הרובוטיקה המנוכרת עברה מסקרנות מעבדה לטכנולוגיה בסיסית באוטומציה תעשייתית מודרנית, לוגיסטיקה ו ניטור סביבתי.תיאום רובוטים עצמאיים רבים כדי להשיג מטרה משותפת מציגה מורכבות משמעותית, במיוחד כאשר התקשורת היא מחוספסת והסביבה היא בלתי צפויה. לטפל באתגרים מתעוררים, מהנדסים פריסת מערכות בקרה מרובות-אנטים (MACS), מסגרת שמפיצה סמכות קבלת החלטות על פני מערכות רובוטיות אינדיבידואליות, המאפשרות לפעול על ידי רשתות מתקדמות יותר, החלות, והופכים את המידע על גבי רשתות בקרה מתקדמות יותר, והופכים אותן להתאמה אישית, והופכים אותן לטכנולוגיות אבטחה, והופכים אותן לטכנולוגיות אבטחה מתקדמות יותר, מאשר לטכנולוגיות אבטחה, והופכים אותן לטכנולוגיות מתקדמות יותר, והופכים אותן לאלגוריתמיות יותר, והופכים אותן לטכנולוגיות בקרה מתקדמות יותר, והופכים אותן לטכנולוגיות מתקדמות יותר, מאשר לטכנולוגיות בקרה מתקדמות יותר, והופכים אותן לאלגוריתמיות יותר, והופכים אותן לטכנולוגיות בקרה מתקדמות יותר, והופכים אותן לטכנולוגיות בקרה מתקדמות יותר, והופכים אותן לאלגוריתמיות יותר, והופכים לאלגוריתמיות, לאלגוריתמיות, ממערכות בקרה מתקדמות יותר, לאלגוריתמיות, מאשר לאלגוריתמיות, החלטיות, החלטיות, החלטיות מתקדמות יותר מאשר לאלגוריתמיות לאלגוריתמיות, החלטיות מתקדמות יותר מאשר לאלגוריתמיות, ו

מערכות בקרה מרובות-Agent Control

מערכת בקרה רב-עוצמה מורכבת מסוכנים אוטונומיים – רובוטים פיסיקליים או ישויות תוכנה – התופסים את הסביבה שלהם, מתקשרים עם שכנים, ועושים פעולות להשגת מטרות אישיות או קולקטיביות.בניגוד למערכת מבוזרת פשוטה שבה צמתים מבצעים תסריט שנקבע מראש, סוכנים ב- MACS יש יכולות קבלת החלטות פנימיות המאפשרות להם להתאים את התנהגותם לשינוי התנאים.

המאפיין המכונן של מערכות אלה הוא חלוקת סמכות הבקרה. במערכת מרכזית, מעבד בקר אחד את כל נתוני החיישן ואת הנושאים פקודות לכל רובוט.זה יוצר נקודה אחת של כשל וצוואר בקבוק תקשורת. במערכת רב-מקודמת, כל רובוט מעבד את הנתונים שלו ומדון עם עמיתים.חלוקה זו משפרת את החוסן: אם סוכן אחד נכשל, המשימה יכולה להמשיך ללא הפרעה זה גם משפר את יכולת הגדלה, כמו סוכנים חדשים של שליטה מינימלית.

תקשורת להתנצלות משתנה באופן נרחב במערכות מרובות-אנטרנטליות.תקשורת שידור מאפשר לסוכן לשלוח הודעה לכל האחרים, אבל זה הופך לא יעיל ככל שהרשת גדלה. תקשורת קרובה-קרובהקרובה ביותר, שם רובוטים מחליפים רק נתונים עם אלה בטווח פיזי מוגבל, מקנה הרבה יותר טוב והוא בחירה נפוצה עבור רובוטיים נפוחים.

אדריכלות השליטה בכל סוכן משתנה גם היא.FLT:0 סוכנים ראשיים של FLT 1:1 לעקוב אחר כללים טרום-מוגדרים של גירויים-תגובה ואין להם מדינה פנימית.FLT:2 סוכנים אלגוריתמיים 3Deliberative סוכנים לשמור מודל של העולם ולהשתמש אלגוריתמים תכנון כדי לבחור פעולות.

