CC BY
69
Blinkov Alexey Pavlovich - e-mail: blinkov_ap@mail.ru; phone: +78127146822; division of defense research and development; head of department.
Kozhemyakin Igor Vladilenovich - e-mail: 1861vp@mail.ru; phone: +78127146822; division of defense research and development; head of division.
Shamanov Dmitry Nikolaevich - e-mail: shim@smtu.ru; phone: +78124952848; research division of advanced power installations; head of division.
УДК 007.52:004.896:004:942 DOI 10.23683/2311-3103-2019-1-49-61
В.К. Абросимов, М.В. Гайдин
ИМИТАЦИОННАЯ МОДЕЛЬ ФОРМИРОВАНИЯ СИТУАЦИОННОЙ ОСВЕДОМЛЕННОСТИ ГРУППОЙ АВТОНОМНЫХ РОБОТОВ В УСЛОВИЯХ ПОТЕНЦИАЛЬНЫХ УГРОЗ
Вопросы ситуационной осведомленности являются ключевыми во многих предметных областях-от оборонной сферы до сельского хозяйства. Цель исследования заключалась в создании модели, позволяющей имитировать процессы формирования информации ситуационной осведомленности о текущем состоянии выбранной географической области группой разнотипных и разносредовых автономных роботов, обладающих системами технического зрения и аппаратурой мониторинга местности, действующих коллективно на принципах самоорганизации. Предполагалось, что функционирование роботов может объективно ограничиваться как пассивными факторами (туман, дождь, снег, ночь и др.), так и активным воздействием противодействующих сил, приводящим к проблемам при решении задач, вплоть до их невыполнения. При разработке модели ставились и решались задачи распределения задач в группе роботов, поиска и оценки возможных угроз, формирования маршрутов с учетом ограничений местности и возможного противодействия, взаимодействия роботов друг с другом в интересах получения и предоставления необходимой информации и командной работы по формированию и использованию информации ситуационной осведомленности в исследуемой области пространства. Модель ситуационной осведомленности представляется в виде интернет-облака с заданной структурой контента и включает три основных раздела, описывающих текущее состояние роботов, состояние различных фрагментов области функционирования роботов и информацию от внешних систем. К этому облаку в режиме on-line могут обращаться все роботы группы как для получения, так и для размещения информации относительно своего состояния, состояния других роботов группы, наблюдаемых событий в выбранном и доступном средствам наблюдения робота фрагменте среды. Локальные правила самоорганизации формируются в модели по принципам интернета вещей путем организации взаимодействия по информации и управлению информационных и активных датчиков роботов и оказания помощи роботов друг другу в решении задач. Алгоритмы модели инвариантны к различным предметным областям. Модель легко трансформируется для различных сред-наземные и воздушные операции с использованием автономных роботов, функционирование роботов в акватории, под водой, льдом и др.
Группа; робот; управление; поведение; маршрут; имитация; модель; ситуационная осведомленность.
V.K. Abrosimov, M.V. Gaydin
SIMULATION MODEL OF THE SITUATIONAL AWARENESS FORMATION IN A GROUP OF AUTONOMOUS ROBOTS IN THE POTENTIAL THREATS
ENVIRONMENT
Issues of situation awareness are key in many subject areas from the defense sector to agriculture. The purpose of the study was to create a model that allows to simulate the processes formation of situation awareness information on the current status of a selected geographic area by a group of heterogeneous autonomous robots. They have technical capabilities and equipment for
monitoring of any territory. They using in different environments and acting on the principles of self-organization,. It was assumed that the functioning of the robots can be objectively limited passive factors (fog, rain, snow, night, etc.) and the active influence of opposing forces leading to obstacles in solving tasks, including their the non-fulfillment. In developing the model was raised and addressed questions on the distribution of tasks in a group of robots, search and evaluation of potential threats, formation of the routes subject to the limitations terrain and possible resistance, interaction of robots with each other for obtain and provision of necessary information and teamwork to the formation and use of situation awareness information in the study area of space. The situation awareness model is presented as an Internet cloud with a given content structure and includes three main sections describing the current state of robots, the state of various fragments of the functioning area of robots, and information from external systems. All the robots of the group can access online this cloud for receiving and placing information about their own state, the state other robots in the group, observable events in a selected fragment of the environment using robots monitoring systems. The local rules of self-organization form in according to the principles of the Internet of Things by way of organizing information/managing robots systems sensors interaction. Robots can assist to each other also. Algorithms of the model are invariant to different subject areas. The model is easily transforming for various environments — terrestrial and air operations using autonomous robots, the functioning of robots in the water area, underwater, ice, etc.
Group; robot; control; behavior; route; situation awareness; simulation; model.
Введение. Характерной особенностью современных организационно -технических систем управления является сетецентричность, которая заключается в сетевом подходе к построению систем. Сетецентричность в задачах, где функционируют территориально разнесенные автономные объекты управления, предопределяет наличие не только телекоммуникационных сетей, но также и сетевой архитектуры таких объектов при выполнении ими коллективных миссий и оперативном взаимодействии друг с другом по информации и управлению. Необходимым условием функционирования сетецентрических систем является ситуационная осведомленность. Согласно [1, 2] в этом понятии выделяются три основных элемента: а) формирование информации об окружающей ситуации во времени и пространстве; б) понимание значения ситуации и в) прогнозирование развития ситуации, собственных действий и действий других участников. Таким образом, модель ситуационной осведомленности необходимо включает: а) модели мониторинга состояния пространства функционирования объектов; б) модели распознавания возникающих ситуаций и в) модели прогнозирования.
