Содержание к диссертации
Введение
Глава 1. Робототехника в современном мире 11
1.1 Автономные роботы 12
1.2 Типы автономных роботизированных систем 14
1.2.1 Программируемые автоматические роботы 14
1.2.2 Непрограммируемые автоматические роботы 15
1.2.3 Адаптивные роботы 16
1.2.4 Интеллектуальные роботы 17
1.3 Команда роботов 18
1.4 Сферы применения мульти-робототехнических систем 21
1.4.1 Мониторинг, поиск и спасение 21
1.4.2 Патрулирование и разведка 23
1.5 Колонии роботов 25
1.6 Сравнение MRS и SRS систем 27
1.7 Области применения SRS 30
1.8 Выводы 35
Глава 2. Методы синтеза мульти-роботизированных систем 36
2.1 Архитектуры мульти-робототехнических систем 37
2.1.1 Централизованные архитектуры 37
2.1.2 Иерархические архитектуры 38
2.1.3 Гибридные архитектуры 38
2.1.4 Децентрализованные архитектуры 40
2.2 Методы координации командной работы 40
2.2.1 Алгоритмы координации действий роботов 45
2.3 Особенности коммуникации в команде роботов 49
2.3.1 Потребность в коммуникации 49
2.3.2 Затраты на передачу информации 50
2.3.3 Способы коммуникации 50
2.3.4 Организация информационных обменов 52
2.4 Методы распределения задач в MRS 54
2.4.1 Детерминированное распределение задач 55
2.4.2 Самоорганизующиеся системы 59
2.5 Выводы 61
Глава 3. Имитационная модель системы управления транспортными роботами 63
3.1 Структура имитационной модели в среде AnyLogic 64
3.2 Основные классы имитационной модели 67
3.2.1 Класс «Main» 67
3.2.2 Класс «TaskGenerator» 67
3.2.3 Класс «ControlSystem» 69
3.2.4 Класс «Base» 70
3.2.5 Класс «Target» 72
3.2.6 Класс «RobotsC» 72
3.2.7 Класс «RobotsDec» 75
3.2.8 Класс «Experiment» 77
3.3 Системы распределения задач 78
3.4 Оценка функциональности модели 81
3.5 Описание тестового примера 88
3.6 Выводы 89
Глава 4. Натурное и имитационное моделирование системы управления транспортными роботами 90
4.1 Модель транспортного робота на основе ARDUINO 90
4.1.1 Коммуникация внутри системы 90
4.1.2 Управление движением роботов 92
4.1.3 Нахождение пути к заявке 95
4.1.4 Реализация механизмов распределения задач 101
4.2 Сравнение результатов моделирования и натурных испытаний 104
4.3 Расширение функционала модели 106
Заключение 108
Список литературы 110
Приложение 120
Команда роботов
Мобильность роботов обеспечивает им возможность взаимодействия не только с окружающей средой и объектами деятельности, но и с другими роботами. Большое количество работ посвящено изучению алгоритмов взаимодействия роботов при выполнении общей задачи, например [6]. В последнее время для описания совместной работы команды роботов используют термин мульти-роботизированные системы (MRS). При этом наибольший интерес вызывают вопросы их работы в средах с высокой динамикой, определяемой не только изменчивостью самой среды, но и теми последствиями, которые возникают в результате воздействия на неё самих роботов.
В общем случае MRS может быть определена как совокупность роботов, выполняющих свою работу в общей среде. При этом сами роботы могут быть как простейшими системами с минимальным набором сенсоров, позволяющим им проводить мониторинг среды, так и интеллектуальными человекоподобными конструкциями, способными взаимодействовать с даже с людьми.
Следует отметить, что сложность задачи управления командой роботов определяется уровнем их мобильности и автономности. Остановимся на этих параметрах несколько подробнее. Мобильность в пространстве дает возможность роботам изменять свое положение по отношению к объекту своей деятельности. Если речь идет о перемещении на плоскости, то это система с двумя степенями свободы. Для команды роботов число степеней свободы прямо пропорционально числу ее членов, что является важным фактором, определяющим сложность задачи централизованного управления. Автономность робота характеризуется его способностью принимать решение без взаимодействия с общим центром управления. Это снижает нагрузку на систему управления, переводя ее в децентрализованный режим работы, но приводит к необходимости взаимодействия роботов не только с окружающей средой, но и с другими роботами для предотвращения возможых конфликтов и обеспечения эффективности совместной деятельности.
Поскольку мобильные роботы являются сложным техническим объектом, большинство исследовательких работ посвящено решению инженерных задач, связанных с совершенствованием их параметров. К ним относятся надежность, эффективность, производительность, мобильность. Использование MRS позволяет упрощать решение некоторых из них. Например, с точки зрения надёжности, команду из N одинаковых по функционалу роботов можно рассматривать как систему с N-кратным резервированием. А команда из N разных по функционалу роботов способна повысить эффективность по сравнению с единым многофонкциональным устройством.