עקרונות עיצוב מוסד

המונחים: Decentralization

פיזור הוא העיקרון הליבה שמציב שליטה רב-חושית בנפרד מגישות אחרות.אין רובוט אחד מחזיק מודל שלם של העולם או בעיות פקודות לקבוצה. במקום זאת, החלטות עולות מאינטראקציות מקומיות.זה מבטל את הנקודה היחידה של כשל במערכות ריכוזיות ומאפשר לקבוצה להמשיך לתפקד גם אם חברים בודדים יניחו או תקשורת משבשים.

סקלאלה באמצעות אינטראקציה מקומית

עבור רובוטיקה מבוזרת בקנה מידה לציים של מאות או אלפי, אלגוריתם הבקרה לא צריך להסתמך על ידע גלובלי.אלגוריסים הדורשים כל רובוט לדעת את מצב כל גודל הרובוט השני כ- O(n2), אשר במהירות הופך בלתי ניתן לעצירה. אלגוריתמים רב-אגנטיים מסתמכים על FLT:0local אינטראקציה אינטראקציה בין היתר, כל רובוט מתקשר רק עם מספר קטן, קבוע של שכנים, ללא קשר לגודל של חומרים חישובים.

רובוסטנס ו Fault Tolerance

רובוסטנס הוא תוצאה טבעית של שליטה מבוזרת. במערכת רב-מנטלית, אדמוניות היא טבועה.אם רובוט אחד נכשל, שכנותיה יכולות להתאים את התנהגותן כדי לפצות.ההשפלה החסדית הזו היא קריטית ליישומים כמו חיפוש והצלה או ניטור סביבתי, שבו הסביבה התפעולית היא בלתי צפויה וכשלונות רובוטיים נפוצים.

התנהגות מתפתחת מחוקים פשוטים

התנהגויות קולקטיביות מורכבות יכולות להופיע מן הכללים המקומיים הפשוטים.עקרון זה, שנצפה בחילולים ביולוגיים של נמלים, דבורים ודגים, הוא כלי רב עוצמה לשליטה רב-עוצמה.מהנדסים מעצבים התנהגויות ברמה נמוכה עבור רובוטים בודדים, כאשר מבוצעים במקביל על ידי סוכנים רבים, לייצר דפוסים גלובליים מתוחכמות.בית הספר, צאן, תחבורה קולקטיבית הם דוגמאות קלאסיות.

המונחים: lang

פרוטוקולי Consensus

אלגוריתמים של Consensus מאפשרים לקבוצת רובוטים להסכים על ערך משותף – כגון נקודת מפגש, מיקום היווצרות או קריאה ממוצעת של חיישן – ללא רכז מרכזי. בצורתו הפשוטה ביותר, כל רובוט מעדכן את המדינה שלו לממוצע של מדינתו שלו ושל המדינות שהתקבלו משכניה.אלגוריתם ממוצע זה מתכנס באופן אקספוננציאלי, בתנאי שהגרף התקשורת מחובר יותר פרוטוקולים מתקדמים מאפשרים לסוכני הסכמה על הערך המקסימלי או הסימון בצורות הפנימיות של השעון.

משימות אל-מיקום ומערכות מבוססות שוק

כאשר צוות רב-רובוט חייב לבצע מספר משימות, עליו להחליט איזה רובוט צריך לעשות מה.הקצאת המשימה מבוססת שוק מתייחסת לרובוטים כסוכנים רציונליים שמצביעים על משימות בהתבסס על יכולותיהם והערכה של עלויות.פרוטוקול החוזים הוא יישום ידוע: סוכן מכריז על משימה, רובוטים להגיש הצעות, ומנהלי החברה מעניקים את המשימה להצעה הגבוהה ביותר.

