определение положения маятника относительно робота-бармена
Рис. 7. Алгоритм взаимодействия перевернутого маятника и робота-бармена

Рис. 9. Робот-бармен наливает жидкость в бокал, установленный на перевернутом маятнике
Взаимодействие перевернутого маятника и тележки с манипулятором
На перевернутый маятник также устанавливается бокал. Тележка с манипулятором имеет инфракрасную камеру, которая определяет относительное положение перевернутого маятника и начинает к нему движение по прямой. Команда на сближение также отправляется перевернутому маятнику. После сближения тележка, с помощью камеры Kinect и системы распознавания, определяет бокал и его местонахождение, после чего отправляется команда манипулятору, который выполняет захват объекта.
На рис. 10 представлен алгоритм взаимодействия тележки и перевернутого маятника. Сначала тележка находит в зоне видимости перевернутый маятник и определяет его положение. Если маятник повернут, то ему отправляется команда на разворот. Если маятник стоит ровно, то начинается взаимное движение навстречу. Когда дистанция становится оптимальна, в работу включается камера Kinect и происходит распознавание бокала, установленного на маятник. После распознавания бокала отправляются координаты и команда манипулятору на захват бокала.

Рис. 10. Алгоритм взаимодействия тележки с манипулятором и перевернутого маятника

Рис. 11. Тележка с манипулятором выполняет захват бокала с перевернутого маятника
Выводы
Развитие технологий проектирования взаимодействия агентов в многоагентных системах представляет как практический, так и научный интерес. Для возможности реализации таких систем в реальной среде необходимо, чтобы каждый агент имел встроенную интеллектуальную систему управления, т.к. при взаимодействии систем существует множество неучтенных параметров и прочих непредвиденных ситуаций, которые сильно влияют на результат такого взаимодействия. Рассмотренная в статье возможность использования интеллектуальной дистанционной настройки показала свою применимость для такого рода систем.
Разработанные варианты взаимодействия показывают возможности применения таких систем в широком спектре задач, таких как автоматизация складов и производств, автоматические заведения общественного питания, ликвидация последствий чрезвычайных происшествий и т.п. Главной особенностью многоагентной системы является синергетический эффект, возникающий от объединения нескольких робототехнических систем, когда результат взаимодействия намного превышает возможности каждого из роботов в отдельности.
Список литературы Взаимодействие интеллектуальных робототехнических систем
- Тарасов В.Б. От многоагентных систем к интеллектуальным организациям. - М.: Эдиториал УРСС, 2002. - С. 352.
- EDN: ZQQRPP
- Лебедев Б.К., Лебедев В.Б. Планирование на основе роевого интеллекта и генетической эволюции // Известия Южного федерального университета. - 2009. - №4. - Том 93.
- EDN: KUWJET
- Керимов Т. А., Решетников А. Г., Ульянов С. В. Интеллектуальное робастное управление динамически неустойчивым объектом. Ч.1: Удаленная настройка баз знаний на технологии мягких вычислений // Системный анализ в науке и образовании: электрон. науч. журнал. - Дубна, 2013. - № 4. [Электронный ресурс]. URL: http://sanse.ru/download/191.
- Керимов Т. А., Решетников А. Г., Ульянов С. В. Интеллектуальное робастное управление динамически неустойчивым объектом. Ч.2: Технологии квантовых вычислений // Системный анализ в науке и образовании: электрон. науч. журнал. - Дубна, 2013. - № 4. [Электронный ресурс]. URL: http://sanse.ru/download/192.
- Ульянов С.В., Решетников А.Г., Керимов Т.А. Дистанционная настройка базы знаний для интеллектуального управления автономным роботом на основе оптимизатора баз знаний. Ч1: технологии мягких вычислений // Системный анализ в науке и образовании: электрон. науч. журнал. - Дубна, 2013. - № 1. [Электронный ресурс]. URL: http://www.sanse.ru/download/156.
- Ульянов С.В., Албу В.А., Керимов Т.А., Решетников А.Г., Бархатова И.А. Программная поддержка дистанционной настройки баз знаний интеллектуальных регуляторов на технологиях квантовых мягких вычислений // Государственная регистрация программы для ЭВМ №2014618018, 07.08.2014.
- Ульянов С.В., Албу В.А., Керимов Т.А., Решетников А.Г., Бархатова И.А. Программная поддержка интеллектуальных регуляторов на основе технологий мягких и квантовых вычислений // Государственная регистрация программы для ЭВМ № 2014615608, 29.05.2014.