Вопросам формирования ситуационной осведомленности в отечественной и зарубежной литературе уделяется определенное внимание. Тренды исследований в отечественной литературе направлены на отдельные вопросы: формирование моделей информационно-навигационных полей для обеспечения автономности [3], интеграции распределенных информационных и интеллектуальных ресурсов для поддержки прежде всего экспертной деятельности [4], информирования о текущем состоянии и прогнозирования критических событий в авиации [5]. В оборонных приложениях актуальным является создание моделей ситуационной осведомленности как организационных моделей управления знаниями на поле боя [6]. За рубежом, если исключить работы, связанные с анализом человеческого фактора, исследуются технические вопросы поддержки получения разнообразной информации. Так, в работе [7] предложено описывать ситуационную осведомленность в виде некоторой неубывающей дифференцируемой функции распределения плотности, характеризующей важность каждой точки пространства и степень ее неопределенности, а также предложена соответствующая децентрализованная адаптивная стратегия управления для задач повышения степени ситуационной осведомленности. В работе [8] описывается проект, в котором демонстрируются возможности получения информации ситуационной осведомленности для группы (ансамбля) роботов без получения такой информации для каждого робота. Интерес-
ный обзор методов измерения ситуационной осведомленности приведен в работе [9], где ситуационная осведомленность рассматривается для систем обороны: командования, управления, связи, компьютеров и разведки (C4i). В работе [10] рассмотрены вопросы обеспечения ситуационной осведомленности для акваторий, в том числе методы визуализации, обнаружение аномальной информации на основе правил, модель событий на основе онтологий для семантических рассуждений и др. Подчеркивается также, что ситуационная осведомленность необходима при решении задача патрулирования и мониторинга местности особенно в условиях существенной динамики исследуемого пространства [11].
В наиболее близкой к тематике данной работы книге [12] подчеркивается, что большинство моделей ситуационной осведомленности относятся к описательным. Частично это объясняется многообразием вопросов, которые надо рассматривать при формировании ситуационной осведомленности и различной методологией построения моделей сбора информации, распознавания ситуаций и их прогнозирования. Поэтому особенно актуальным является создание моделей ситуационной осведомленности, которые бы имитировали все связанные с этим понятием процессы.
Общие положения и допущения. На практике задачи ситуационной осведомленности тесно связаны с задачами мониторинга пространства. Принципиально возможны два основных подхода к формированию информации ситуационной осведомленности. В первом подходе вся исследуемая область максимально полно заполняется заранее имеющейся информацией, которая позже в процессе мониторинга корректируется. Такой подход является очень напряженным с точки зрения объемов и обновляемости информации, требует существенных ресурсов для своей реализации, может использоваться лишь тогда, когда в процессе решения роботами задач маловероятно возникновение критичных событий, а возникающие ситуации типовые и достаточно стабильные. Во втором подходе информация ситуационной осведомленности формируется лишь в тех фрагментах области, которые необходимы для функционирования группировки. По аналогии с известной концепцией "business on demand" такой метод можно условно рассматривать как "ситуационная осведомленность по требованию".
В разработанной модели имитируются коллективные действия группировки автономных роботов в реальном географически заданном регионе. Функционирование роботов может объективно ограничиваться как пассивными факторами (туман, дождь, снег, ночь, распутица и др.), так и активным воздействием противодействующих сил. Роботы могут быть разнотипными и разносредовыми. Разнотипность роботов предполагает, что они могут обладать различными характеристиками по движению, обнаружению препятствий и угроз, а также связи с другими объектами. Разносредовость роботов предполагает, что они могут действовать в разных средах-на суше, в воздухе, в акватории, под водой и др.
Предполагается наличие у каждого робота четырех основных систем:
♦ системы управления (Сontrol system-CS), реализующей выбранную или заданную индивидуальную и коллективную стратегию управления роботом;
♦ системы технического зрения (Vision system-VS), с тремя типами технических средств (оптическими, ультразвуковыми, инфракрасными), позволяющими получать соответствующую информацию о среде для безопасного передвижения в ней;
♦ системы информационного обеспечения (Information system-IS), также с тремя типами технических средств (радиолокационная станция, мощная оптика дальнего действия, тепловизор), позволяющими получать соответствующую информацию ситуационной осведомленности;
♦ системы движения (System of robot moving-SM) с датчиками, активизирующими функции движения робота: перемещение, маневр, остановку и др.;
♦ системы активного воздействия на среду (Active system-AS) с функцией активного воздействия на источник угрозы ( средство противодействия) и снижения за счет этого опасности нахождения робота в заданном фрагменте пространства.
Робот может быть простым и сложным. Сложный робот является платформой базирования нескольких разнотипных и разносредовых простых роботов. Каждый робот обладает возможностями и потребностями. Возможности робота определяются характеристиками перечисленных выше систем. Потребности робота в модели максимально упрощены и описываются запасом энергетики, необходимым для нахождения робота в активном состоянии.
При разработке модели предполагается, что роботам в процессе создания и предварительного обучения придается высокая степень автономности. В модели имитируется наличие у робота собственной стратегии поведения. Специальный алгоритм анализа коллективной задачи формирует группировку роботов, исходя из их возможностей по выполнению соответствующих ролей[13] и строит иерархию подчиненности роботов, допуская и самоорганизацию. Предполагается также, что роботы обучены в парадигме «помощи» друг другу и им присвоены статусы «робот-альтруист», «робот-эгоист», и «робот-прагматик»[14]. Робот, реализуя собственную стратегию, соотносит свое поведение и с коллективной стратегией поведения всей группы с приоритетом коллективной стратегии над индивидуальной.