אינטליגנציה ואופטימיזציה

אלגוריתמים של סווממים לוקחים השראה ישירה ממערכות ביולוגיות.FLT:0Particle Swarm Optimization (PSO)FLT:1 הוא שיטת אופטימיזציה המבוססת על אוכלוסייה שבה כל סוכן (חלקיק) חוקר חלל פתרון ומתאים את מסלולו מבוסס על המיקום הטוב ביותר שלו ואת המיקום הטוב ביותר נמצא על ידי שכנותיה.

(FLT:0) Ant Colony Optimization (ACO)earFLT:1 חיקוי הדרך שבה הנמלים מוצאים נתיבים אופטימליים באמצעות שבילים pheromone. בהקשר הרובוטיקה, רובוטים הפיקו pheromones וירטואליים בסביבה כדי לסמן נתיבים חוצים, ורובוטים הבאים משתמשים בסימנים אלה כדי לבחור את המסלולים היעילים ביותר.

(FLT:0Behavior מבוסס נחילה:1) בעקבות מודל הבואידים: כל סוכן מתייחס שלושה כללים פשוטים - הפרדה (התנגשות חלל), היערכות (מהירות דומה עם שכנים), ודבקות (להישאר ליד שכנים).

יישומים מעשיים של שליטה מרובה-אgent

בקרת בנייה

בקרת הצורות היא אחת הבעיות הנלמדות ביותר בבוטים מבוזרים.המטרה היא להפוך צוות של רובוטים לשמור על צורה גיאומטרית מסוימת בעת המעבר כקבוצה. 3 גישות עיקריות שולטות בספרות:

  • (ב) (בהמשך:0) מנהיג-המנהיג: 1FLT:1 רובוט אחד מוגדר כמנהיג ונ לנווט את הסביבה.הרובוטים האחרים שומרים על עמדות מרשימות יחסית למנהיג.זה פשוט ליישם אבל מציב נטל כבד על המנהיג ויוצר נקודה אחת של כישלון.
  • מבנה ורטיקולי: 1 (FLT:1) המבנה כולו מטופל כגוף נוקשה יחיד.כל רובוט שומר על עמדה קבועה יחסית לנקודה וירטואלית העוברת דרך הסביבה.
  • (FLT:0)התנהגות מבוססת טפסים: FIRLT:1 כל רובוט מתייחס לסכום משקל של התנהגויות סותרות (למשל, להישאר במבנה, להימנע ממכשולים, לעבור למטרה) גישה זו גמישה וחזקה מאוד, אך יכול להיות קשה לכוון ולנתח מתמטית.

בקרת ההקמה משמשת באופן נרחב ב-AVAV ,Sleleles למעקב אווירי, פעולות שיירה צבאיות וניווט מחסני אוטונומי שבו קבוצה של רובוטים ניידים חייבת לנוע ביעילות באמצעות מתקן.

אובייקט משותף מניפולציה

העברת חפץ גדול או כבד לעתים קרובות דורש רובוטים מרובים עובדים יחד.זו בעיה מאתגרת של תיאום כי הרובוטים חייבים ליישם כוחות שמזיזים את האובייקט מבלי לפגוע בו או בעצמם. גישות נעות מהתנהגויות פשוטות, שבו רובוטים דוחקים את האובייקט מאחור, כדי לתפוס מתוחכם ולהרים באמצעות לולאה מתואם של כוח.

(ב) בגישה של ההרחבה:0 (FLT:1), רובוטים מקיפים את האובייקט והופכים כקבוצה כדי ללכוד אותו ולהסיע אותו. שיטה זו אינה דורשת תפיסה מוצקה, צמצום הצורך ברגישות כוח מדויקת. in FLT:2 מופץ מניפולציה FLT 3: רובוטים ליישם כוחות על בסיס נתונים מקומיים, ביעילות טיפול במערכת כמו מחסנים יחידי, ייצור אוטומטיים.

