Научная статья на тему 'Мульти-агентные робототехнические системы и нейросетевые технологии'

Мульти-агентные робототехнические системы и нейросетевые технологии Текст научной статьи по специальности «Автоматика. Вычислительная техника»

374
113
Поделиться
Ключевые слова
СИСТЕМЫ ИНТЕЛЛЕКТУАЛЬНОГО УПРАВЛЕНИЯ / СЕТЕВЫЕ И НЕЙРОСЕТЕВЫЕ АГЕНТЫ / МУЛЬТИАГЕНТНЫЕ ТЕХНОЛОГИИ

Аннотация научной статьи по автоматике и вычислительной технике, автор научной работы — Тимофеев Адиль Васильевич

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.

Похожие темы научных работ по автоматике и вычислительной технике , автор научной работы — Тимофеев Адиль Васильевич,

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.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Текст научной работы на тему «Мульти-агентные робототехнические системы и нейросетевые технологии»

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.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

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-.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

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.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

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]:

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

♦ 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. . . , -

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

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.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

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.