В качестве типовой коллективной задачи моделируются действия группы разнотипных и разносредовых роботов по мониторингу заданного региона географической области с выявлением и устранением потенциальных угроз.
Общее описание модели. Модель ситуационной осведомленности представляется в виде интернет-облака (Situational Awareness - SAW-облако) с заданной структурой контента и включает три основных раздела.
Первый раздел R (Robot-робот) SAW-облака содержит сведения о состоянии роботов. Информация о каждом k-том роботе Rk представляется в виде кортежа:
Rk (t):= { Rol ek , Mk , (3k, sp (t) , sp ( t + 5x) , r^ (t) , Fk, , ак , цк, qk , vbK }
V к 6 K (1)
Здесь:
♦ Rolek - роль, выполняемая роботом. Для конкретных задач роли выбираются из таблиц, исходя из стандартных ролей, выполняемых роботами с учетом их возможностей и обученности;
♦ - маршрут движения робота в среде. Представляется в виде последовательности точек пространства, описываемых GPS-координатами;
♦ (Зк 6 [ 0, 1 ] - ценность робота для группировки. Ценность предоставляет возможность специально выделять роботов, имеющих значительную стоимость, обладающих повышенными возможностями по решению задач и др.;
♦ ( - прогнозируемая точка пространства, в которую перемещается робот к моменту t + 5т . Указанные данные необходимы для построения алгоритма исключения столкновений роботов в процессе решения задач;
♦ (t) - остаток текущих ресурсов робота к моменту времени t;
♦ Fk - множество функций (функционал) робота. Множество функций записывается в виде таблицы и является подмножеством множества ролей;
♦ - коэффициент, отражающий квалификацию и опыт робота. Используется в алгоритме назначения роботов на роли и позволяет учитывать уровень обученности робота действиям в нестандартных ситуациях, в частности, при потере связи;
♦ ак 6 [0, 1 ] - признак активности (работоспособности) робота. Позволяет роботу при решении коллективной задачи объявить другим роботам о возникших проблемах своего состояния;
♦ - степень готовности робота помощи другим объектам, сформированная при обучении. Формируется при обучении робота эмоциональному свойству «жертвенности» и вводит три градации «робот-альтруист», «робот-эгоист» и «робот-прагматик»;
♦ - специальные ресурсы, отражающие возможности робота влиять на среду, снижая степень ее враждебности;
♦ vbR 6 [0, 1 ] - уязвимость робота при попадании в опасную для функционирования область.
Все роботы в режиме on-line выкладывают в R-раздел облака свой статус в виде (1).
Второй раздел Е (Envirament-окружающая среда) SAW-облака обобщает и содержит информацию относительно истории, текущего и будущего состояния различных фрагментов пространства. С этой целью пространство функционирования роботов декомпозируется на сколь угодно малые пространственные фрагменты. В данной версии модели реализовано следующее простейшее описание фрагмента
s:={ijk,GP Ss ,Нs,As, е s,cp®, gs}6S. (2)
Здесь:
ijk - порядковый номер фрагмента (ниже фрагмент обозначается символом «s»);
G P S s - GPS координаты центра s-фрагмента;
Н s - выбранная форма s-фрагмента (в модели-элементарный "кубик");
As - размеры s-фрагмента;
es - событие, наблюдаемое или прогнозируемое в s-фрагменте;
фе — вероятность/возможность наступления события е s в s-фрагменте;
g s - степень потенциальной угрозы действиям робота в s-фрагменте.
Все роботы в режиме on-line выкладывают в Е-раздел получаемую средствами собственных информационных систем информацию вида (2).
Третий раздел P (Provision-обеспечение) SAW-облака обобщает информацию относительно внешних технических средств, которые могут предоставлять дополнительную информацию ситуационной осведомленности. В настоящий момент в модели не реализовано, но предусмотрено поступление в SAW-облако информации из внешних источников. При этом будут задаваться координаты точки нахождения внешнего средства, его возможности по получению информации о состоянии фрагментов в области, достоверность получения такой информации и др.
К разделам SAW-облака в режиме on-line могут обращаться все роботы из состава группы как для получения, так и для размещения информации относительно своего состояния, наблюдаемых событий в выбранном и доступном средствам наблюдения робота фрагменте среды.
Реализованные алгоритмы. В модели реализованы следующие алгоритмы.
1. Алгоритм распределения задач между роботами. В модели формируются две взаимосвязанные таблицы со списками роботов и задач. Возможности роботов по исполнению роли представляются метаинформацией. Каждой задаче ставятся в соответствие необходимые для ее выполнения роли. В модели реализована модификация алгоритмов, предложенных в работе [15], для назначения роботу задач, исходя из его возможностей по исполнению роли и его текущего местоположения с учетом имеющихся энергетических ресурсов.
2. Алгоритм поиска пути. Алгоритм реализует поиск субоптимального маршрута и основан на методологии «Anytime Dynamic A*» [16]. Для каждого робота отыскивается субоптимальный путь по критерию условной «стоимости пути» с учетом имеющихся на планируемой маршруте препятствий. Субоптимальность обеспечивает недопустимость противодействующей стороны (если она есть) спланировать путь робота и сформировать активное противодействие при движении по нему. В процессе прохождения маршрута при появлении ранее не учтенного препятствия алгоритм пересчитывает путь, обходя препятствие. Для большей точности практического моделирования реализован учёт кинематических ограничений на минимальный радиус поворота робота на основе кривых Дубинса [17].