פיקוח סביבתי וכיסוי

מערכות מרובות-אנטנט מצטיינים במשימות הדורשות כיסוי מרחבי רחב לאורך זמן.ב ניטור סביבתי, צוות של רובוטים או מזל"טים יכול לפרוס על פני אזור כדי למדוד טמפרטורה, ריכוזים כימיים או פעילות חיות בר.FLT:0 Adaptive samplingFLT:1 אלגוריתמים מאפשרים לצוות להתמקד ברובוטים באזורים שבהם החיישן משתנה במהירות רבה, שיפור רזולוציה נתונים ללא מספר גדל של רובוטים.

משימות כיסוי, כגון דשא דשא, ניקוי הרצפה, או חיפוש והצלה, דורשות רובוטים לבקר בכל נקודה באזור. אלגוריתמי כיסוי מטשטשים את הסביבה לאזורים, אחד לכל רובוט, בהתבסס על עמדות הרובוטים. חלוקות וורוונווי הם כלי משותף: כל רובוט אחראי על האזור קרוב יותר לעצמו מאשר לכל רובוט אחר.

חידוש אוטומטי ולוגיסטיקה

המערכת הרובוטיקה של אמזון (לשעבר Kiva Systems) היא הפריסה הגדולה ביותר של שליטה רב-אנטנט בתעשייה. מאות רובוטים ניידים לנווט רשת מובנית כדי להעביר מדפים של מלאי למבחרים אנושיים.הבעיה התיאום היא עצומה: המערכת חייבת לנהל תנועה, למנוע התנגשות, לאשר מראש פריטים ביקוש גבוה, ולעמוד בכישלונות רובוטיים.

ארכיטקטורת השליטה במערכת זו היא היברידית: שרת מרכזי מקצה משימות ולנהל תזמון ברמה גבוהה, אבל כל רובוט מטפל בניווט שלו והימנעות התנגשות מקומית. גישה היברידית זו ממנת את היתרונות של אופטימיזציה מרכזית ליעילות גלובלית ובקרת מבוזרת עבור אינטנסיביות בזמן אמת.הצלחתה של מערכת זו הובילה השקעות ענק בשליטה רב-מרוץ עבור לוגיסטיקה, ייצור, חקלאות.

אתגרים קריטיים

למרות התקדמות תיאורטית משמעותית, פריסת מערכות בקרה מרובות-אנטנט בעולם האמיתי נותרה קשה. מגבלות תקשורתיות FLT:1 הן דאגה עיקרית.רשתות אלחוטיות בסביבה תעשייתית סובלות מהתערבות, ריבוי-פתים, ורוחב רוחב פס מוגבל. אלגוריתמים רב-אgent חייבים להיות נועדו לסבול אובדן הודעות, עיכובים, וקישוריות לסירוגין.

(FLT:0) אי הוודאות ותפיסת אי הוודאותFLT:1 מורכב בעיית התיאום.בסימולציה, לכל סוכן יש ידע מושלם על עמדתו ועל עמדות שכנותיה.למעשה, סחף odometry, GPS אינו זמין בתוך הבית, וחיישנים מייצרים נתונים רועשים.

(FLT:0) בטיחות ואימות (FireFLT) הם מחסום מרכזי לאימוץ ביישומים קריטיים בטיחותיים.כיצד מהנדס מבטיח כי חתך של רובוטים לא יתנגשו זה עם זה או עם בני אדם? אימות פורמאלי של מערכות מרובות-אנטים הוא אזור מחקר פעיל.גישות כוללות תעודות מחסום עבור חיתולים מאובטחים, ניתוח יכולת להגיע, ניטור בזמן ללא התנהגות בטוחה, הוא נשאר מוגבל של מערכות קבלה תעשייתיות, נשאר מוגבל, מוגבל, מוגבל, עדיין מוגבל, מוגבל, מוגבל, כולל אישורים של מערכות קבלה תעשייתית, מוגבל של מערכות קבלה תעשייתית, מוגבל, מוגבל, מוגבל, מוגבל, למערכות קבלה תעשייתית, למערכות ניהולית, יישארו מוגבל, למערכות ניהולית, מובנים.