Рост популярности MRS базируется на постоянном совершенствовании их аппаратных и программных компонентов. Функционально сложные, компактные и точные сенсоры способствуют повышению уровня автономности отдельных роботов, а беспроводные технологии связи дают возможность коммуникации в команде. Новые возможности дают роботам такие устройства как оптические и инфракрасные камеры, лидары, компактные радиолокаторы. В сочетании с технологиями компьютерного зрения они обеспечивают надежные решения задач позиционирования и локализации при движении по пересеченной местности, распознавания объектов. Конечно, это не позволяет автоматически решить все проблемы, возникающие при роботе роботов в команде, но значительно усиливает интерес к подобным исследованиям, поскольку эффективность решения общей задачи множеством маленьких мобильных устройств может быть улучшена при правильной координации их действий [7].
Ещё одним важным аспектом, оказывающим существенное влияние на возможности MRS, является их энергообеспеченность, определяющая продолжительность автономной работы каждого члена команды. В большинстве случаев речь идет об аккумуляторных батареях. Новые технологии и материалы позволяют увеличить их ёмкость без значительного повышения массы. Однако стоимость таких решений достаточна высока, поэтому меры по повышению ёмкости сочетаются с технологиями ускоренной зарядки аккумуляторов. Эти тенденции можно проследить на примере эволюции электрических автомобилей. Существуют и интересные решения по беспроводной передаче энергии, но пока их применяют для источников с маленькой мощностью, например, в беспроводных сенсорных сетях, или на ограниченном расстоянии – система быстрой зарядки электротранспорта в Пекине. Отметим ещё один аспект, определяющий важность непрерывного обеспечения энергией всех членов команды роботов. Это в большей степени относится к децентрализованному управлению, при котором работа выполняется путем координации действий всех роботов. Если хотя бы один их них приостанавливает работу на время зарядки аккумулятора, порядок действий остальных должен быть изменен. Такой вид управления значительно сложнее реализовать без резервирования, приводящего к снижению эффективности и дополнительным затратам.
Существуют и группы исследователей, для которых занятия робототехникой яыляются хобби. Они разрабатывают роботов для участия в командных соревнованиях, например, RoboCup2 и AAAI, в ходе которых проходят практическую проверку различные стратегии командного взаимодействия. Стратегия команды победительницы внимательно изучается соперниками, что определяет непрерывный прогресс в этой области.
Представленные примеры показывают, что процесс проектирования командных робототехнических систем значительно отличается от проектирования единичных роботов. В MRS на первый план выходят принципы командной работы, которые должны учитывать и окружение, в котором будет производиться работа, и внутреннюю архитектуру системы. В работе [8] представлен обзор подходов к организации MRS и перспективы исследований в этой области.
Области применения SRS
Со времени появления робототехники роя было опубликовано множество работ, содержащих примеры эффективного использования колоний роботов и подтверждающих их привлекательность в нескольких потенциальных областях применения.
В работе [29] авторы выделяют несколько областей, которые, по их мнению, значительно выиграют от использования SRS.
Складская логистика. Использование колоний роботов может радикально изменить складскую отрасль. Например, роботы Kiva, используемые Amazon на своем складе для перевозки грузов, осуществляют навигацию, сканируя штрих-коды на полу. Большая гибкость в движении и, следовательно, повышение производительности могут быть достигнуты, если роботы могут точно определить свое местоположение в трёхмерном пространстве. Исследователи из института Фраунгофера работают над тем, чтобы сделать складских роботов умнее и эффективнее, позволяя им общаться и сотрудничать, подобно муравьям в их колонии. Вместо того, чтобы иметь центральный узел для управления движениями всех роботов, как в случае с Kiva, они предлагают использовать колонию автономных роботов, которые могут совместно решать задачу распределения логистических заявок между всеми членами колонии. Выше было отмечено, что стратегия принятия решений в SRS может быть изменена, но только при инициализации, а не во время выполнения работы. Сегодня складская логистика является наиболее успешной областью для SRS.