3. Алгоритм распознавания угроз. Он основан на заблаговременно создаваемой базе данных, в которой есть два подраздела: объективных природных угроз и противодействующих угроз. Разработан перечень природных угроз, описываемый нечеткими характеристиками интенсивности. Имитация природных угроз осуществляется снижением характеристик систем технического зрения роботов до определенного уровня (при снижении более чем на 75% робот считается неработоспособным). Для распознавания противодействующих угроз используется база фото- и видео-образов наблюдаемых или обнаруживаемых на скрытом фоне объектов противодействия, каждому из которых поставлены в соответствие характеристики создаваемых угроз.
4. Алгоритм прогнозирования угроз. Он основан на заблаговременно создаваемой базе знаний, в которой совокупности средств потенциальных угроз поставлены в взаимно-однозначное соответствие их возможности по инициации различных событий в описываемой сектором (кругом, прямоугольником, эллипсом) зоне ответственности. Для прогнозирования угрозы используется вероятность нарушения работоспособности робота как функция расстояния между роботом и противодействующим средством, распределенная ( в данной версии модели) по равномерному закону. При задании средств противодействия перед началом моделирования или обнаружении средства данного типа в процессе моделирования фиксируется его местоположение и пересчитываются зоны опасности в соответствующих фрагментах области функционирования роботов. При прогнозируемом попадании робота по маршруту в зону ответственности таких средств прогнозируется нечеткая оценка возможности возникновения опасного или критичного для функционирования робота состояния с учетом его уязвимости.
5. Алгоритм «коллективизма». При прогнозировании или возникновении опасных или критичных ситуаций робот оценивает свои ресурсы и возможности по избежанию попадания в эти ситуации (например, за счет выбора нового маршрута) либо устранении их с использованием возможностей своей активной системы. Если таких возможностей нет, то он запрашивает информационные или активные возможности-сервисы других роботов. Для оказания помощи в модели имитируется непосредственное задействование роботов, обученных в парадигме «альтруист» и «прагматик».
Реализованные ограничения. Как основные, в модели учитываются ограничения географии местности - холмы, овраги, водные препятствия, лесные и горные массивы и др. Препятствия могут ограничивать как собственно движение робота по маршруту, так и возможности по получению информации для SAW-облака. В зависимости от возможностей роботов они либо преодолевают указанные препятствия, либо обходят их с on-line перевыбором и корректировкой маршрута во времени и пространстве.
В модели предусмотрена возможность временной потери связи между роботами. В этом случае для каждого робота формируется моментальная копия текущего состояния SAW-облака и далее он использует и автономно пополняет только ее. При появлении связи путем последовательного опроса всех роботов информация SAW-облака обновляется для всей группировки.
Стратегии поведения роботов. Стратегии поведения различных роботов по формированию области ситуационной осведомленности существенно зависят от занимаемой им или назначенной ему роли. Типовая индивидуальная стратегия робота заключается в сборе информации, доступной его информационным средствам по пути следования по заданному маршруту и наполнении соответствующих разделов SAW-облака. Если роботу необходима информация, которая его техническим средсвам недоступна, но ему необходима, то робот формулирует запрос всей группе, содержащий постановку задачи, требуемое время ее решения, полноту и достоверность получаемых оценок. Аналогичные запросы могут быть направлены и внешним системам. Если же робот получает запрос на помощь извне, то в силу парадигмы коллективизма, закладываемой при обучении [18], он оценивает свои возможности по получению информации и предоставляет собственные информационные и активные возможности нуждающемуся роботу.
Однако, вне зависимости от выполняемой роли, у всех роботов есть общая часть стратегии поведения. Она состоит в следующем:
1. Получить задание на выполнения задачи в заданной точке области.
2. Выбрать собственную стратегию поведения, исходя из полученной роли.
3. Разработать маршрут движения.
4. Определить, анализируя географию местности, возможность перехода в очередную точку маршрута. Если на пути встречаются новые неучтенные ранее ограничения-скорректировать маршрут.
5. Реализуя собственную стратегию поведения и следуя по маршруту, пополнять фрагменты SAW-облака обновленными данными, полученными с использованием системы технического зрения.
6. Определить вероятность угроз в прогнозируемой точке маршрута на следующем шаге с использованием информации SAW-облака. Если угроз нет, двигаться в очередную точку маршрута.
7. Если угроза есть, то оценить возможности своей активной системы по устранению угрозы или корректировке маршрута для избежания угрозы.
8. Если возможно скорректировать маршрут для избежания угрозы - скорректировать маршрут. Если активная система позволяет воздействовать на источник угрозы - воздействовать на средство противодействия и снизить уровень угрозы. Если нет- обратиться за помощью к другим роботам.
9. Если получено обращение помощи другим роботам - в рамках обученной парадигмы оценить собственные возможности и ресурсы по оказанию помощи. Если такие ресурсы есть - скорректировать при необходимости маршрут и оказать помощь.
10. После устранения угрозы-следовать далее по маршруту. Если угроза не устранена - вернуться в исходную точку, следуя обратным маршрутом.
В модели предусматривается изменение стратегий роботов в зависимости от ряда факторов. Так, например, на сложного робота возложена транспортная роль: он должен выйти в заданную зону для обеспечения доставки беспилотного летательного аппарата, обследующего зону с целью обнаружения угроз. Но по данным SAW-облака в процессе движения вероятность воздействия на данный робот увеличивается. Если он слишком ценен для группировки ( (Зк —1 ) ,а коэффициенты, отражающие квалификацию и опыт других роботов группы незначительны
CPk < 0 . 2 5 ) , то задача мониторинга может быть перепоручена двум-трем простым роботам с другими характеристиками эффективности мониторинга, но сравнимыми с характеристиками беспилотника.