(FLT:0) רגישות המדינה של estimationFLT:1) הוא אתגר נוסף, בעוד חוקי שליטה עשויים לעלות בקנה מידה טוב, שמירה על הבנה משותפת של העולם על פני רובוטים רבים היא קשה. אלגוריתמים של המדינה המסתתתתתתערו על הכפלת ההערכות שלהם ולהבטיח עקביות ללא היתוך מרכזי.

מגמות מתפתחות וכיוונים עתידיים

אינטליגנציה מלאכותית ולמידה עמוקה

השילוב של למידה עמוקה חיזוק (RL) עם מערכות מרובות-מנטליות הוא אזור גדל במהירות.תאוריה מסורתית שליטה מספקת פתרונות אלגנטיים לבעיות מוגדרות היטב כמו קונצנזוס ושליטה היווצרות.עם זאת, עבור משימות מורכבות הדורשות חשיבה והסתגלות ברמה גבוהה - כגון רב-רוב-רוב-רובוט חיפוש ו-DEA בבניין לא ידוע -RL מציעה סוכן חזק ללמוד מדיניות באמצעות ניסוי, וגילוי יעיל של אסטרטגיות ללא תכנות מפורש (RSD) הוא אתגר מרכזי (Rateed) אבל הוא מאתגר במיוחד על ידי ביצוע פעולה) אך ורק לאחר מכן הוא אתגר מרכזי (RSD) אך ורק על ידי ביצוע פעולות הפעלה (RCRD) הוא אתגר מרכזי (RCR) הוא אתגר גדול יותר מאשר ביצועים לא ידוע) הוא אתגר מרכזי (RCR) הוא אתגר גדול של פעילות גופנית (RCR) אך ורק על ידי ניתוח מתקדם עם ביצועים לא ידוע) אך ורק על ידי סוכן מקצועי (RIT) הוא בעל ביצועים מתקדמים (RCR) אך ורק לאחרונה) הוא אתגר גדול של סוכן מקצועי מאתגרת (RCR) הוא בעל ביצועים לא ידוע (RIT) הוא בעל ביצועים מתקדמים) אך ורקמותרפיטרינרטורנטים חזקים של סוכן יעיל של פעילות פעולה עם זאת, אך ורק על ידי ניתוח ביצועים מתקדמים) אך ורק על ידי סוכן יעיל

צוותים הטרוגניים

מערכות עתידיות משלבות צוותים של סוכנים הטרוגניים: רובוטים קרקעיים, מל"טים אוויריים, כלי רכב תת-ימיים, ומניפולטורים הפועלים יחד.כל סוכן יש יכולות שונות של חישה, הפעלה ויכולות חישוביות. קוסוף צוותים הטרוגניים דורש אלגוריתמים חדשים להקצאת משימות ששוקלות יכולות משלימים של פלטפורמות שונות.

אינטראקציה אנושית-Swarm

כמו מערכות מרובות-אgent להפוך יותר אוטונומיות, התפקיד של המפעילים האנושיים משתנה משליטה ישירה למפקח ברמה גבוהה.עיצוב ממשקים אינטואיטיביים לשליטה בחיל האוויר הוא אתגר קריטי. מפעילי צריך להיות מסוגל לציין מטרות משימה, לפקח על מצב רוח, להתערב כאשר יש צורך ללא שליטה על כל רובוט בנפרד.מצב הנוכחי של האמנות מסתמך על שליטה גלילית, פקודות שפה טבעית, וכלים חזותיים מופשטים.

מסקנה

מערכות בקרה מרובות-אנטנט מספקות את הבסיס התיאורטי והמעשי של הרובוטיקה מבוזרת.על ידי חלוקת קבלת החלטות, מינוף אינטראקציות מקומיות, ועיצוב של עוצמה, מהנדסים יכולים לבנות קבוצות רובוטיות שהן בעלות יכולת מדרג, סובלניות, ומסוגלות להתנהגות קולקטיבית מורכבת.מאטגנטיות תיאורטית של פרוטוקולים קונצנזוס ועד להיקף התעשייתי של מחסנים אוטומטיים, MACS מעצבת מחדש את היכולת שלנו לפרוס מערכות אוטונומיות.