CC BY
329
управление (МАУ-2009): Материалы Междунар. науч.-техн. конф. Т. 2. - Таганрог: Изд-во ТТИ ЮФУ, 2009. - С. 190-194.
Каляев Игорь Анатольевич
-
Южного федерального университета.
E-mail: kaliaev@mvs.tsure.ru.
347928, г. Таганрог, ул. Чехова, 2.
Тел.: 88634360376, 88634615459.
Капустин Сергей Григорьевич
E-mail: kap@mvs.tsure.ru.
Гайдук Анатолий Романович
Технологический институт федерального государственного образовательного учреждения высшего профессионального образования «Южный федеральный университет» в г. Таганроге.
E-mail: gaiduk_2003@mail.ru.
347928, г. Таганрог, пер. Некрасовский, 44.
.: 88634315494.
Kalyaev Igor Anatol’evich
Scientific research institute of multiprocessor computing systems of SFU.
E-mail: kaliaev@mvs.tsure.ru.
2, Chehova Street, Taganrog, 347928, Russia.
Phone: 88634360376, 88634615459.
Kapustyan Sergey Grigor’evich
E-mail: kap@mvs.tsure.ru.
Gaiduk Anatoliy Romanovich
Taganrog Institute of Technology - Federal State-Owned Educational Establishment of Higher Vocational Education “Southern Federal University”.
E-mail: gaiduk_2003@mail.ru.
44, Nekrasovskiy, Taganrog, 347928, Russia.
Phone: 88634315494.
УДК 528.8
A.B. T имофеев
МУЛЬТИ-АГЕНТНЫЕ РОБОТОТЕХНИЧЕСКИЕ СИСТЕМЫ И ИЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИИ*
Рассматривается основы теории и перспективы развития мульти-агентных робототехнических систем. Описываются интеллектуальные и нейросетевые технологии групповой навигации, сетевого управления и параллельной обработки информации и разрешения конфликтов в прикладных задачах.
Системы интеллектуального управления; сетевые и нейросетевые агенты; мульти-.
A.V. Timofeev
* Работа выполнена при поддержке грантов РФФИ № 09-08-00767-а, РФФИ № 08-08-12183-офи и РФФИ-ГФЕН Китая 10-08-91159 и Проекта № 1.6 Программы № 1 Президиума РАН.
MULTIAGENT ROBOTIC SYSTEMS AND NEURAL NETWORK TECHNOLOGIES
Theory bases and development perspectives for multi-agent robotic systems are considered. Intelligent and neural technologies of group navigation, neural control and parallel processing of information and conflict resolution in applied problems are described.
Intelligent control systems; network and neural agents; multi-agenttechnologies.
1. Интеллектуализация систем управления и навигации роботов. В последние годы важное значение приобретает развитие принципов интеллектуального управления роботами, интеграции систем управления движением, навигации и функциональной диагностики, а также создание теории мульти-агентных робототехнических систем (МАРС).
Принцип интеллектуального управления роботами основывается на использовании элементов искусственного интеллекта (ИИ) [1-5]:
♦ моделирование среды (препятствий) на основе локальной сенсорной информации или средств виртуальной реальности;
♦
известными или неизвестными препятствиями;
♦ распознавание образов и функциональная диагностика.
Одним из наиболее эффективных средств распараллеливания процессов об-
( ).
в [6-12] методы интеллектуального и нейросетевого управления нашли применение в различных областях.
2. Мульти-агентные робототехнические системы. На практике роботы обычно интегрируются в мульти-агентные робототехнические системы (МАРС) для совместного достижения общих целей и решения сложных задач. При этом возникают новые проблемы группового управления и коммуникации, связанные с организацией “коллективного” поведения роботов. Традиционно эти проблемы решались на основе централизованного или децентрализованного управления.
Компромиссный подход заключается в сетевом управлении и групповой на.
мехатронные агенты МАРС, локальные БД и БЗ и могут оперативно обмениваться информацией [4, 5].
Принцип действия MAPC основывается на декомпозиции общей задачи на ряд локальных задач, возлагаемых на агентов-роботов, распределении этих задач , , -модействия агентов на основе кооперации, реконфигурации, коммуникации и разрешения конфликтных ситуаций [4, 5].
Задачи стратегического уровня обычно возлагаются на специального агента,
. -
навигации значительно увеличивается надёжность, адаптивность и быстродействие МАРС в изменяющейся среде с препятствиями. В последние годы были разработаны основы теории управления МАРС и информационная технология мульти-агентной бесконфликтной навигации коллектива роботов, функционирующих в изменяющейся среде с препятствиями [4-6]. В частности, были предложены методы групповой навигации и управления коллективным движением роботов-агентов
( ).
3. Мульти-агентное управление информационными потоками в МАРС. Совершенствование МАРС связано с развитием методологии автоматизации, адаптации и интеллектуализации систем сетевого управления информационными
( ),
сложных объектов управления с переменной структурой, методов оптимизации процессов маршрутизации информационных потоков и принципов адаптивного и интеллектуального управления трафиком с использованием мульти-агентных технологий и протоколов нового поколения (1Ру6 и др.). На этом новом пути возможен как учет реальной динамики ТКС, т.е. фактического состояния или изменения структуры (топологии) и параметров (весов каналов связи) ТКС в реальном време-, -ринга и функциональной диагностики ТКС [4-6].
Основные функции обработки информации, самоорганизации и управления информационными потоками по запросам внешних агентов распределяются между , -ты. Архитектура этих внутренних сетевых агентов аналогична архитектуре ТКС. В этом проявляется фрактальность сетевых и нейросетевых агентов по отношению к ТКС и ее подсетям.