Взаимодействие роботов. Для имитации взаимодействия роботов в модели реализованы принципы Интернета вещей [18]. Предполагается, что на практике датчики CS,VS и IS систем одних роботов могут управлять датчиками CS, IS, SM и AS систем других роботов (например, путем взаимодействия в LPWAN-среде [19]). В представленной версии модели такое взаимодействие имитируется стандартной логикой «если..., то...». Таким образом, робот, с одной стороны, самостоятельно реализует собственную стратегию поведения, а с другой - может становиться «исполнительным устройством» для другого, имеющего более высокий ранг либо степень обученности.
В модели имитируется инфраструктура взаимодействия разнотипных роботов, между которыми при необходимости с различной долей возможности возникают и ликвидируются разнообразные связи. В этом контексте модель условно имитирует наличие в группе свойства самоорганизации, как оно описывается положениями работы [20]. Действительно, с одной стороны, образование этих связей обусловлено решением коллективной задачи и целенаправленно. С другой - процессы образования новых связей носят спонтанный, заранее неизвестный характер. Так, пополнение данных облака RIS «ситуационной осведомленности» может приостановиться вследствие потери связи между роботами или активности средств противодействия. Вновь возникающие события (например, возникновение новых, ранее непроявленных/необнаруженных/неразведанных средств противодействия) существенно изменяет содержание смысловых разделов облака RIS «ситуационной осведомленности» и, как правило, требует адаптации к текущей ситуации и оперативной корректировки стратегий поведения роботов. Поэтому, процессы самоорганизации в модели происходят за счёт перестройки существующих и образования новых связей между роботами, а сами связи имеют не жёсткий а вероятностный (возможностный) характер.
Программная реализация модели. Программная реализация модели выполнена на алгоритмическом языке С++ в среде Windows. Интерфейс общения пользователя с моделью выполнен как дружественный диалог с системой поддержки и оповещения о выполняемых действиях и встречаемых при решении задачи ограничениях.
Пользователю предоставляются следующие возможности:
1. Загрузить условную или реальную карту географического региона Z.
2. Создать и расставить в требуемом исходном состоянии в выбранном Z-регионе M простых и N сложных роботов с n £ N >1 , базирующихся на них простых роботов.
3. Задать временные и иные характеристики влияющих негативных факторов (степень тумана, продолжительность дождя, ночные условия функционирования роботов, противодействующие активные средства с соответствующими возможностями создания угроз и др.)
4. Задать коллективную задачу для созданной группировки в виде получения целенаправленной или максимально возможной информации о выбранной области исследуемого пространства.
5. Получить разнообразные справочные данные:, характеристики CS,VS, IS, SM, и AS систем роботов, высота функционирования (для воздушных роботов) и др.
Модельный пример. На рис. 1 представлен скриншот экрана компьютера (с поясняющими надписями) при запросе пользователем состояния в одном из фрагментов исследуемого пространства (обозначен белым кружком и символом Z).
На скриншоте отображен конечный результат имитации многочисленных действий разнотипных и разносредовых роботов, формирующих и использующих информацию SAW-облака.
Кратко опишем эти процессы.
Пользователь запросил из SAW-облака информацию о состоянии в области Z. Первоначальный запрос показал неопределенность состояния в запрашиваемой области. Сформирована коллективная задача получения информации о состоянии в заданной точке. Исходя из потенциальных возможностей (наличия необходимых измерительных средств) для решения задачи были выбраны четыре робота: два простых наземных №№ 1, 2 и сложный наземный № 3, на котором базируется малый воздушный робот № 4. Все роботы выработали собственные стратегии поведения.
Робот № 1, обученный в парадигме «альтруист» - следовать в исследуемую точку с учетом препятствий на проложенном пути (занята роль «разведчик», состояние «Активные дейвстия»).
Робот № 2, обученный в парадигме «прагматик» - ожидать развития событий, оставаясь в резерве (занята роль «резервный»).
Робот № 3, обученный в парадигмой «эгоист» - доставить в окрестность исследуемой точки Робота 4 (занята роль «транспорт»).
Робот № 4 - ждать указаний (занята роль «разведчик», состояние «Ожидание задачи»).
Рис. 1. Действия группы роботов по получению коллективной информации SA W-облака о состоянии фрагмента исследуемой области «Z»
После запуска решения задачи:
♦ Робот 1, имея проложил маршрут на местности с учетом наличия моста через реку.
♦ Робот 3 запросил имеющуюся информацию SAW-облака и выбрал маршрут, исходя из наличия зоны безопасного нахождения.
♦ Роботы 1 и 3 начали движение по рассчитанным маршрутам.
♦ В процессе моделирования произошли следующие события:
♦ Событие 1. Ухудшение погоды и сильный ливень. Зоны видимости средств технического зрения всех роботов уменьшены на 25 %.
♦ Событие 2. Робот № 1, встретил на пути ранее неучтенное препятствие (П1-разрушенный наводнением мост) (точка А). Указанное привело к ситуации невозможности выполнения им задачи. Робот 1 запросил помощи Робота № 2 в решении задачи обследования области Z и начал обратное движение в исходное положение по уже прошедшему маршруту следования, продолжая поставлять информацию в SAW-облако.