Вспомогательные системы в здравоохранении (AALS). Члены колонии автономных роботов могут перемещаться по больничным коридорам и перевозить лекарства, медицинские принадлежности и аппараты от одного пункта к другому, уменьшая нагрузку на практикующих врачей и вспомогательный персонал больниц. Это весьма востребованная услуга, особенно в период эпидемий, подобных коронавирусной инфекции. По данным Национального центра образования медицинских работников (NHCPE), к 2025 году число пожилых людей в Индии увеличится до 12% от общего числа населения страны. Им необходимо оказывать профилактическую, лечебную и реабилитационную помощь, что является другим важным направлением потенциального использования SRS в медицине. Экономически эффективные системы AALS, могут обеспечить пожилым людям возможность самостоятельного существования в быту, значительно повысить качество их жизни. Именно SRS, а не дорогие MRS роботы могут внести существенный вклад в системы гериатрической помощи для улучшения здоровья и психологического благополучия пожилых пользователей, обеспечивая дружеское общение с ними. Эти роботы могут следить за перемещениями пожилых людей, находиться рядом с ними и выполнять функции компаньонов и помощников для них. Если такие роботы поддерживают режим видеосвязи, то эта функция может быть использована как для помощи пожилым людям в общении с удаленным врачом или родственником, так и для оперативной связи со службой экстренной помощи в случае чрезвычайной ситуации.
Поисковые и спасательные миссии требуют, чтобы количество роботов в колонии могло изменяться в соответствии с масштабом операции. В случае аварийной ситуации на первом этапе только несколько дежурных роботов могут инициировать проведение поисково-спасательной операции, а большее количество роботов может быть введено в SRS по мере расширения зоны поиска (рис. 8).
В работе [30] авторы оценили потенциал использования роя автономных роботов в качестве средства первоначального реагирования при стихийных бедствиях. Роботы могут искать выживших и предоставлять соответствующую информацию службе защиты или другому персоналу для выполнения поисково-спасательных работ. Они могут делать это до тех пор, пока область не будет полностью исследована. В таких приложениях рабочая нагрузка может изменяться со временем, и поэтому масштабируемые и экономически эффективные системы, такие как SRS, являются идеальным выбором для этих приложений. Исследователи разработали SRS с использованием роботов, названных «s-bots», и продемонстрировали самосборку роботов для формирования цепочечной структуры. Посредством формирования подходящих структур, была продемонстрирована возможность использования «s-bots» в спасательной миссии путем перетаскивания объекта из одной точки в другую на горизонтальной поверхности. Такое поведение характерно для поисково-спасательных операций, в которых объект не только нужно обнаружить, но и переместить в безопасное место. В SRS крупный объект может транспортироваться группой небольших простых роботов путем формирования их них подходящей конструкции. Сообщество крошечных колесных роботов может создавать платформы для перемещения тяжелых грузов или пересекать траншею путем формирования цепной структуры.
Сельское хозяйство. Робототехника сможет оказать положительное влияние на повышение урожайности сельскохозяйственных культур и снижение себестоимости продукции за счет точной оценки состояния земельных угодий. Европейский координационный центр по развитию открытой робототехники (ECHORD) предлагает исследовательским консорциумам финансирование для разработки робототехнических решений для реальных задач в сельском хозяйстве (рис. 9). SRS для мониторинга сельскохозяйственных приложений (SAGA) - это совместный исследовательский проект, финансируемый ECHORD, целью которого является разработка систем децентрализованного мониторинга и картографирования сельскохозяйственных полей, обнаружение мест заросших сорняками. Используя принципы роевой робототехники, группа небольших беспилотных летательных аппаратов (БПЛА) может быть использована для проведения мониторинга полей сахарной свеклы и близко расположенных к ним частных посадок картофеля, которые представляют для них серьезную угрозу, поскольку картофель распространяет фитофтороз и способствует распространению вредных почвенных нематод. Поэтому очень важно точно определить наличие посадок картофеля, чтобы своевременно провести процедуры борьбы с болезнями и вредителями. В частности, очень важно определить, когда и на каких участках сельхозугодий проводить прополку. В настоящее время задача планирования таких работ требует постоянного и трудоемкого мониторинга.
Рой роботов может также использоваться для охраны урожая на полях, внутреннего и наружного мониторинга теплиц, выполнять периодическую или событийную обработку растений, уменьшая таким образом затраты человеческого труда и одновременно повышая урожайность сельскохозяйственных культур [31].
Оценка функциональности модели
Гибридная модель позволяет проводить количественную оценку влияния различных факторов на эффективность работы команды транспортных роботов. Для этого в ходе симуляции фиксируются ключевые значения и по ним строятся гистограммы.
В ходе симуляций пользователь может изменять такие параметры модели как:
- количество роботов;
- скорость движения роботов;
- интенсивность потока заданий;
- задержка при выборе задачи или задержка при захвате заявки (это относится только к роботам, работающим в децентрализованной системе управления).
На рисунке 24 показано начальное состояние имитационной модели. В этом примере размер рабочего поля составляет 45 на 45 метров. Задания появляются на рабочем поле случайным образом, а роботы выполняют операции погрузки и выгрузки. В левой части представления анализируется работа команды роботов с централизованным управлением, а в правой части – с децентрализованным. Параметры модели одинаковы для обеих систем за исключением временного интервала выбора задачи. Это время тратят только роботы децентрализованной системы на голосование.