Нейросетевые агенты предназначены прежде всего для параллельной передачи и обработки сложных мультимедийных сигналов и образов (2Б- или ЗБ-изображения и т.п.). В результате обучения по множеству прецедентов из обучающей БД осуществляется настройка архитектуры (топологии сетевых нейронов) и параметров (синаптических весов) нейронных агентов на решаемую задачу [4-6, 10-12]. В последнее время разработаны модели нейросетевых агентов для адаптивной маршрутизации (агенты-маршрутизаторы) и автоматической классификации ЖБВ-сайтов на естественном (русском) языке (агенты-классификаторы). Программная реализация и имитационное моделирование этих агентов свидетельствует об их эффективности и преимуществах по отношению к традиционным информационным технологиям.
Важное значение для эффективного распознавания образов и диагностики состояний в реальном времени представляют гетерогенные полиномиальные (ПНС) с самоорганизующейся архитектурой, которые аккумулируют «нейрообразы» и решающие (классифицирующие и идентифицирующие) правила и обеспечивают массовый параллелизм, хорошую экстраполяцию и высокое быстродействие при принятии оптимальных или субоптимальных решений [6-10].
Коллективное использование гетерогенных ПНС в качестве НС-агентов позволяет дополнительно распараллелить и распределить между локальными НС-агентами процессы решения сложных (глобальных) задач распознавания обра-, , -ной маршрутизации информационных потоков.
4. Логические методы и нейросетевые технологии распознавания сложных изображений и сцен. Использование логических описаний образов позволяет свести задачи распознавания сложных изображений и интеллектуального анализа сцен к поиску логического вывода в исчислении предикатов. При этом решаются в МАРС три типа задач распознавания образов [9-10]:
♦ идентификация объекта из заданного класса на сложном изображении или ЗБ-сцене;
♦ классификация всех объектов на сложном изображении или ЗБ-сцене;
♦
ЗБ-сцене.
Для увеличения эффективности поиска предлагается иерархический способ формирования таких логических описаний. Нейросетевое представление иерархических логических описаний образов и решающих правил обеспечивает массовый параллелизм и высокое быстродействие при распознавании сложных изображений и интеллектуальном анализе сцен [9-12].
Предложенные логические методы и нейросетевые технологии успешно использовались для интеллектуального зрения роботов в МАРС при решении следующих прикладных задач [2, 3, 20, 25]:
♦ оценка потенциальной террористической опасности людей и предметов на вокзалах;
♦
средств, движущихся вблизи газопроводов [9-11].
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. ТимофеевЛ.В. Роботы и искусственный интеллект. - М.: Наука, 1978. - 192 с.
2. Тимофеев А.В. Адаптивные робототехнические комплексы. - J1.: Машиностроение, 1988. - 332 с.
3. Timofeev A. V. Intelligent Control Applied to Non-Linear Systems and Neural Networks with Adaptive Architecture. - Journal of Intelligent Control, Neurocomputing and Fuzzy Logic, 1996. V. 1. - № 1. - P. 1-18.
4. Тимофеев AM. Мульти-агентное и интеллектуальное управление сложными робототехническими системами. Юбилейный сборник “Теоретические основы и прикладные задачи интеллектуальных информационных технологий”, посвящённый 275-летию РАН и 20-летию СПИЙ РАН. - СПб.: СПИИРАН, 1999. - С. 71-81.
5. . . , -
циональной диагностики автоматических систем. Ч. I, Ч. II. Мехатроника, автоматизация, управление. - 2003. - № 5. - 2004. - № 2.
6. . ., . .
нейромодулей супер-макро-нейрокомпьютера с программируемой архитектурой.
- Доклады АН, 1984. Т. 337. - № 2. - С. 180-183
7. . . -
сти. - Доклады АН, 1995. Т. 345. - № 1. - С. 32-35.
8. . ., . . -коммуникационных системах с изменяющейся динамикой. - М.: Изд-во «Новые технологии», 2005. - С. 85.
9. Timofeev A. V. Parallel Structures and Self-Organization of Heterogeneous Polynomial Neural Networks for Pattern Recognition and Diagnostics of States. - Pattern Recognition and Image Analysis, 2007. Vol. 17. - № 1. - P. 163-169.
10. Timofeev A.V., Azaletskiy P.S., Myshkov P.S., Kesheng Wang. Neural Network System for Knowledge Discovery in Distributed Heterogeneous Data. - Knowledge Enterprise: Intelligent Strategies in Product Design, Manufacturing, and Management. Vol. 207, 2006. - P. 144-151.
11. . ., . . -знавание сложных образов. - Нейрокомпьютеры: разработка и применение, 2007.
- № 6. - С. 30-33.
12. . ., . . -
работки информации // Известия вузов. Приборостроение, 2005. Т. 48. - № 7. - С. 35-40.
Тимофеев Адиль Васильевич
Учреждение Российской академии наук Санкт-Петербургский институт информатики и автоматизации РАН.
E-mail: tav@iias.spb.su.
199178, г. Санкт-Петербург, 14-я линия, д. 39.
Тел.: 88123280421.
Timofeev Adil Vasilievich
Institution of the Russian Academy of Sciences St. Petersburg Institute for Informatics and Automation of RAS.
E-mail: tav@iias.spb.su.
14-th Line, 39, St. Petersburg, 199178, Russia.
Phone: 88123280421.