♦ Робот № 2, оценив свои возможности, принял решение оказать помощь, проложил маршрут к цели, проверил отсутствие угроз на маршруте и начал движение в область Z.
♦ Робот № 3, остановился в точке В и выдал команду на реализацию программы Робота № 4. Робот 4 начал движение в область Z.
♦ Событие 3. Робот №1, следуя обратно по своему маршруту в исходную точку, обнаружил ранее неучтенное препятствие П2 ( овраг-оползень вследствие дождя), информацию о котором передал в SAW-облако.
♦ Событие 4. Робот № 2 с учетом вновь поступившей информации о препятствии П2, в режиме on-line в точке С изменил маршрут, объезжая препятствие.
♦ Событие 5. В процессе движения Роботов №№ 1, 2 и 4 была нарушена связь.
♦ Роботы № 1,2 и 4, сформировав индивидуальные моментальные копии текущего состояния SAW-облака, продолжили движение: робот № 1 - в исходное состояние, роботы 2 и 4 - в область Z.
♦ Событие 6. У Робота №2 в точке E возникла неисправность и он прекратил движение. В силу отсутствия связи его состояние для остальных роботов осталось неизвестным.
♦ Воздушный робот № 4 обследовал заданную точку Z, зафиксировал ситуацию в ней и возвратился на Робот № 3. Робот № 3 начал обратное движение в исходное положение.
♦ Событие 6. Связь восстановилась. Робот № 3 передал информацию в SAW-облако о состоянии в точке А. В SAW-облаке сформирован сигнал тревоги о неисправном состоянии Робота № 2.
Таким образом, группа разнотипных и разносредовых роботов решила коллективную задачу по получению информации о состоянии в выбранной области пространства, взаимодействуя друг с другом, исходя из своих возможностей, оказывая помощь друг другу в условиях объективных помех.
Заключение. Задачи обеспечения максимально полной ситуационной осведомленности ставятся в различных предметных областях. Процесс формирования ситуационной осведомленности состоит сборе и обработке информации о событиях, происходящих или могущих произойти в некоторой области пространства, распознавания ситуаций, обусловленных такими событиями, прогнозирования ситуаций и оценки последствий принимаемых решений. Формирование информации ситуационной осведомленности может быть обеспечено формированием и использованием сети разнотипных и разносредовых роботов, действующих коллективно, обладающих системами технического зрения и техническими средствами обнаружения угроз, а также за счет внешних систем, обеспечивающих функционирование группы.
В работе представлена программная модель, которая позволяет имитировать процессы формирования ситуационной осведомленности в недружественной среде в процессе коллективных действий группировки разнотипных и разносредовых роботов, функционирующих на принципах самоорганизации и Интернета вещей.
Модель легко адаптируется для решения конкретных практических задач на земле, в акватории, в воздухе, прежде всего при решении задач мониторинга местности. Практический опыт свидетельствует о том, что наиболее важным при адаптации является построение двух баз: базы данных, содержащих образы противодействующих объектов, представляющих угрозы, и базы знаний, позволяющей прогнозировать последствия влияния таких угроз.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Mica R. Endsley. Situation Awareness Misconceptions and Misunderstandings // Journal of Cognitive Engineering and Decision Making. - 2015. - Vol. 9, No 1. - P. 4-32. DOI: 10.1177/1555343415572631.
2. Mica R. Endsley. Designing For Situation Awareness: CRC Press, CRC Press Taylor & Francis Group. 2016. - 333 p.
3. Massel L. V., Ivanov R.A., Possibility of application of Situational Awareness in energy research // Proceedings of the Workshop on Computer Science and Informational Technologies (CSIT-2010), Russia, Moscow - St. Petersburg, September 13-19. - 2010. - Vol. 1. - P. 185-187.
4. Рудианов Н.А., Хрущев В.С., Рябов А.В., Носков В.П. Использование полуавтономных боевых и обеспечивающих роботов для повышения ситуационной осведомленности // Научные труды 3 ЦНИИ МО РФ, Кн. 24. - М.: Изд-во 3 ЦНИИ МО РФ, 2013. - С. 193-196.
5. Кербер О.Б., Начинкина Г.Н., Солонников Ю.И., Шевченко А.М. Методы улучшения ситуационной осведомленности экипажа воздушного судна на взлетно-посадочных режимах // Авиакосмическое приборостроение. - 2016. - № 5. - С. 33-47.
6. Короленко В.А., Синявский В.К.. Верещагин С.И., Гочиев НХ. Парадигма сетецентриче-ского управления и ее влияние на процессы управления войсками. - Режим доступа https://docplayer.ru/39861245-Paradigma-setecen1richeskogo-upravleniya-i-ee-vliyanie-na-processy-upravleniya-voyskami.html.
7. Cheng S.,Gang F., Yuan F.,Yong W. Decentralized adaptive awareness coverage control for multi-agent networks // Automatica. - 2011. - Vol. 47. - P. 2749-2756.
8. Pinciroli C., Bonani M., Mondada F., Dorigo M. Adaptation and Awareness in Robot Ensembles: Scenarios and Algorithms, in M. Wirsing et al. (eds.): Collective Autonomic Systems, LNCS 8998. - 2015. - P. 471-494.
9. Salmon P., Stanton N.A., Walker G.H., & Green, D. Situation awareness measurement: A review of applicability for C4i environments // Applied Ergonomics. - 2016. - Vol. 37 (2).
- P. 225-238. DOI: 10.1016/j.apergo.2005.02.001.