На рисунке 25 показано одно из состояний имитационной модели. Для всех роботов заданы начальные позиции. Они отображаются прямоугольниками синего цвета вне зоны движения. Красным цветом выделены роботы в активном состоянии, а серым в состоянии ожидания. Прямоугольники желтого цвета показывают расположение текущих заявок. На рисунке один из роботов стоит на базе, второй обслуживает заявку, третий движется к заявке, а четвертый ожидает поступления заявки.
В моделируемой транспортной системе в качестве критерия эффективности используется время ожидания - время между появлением заявки и началом ее обслуживания. Полученные результаты моделирования отображаются в виде гистограмм, что упрощает их последующий анализ [73].
Левая гистограмма на представлении показывает распределение времени ожидания назначения исполнителя, а правая гистограмма -распределение времени ожидания до прибытия исполнителя. Для расчета времен ожидания используется следующие формулы:
T5 = t2- tt, T7 = t3- tt, где:
T5 - время ожидания назначения исполнителя;
Т7 - время ожидания до прибытия исполнителя;
t± - время появления заявки;
t2 - время назначения заявке исполнительного робота;
t3 - время прибытия робота на место погрузки.
Сначала установим следующие значения параметров модели:
- количество роботов - 4;
- скорость перемещения роботов - 0,33 м/с;
- задержка между появлениями заданий - треугольное распределение (45; 50; 55) с;
- задержка при выборе задачи - 0,3 с.
Время погрузки и разгрузки груза при моделировании не учитывается, поскольку основная задача исследований заключается в сравнении стратегий управления, а эти параметры оказывают одинаковое влияние на обе стратегии. При необходимости эти времена могут быть легко добавлены в модель.
Проведем симуляцию модели, и после выполнения 500 заявок получим результаты, представленные в виде гистограмм для каждой системы. На рисунке 26 представлены гистограммы для централизованной системы управления.
Сравнив полученные результаты, можно сделать вывод об их идентичности для централизованной и децентрализованной систем. Отличие составляет 0,3 секунды, что соответствует времени голосования роботов.
Изменим значения параметров модели, увеличив интервал времени между поступлением заявок: – количество роботов – 4;
– скорость перемещения роботов – 0,33 м/с;
– задержка между появлениями заданий – треугольное распределение (50; 55; 60) с; – задержка при выборе задачи – 0,3 с. Рис.28 Результаты для централизованной системы
Проведем симуляцию модели. Ниже на рисунках 28 и 29 представлены гистограммы, построенные по результатам работы модели с измененными параметрами.
При снижении интенсивности потока заявок качество обслуживания предсказуемо увеличивается – снижается время ожидания заявкой назначения исполнителя. Это изменение незначительно, поскольку и изменение интенсивности входного потока составило только 10%.
Увеличим теперь скорость движения роботов до 0,5м/с. Задержка между появлениями заданий – треугольное распределение (45; 50; 55) секунд; Полученные результаты представлены на рисунках 30 и 31.
Расширение функционала модели
Разработанная гибридная модель позволяет проводить не только количественную оценку влияния различных факторов на эффективность работы колонии транспортных роботов, но и экспериментировать со стратегией управления. В частности, при децентрализованном управлении можно изменять не только время голосования, но и правила принятия совместного решения. Для этого достаточно описать их в классе RobotsDec.
В ходе проведенных симуляций такие изменения не проводились, однако была исследована возможность перехода с централизованной системы управления на децентрализованную и обратно. Для этого поток заданий произвольно разбивался на отдельные последовательности, которые обрабатывались при разных стратегиях. Симуляции показали, что такие переходы вполне реализуемы, если в моменты переключения роботы продолжают выполнять незавершенную операцию, и характеристики качества обслуживания при этом не изменяются. На практике такая возможность не проверялась.
Еще одна возможность модели связана с учетом отказа в обслуживании отдельных роботов, например, из-за разрядки аккумулятора. Если такое событие происходит в то время, когда робот находится в состоянии ожидания заявки, то в модель вносятся только минимальные изменения для обеих стратегий управления. Если же отказ робота происходит во время выполнения задания, то это потребует уже более серьезной модификации модели. В случае централизованной системы необходимо ввести дополнительный сигнал от робота после завершения транспортировки груза. Если сигнал не поступает после расчетного времени, задание считается не выполненным, а робот выбывает из команды. Для децентрализованной системы алгоритм выявления отказавших роботов также может быть основан на фиксации факта завершения работы каждым роботом. Однако это приводит не только к усложнению процедуры голосования, но и к увеличению времени принятия решения. Отдельное решение должно быть принято также и о том, что следует делать с заданием, выполнение которого было прервано. В рамках диссертации эти вопросы не рассматривались, но при необходимости могут быть исследованы с помощью модифицированной модели.