10. Situation Awareness With Systems Of Systems. - Springer-Verlag New York. 2013. - 270 p.
11. Швец Е.А. Разработка моделей картирования и патрулирования коллективом беспилотных наземных роботов, использующих техническое зрение и эхолокацию: Автореф. дисс. ... канд. техн. наук: [Место защиты: Ин-т проблем передачи информации им. А.А. Харкевича РАН]. - 2016. - 139 с. - Режим доступа: http://iitp.ru/upload/content/ 1327/synopsis.pdf.
12. A Cognitive Approach to Situation Awareness: Theory and Application, Simon Banbury (Editor), Routledge, London. - 2st ed. 2016. - 356 p.
13. Abrosimov V. Role Allocation in a Group of Control Objects // in Recent Developments in Intelligent Nature-Inspired Computing, Chapter 10, Heidelberg: Springer-Verlag, IGI Global, 2017. - P. 206-224.
14. Abrosimov V. The Property of Agent's Sacrifice: Definition, Measure, Effect and Applications // International Journal of Reasoning Based Intelligent Systems. - 2016. - Vol. 8, No.
- P. 76-84.
15. Каляев И.А., Капустян С.Г., Усачев Л.Ж., Метод решения задач распределения целей в группе БЛА сетецентрической системой управления // Известия ЮФУ. Технические науки. - 2016, - № 12 (185). - С. 55-70.
16. Likhachev M., Ferguson D., Gordon G., Stentz A., Thrun T., Anytime Dynamic A*: An Anytime, Replanning Algorithm // Proceedings of the Fifteenth International Conference on Automated Planning and Scheduling (ICAPS 2005), June 5-10, 2005, Monterey, California, USA.
17. Savla K., Frazzoli E., Bullo F. Traveling Salesperson Problems for the Dubins Vehicle // IEEE Transactions on Automatic Control. - Jul. 2008. - Vol. 53, No. 6. - P. 1378-1390.
18. Абросимов В.К., Мочалкин А.Н. Роботы как объекты управления в ландшафте интернета вещей // Труды II-й Военно-научной конференции «Роботизация Вооруженных Сил Российской Федерации». - М., 2017. - C. 93-98.
19. Шешалевич В.В. LPWAN-низкопотребляющие сети большого радиуса действия // Связь для Интернета вещей. Безопасность информационных технологий. - 2017. - Т. 24, № 3. - C. 7-17.
20. Каляев И.А., Гайдук А.Р., Капустян С.Г. Самоорганизация в мультиагентных системах. // Известия ЮФУ. Технические науки. - 2010. - № 3 (104). - С. 14-20.
REFERENCES
1. Mica R. Endsley. Situation Awareness Misconceptions and Misunderstandings, Journal of Cognitive Engineering and Decision Making, 2015, Vol. 9, No 1, pp. 4-32. DOI: 10.1177/1555343415572631.
2. Mica R. Endsley. Designing For Situation Awareness: CRC Press, CRC Press Taylor & Francis Group. 2016, 333 p.
3. Massel L.V., Ivanov R.A., Possibility of application of Situational Awareness in energy research, Proceedings of the Workshop on Computer Science and Informational Technologies (CSIT-2010), Russia, Moscow - St. Petersburg, September 13-19, 2010, Vol. 1, pp. 185-187.
4. Rudianov N.A., Khrushchev V.S., Ryabov A.V., Noskov V.P. Ispol'zovanie poluavtonomnykh boevykh i obespechivayushchikh robotov dlya povysheniya situatsionnoy osvedomlennosti [The use of semi-Autonomous combat and providing robots to increase situational awareness], Nauchnye trudy 3 TSNII MO RF [Scientific papers 3 TSNII MO RF]. Book 24. Mщысщц: Izd-vo 3 TSNII MO RF, 2013б зз. 193-196.
5. Kerber O.B., Nachinkina G.N., Solonnikov Yu.I., Shevchenko A.M. Metody uluchsheniya situatsionnoy osvedomlennosti ekipazha vozdushnogo sudna na vzletno-posadochnykh rezhimakh [Methods of improving situational awareness of the aircraft crew on takeoff and landing], Aviakosmicheskoepriborostroenie [Aerospace instrumentation], 2016, No. 5, pp. 33-47.
6. Korolenko V.A., Sinyavskiy V.K.. Vereshchagin S.I., Gochiev N.Kh. Paradigma setetsentricheskogo upravleniya i ee vliyanie na protsessy upravleniya voyskami [Paradigm of network-centric control and its influence on the processes of command and control]. Available at: https://docplayer.ru/39861245-Paradigma-setecentricheskogo-upravleniya-i-ee-vliyanie-na-processy-upravleniya-voyskami.html.
7. Cheng S.,Gang F., Yuan F.,Yong W. Decentralized adaptive awareness coverage control for multi-agent networks, Automatica, 2011, Vol. 47, pp. 2749-2756.
8. Pinciroli C., Bonani M., Mondada F., Dorigo M. Adaptation and Awareness in Robot Ensembles: Scenarios and Algorithms, in M. Wirsing et al. (eds.): Collective Autonomic Systems, LNCS 8998, 2015, pp. 471-494.
9. Salmon P., Stanton N.A., Walker G.H., & Green, D. Situation awareness measurement: A review of applicability for C4i environments, Applied Ergonomics, 2016, Vol. 37 (2), pp. 225-238. DOI: 10.1016/j.apergo.2005.02.001.
10. Situation Awareness With Systems Of Systems. Springer-Verlag New York. 2013, 270 p.
11. Shvets E.A. Razrabotka modeley kartirovaniya i patrulirovaniya kollektivom bespilotnykh nazemnykh robotov, ispol'zuyushchikh tekhnicheskoe zrenie i ekholokatsiyu: Avtoref. diss. ... kand. tekhn. nauk [Development of models of mapping and patrolling by a team of unmanned ground robots using technical vision and echolocation: autoabstract cand. of eng. sc. diss.],
2016, 139 s. Available at: http://iitp.ru/upload/content/1327/synopsis.pdf.
12. A Cognitive Approach to Situation Awareness: Theory and Application, Simon Banbury (Editor), Routledge, London. 2st ed. 2016, 356 p.
13. Abrosimov V. Role Allocation in a Group of Control Objects, in Recent Developments in Intelligent Nature-Inspired Computing, Chapter 10, Heidelberg: Springer-Verlag, IGI Global,
2017, pp. 206-224.
14. Abrosimov V. The Property of Agent's Sacrifice: Definition, Measure, Effect and Applications, International Journal of Reasoning Based Intelligent Systems, 2016, Vol. 8, No. pp. 76-84.
15. Kalyaev I.A., Kapustyan S.G., Usachev L.Zh. Metod resheniya zadach raspredeleniya tseley v gruppe BLA setetsentricheskoy sistemoy upravleniya [The method of solving the problems of distribution of targets in the group of UAV network-centric control system], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2016, No. 12 (185), pp. 55-70.
16. Likhachev M., Ferguson D., Gordon G., Stentz A., Thrun T., Anytime Dynamic A*: An Anytime, Replanning Algorithm, Proceedings of the Fifteenth International Conference on Auto-matedPlanning and Scheduling (ICAPS 2005), June 5-10, 2005, Monterey, California, USA.
17. Savla K., Frazzoli E., Bullo F. Traveling Salesperson Problems for the Dubins Vehicle, IEEE Transactions on Automatic Control, Jul. 2008, Vol. 53, No. 6, pp. 1378-1390.
18. Abrosimov V.K., Mochalkin A.N. Roboty kak ob"ekty upravleniya v landshafte interneta veshchey [Robots as objects of control in the landscape of the Internet of things], Trudy II-y Voenno-nauchnoy konferentsii «Robotizatsiya Vooruzhennykh Sil Rossiyskoy Federatsii» [Proceedings of the II Military-scientific conference "Robotization of the Armed Forces of the Russian Federation"]. Moscow, 2017, pp. 93-98.
19. Sheshalevich V.V.LPWAN-nizkopotreblyayushchie seti bol'shogo radiusa deystviya [LPWAN-low-power long-range networks], Svyaz' dlya Interneta veshchey. Bezopasnost' informatsionnykh tekhnologiy [Communication for the Internet of things. Information technology security], 2017, Vol. 24, No. 3, pp. 7-17.
20. Kalyaev I.A., Gayduk A.R., Kapustyan S.G. Samoorganizatsiya v mul'tiagentnykh sistemakh [Self-organization in multi-agent systemsy, Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2010, No. 3 (104), pp. 14-20.
Статью рекомендовал к опубликованию дтн профессор А.Н. Райков.
Абросимов Вячеслав Константинович - Главный Научно-исследовательский испытательный Центр робототехники Министерства Обороны РФ (ГНИИЦРТ); e-mail: avk787@yandex.ru; 121609, г. Москва, Осенний бульвар, 10, к. 2 , кв.787; тел.: +79168153512; д.т.н.; с.н.с.
Гайдин Максим Вадимович - ООО Научно-производственная компания "Сетецентриче-ские платформы"; e-mail: sozercatel@lenta.ru; 121610, г.Самара, Московское шоссе, 17, офис 2203; тел.: +79081364259; программист.
Abrosimov Viacheslav Konstantinovich - Research and Testing Robotics Center, Ministry of Defense of the Russian Federation; e-mail: avk787@yandex.ru; 121609, Moscow, Osenny blvrd, 10/2-787; phone: +79168153512; dr. of eng. sc.; senior scientist.
Gaydin Maxim Vadimovich - SEC "Network-Centric Platform Ltd; e-mail: sozercatel@lenta.ru; 121610, Samara, Moskovskoe sh., 17, office 2203; phone: +79081364259; programmer.
УДК 623 DOI 10.23683/2311-3103-2019-1-61-74
А.Р. Гайдук, А.Н. Каркищенко, В.Х. Пшихопов О ВЛИЯНИИ РТК ВН НА ЭФФЕКТИВНОСТЬ ИСПОЛЬЗОВАНИЯ ВВТ*
Рассматривается задача оценки влияния способа применения ВВТ на их результативность. С этой целью проводится сравнение эффективности индивидуального применения ВВТ с их эффективностью при использовании в составе робототехнических комплексов военного назначения. С применением методов исследования операций рассматриваются столкновения нескольких боевых единиц при их несовместных и совместных действиях. При этом используются опубликованные ранее, известные математические модели бое-столкновений нескольких боевых единиц двух противоборствующих сторон. Установлено, что при совместных действиях нескольких боевых единиц возникает системный (синерге-тический) эффект. Он заключается в том, что реализованный боевой потенциал совокупности нескольких ВВТ при их совместном использовании оказывается выше, чем при несовместном использовании тех же ВВТ. Этот эффект обусловлен тем, что при несовместных действиях совокупность ВВТ проявляет себя как множество, а при совместных дей-
* Исследование выполнено при финансовой поддержке Южного федерального университета в рамках научного проекта № ВнГр-07/2017-19.
