Содержание к диссертации
Введение
Глава 1. Перспективы применения и принципы построения многоагентных робототехнических систем 11
1.1 Перспективы применения многоагентных робототехнических систем в различных прикладных областях 12
1.2 Разработка концепции построения многоагентных робототехнических систем
1.2.1 Обоснование требований к функциональным возможностям МАРС 22
1.2.2 Анализ методов и стратегий группового управления 24
1.2.3 Анализ возможностей современных технологий беспроводной связи для организации информационного обмена в МАРС 28
1.2.4 Разработка обобщенной структуры МАРС 31
1.2.5 Разработка принципов интеллектуального управления МАРС 33
Выводы по главе 1 39
Глава 2. Разработка моделей и алгоритмов группового управления 41
2.1 Модели планирования действий на базе конечных автоматов .41
2.1.1 Планирование действий в соответствии с априорно-установленным сценарием 44
2.1.2 Обобщенная модель робота как исполнителя подзадач МАРС 48
2.1.3 Обобщенная модель процесса выполнения технологической операции 50
2.1.4 Алгоритм планирования действий в МАРС 52
2.1.5 Представление знаний в моделях планирования заданий для МАРС 56
2.2 Модель и алгоритм распределения заданий в МАРС 61
2.2.1 Оценка пригодности робототехнического агента для выполнения технологической операции 62
2.2.2 Поиск оптимального назначения роботов на выполнение технологических операций 63
2.2.3 Моделирование процесса распределения заданий в группе роботов 66
Выводы по главе 2 68
Глава 3. Разработка принципов построения и программно алгоритмическое обеспечение человеко-машинного интерфейса МАРС 69
3.1 Принципы построения человеко-машинного интерфейса МАРС 69
3.2 Программно-алгоритмическое обеспечение человеко-машинного интерфейса МАРС 72
3.3 Алгоритм оценки численности состава МАРС для выполнения поставленной прикладной задачи 77
3.4 Программный комплекс для моделирования МАРС 81
3.5 Виртуальное моделирование и оценка численности МАРС 85
Выводы по главе 3 91
Глава 4. Повышение адаптивных свойств автономных роботов в составе МАРС 92
4.1 Интеллектуальное управление автономным робототехническим агентом на основе формируемой модели внешней среды 93
4.2 Прогнозное управление робототехническими агентами в составе МАРС
4.2.1 Прогнозное управление на основе модели внешней среды .97
4.2.2 Модельный пример прогнозного управления робототехническими агентами 102
4.3 Выявление и анализ структурных элементов внешней обстановки автономного робототехнического агента 104
4.3.1 Модель нейронной сети для анализа визуальных образов...105
4.3.2 Алгоритм обучения нейронной сети для анализа визуальных образов 108
4.3.3 Нейросетевая система технического зрения для распознавания символьной маркировки объектов 111
Выводы по главе 4 115
Глава 5. Экспериментальные исследования МАРС 117
5.1 Аппаратно-программное обеспечение лабораторного стенда для исследования МАРС на базе LEGO MINDSTORMS NXT 2.0 117
5.1.1 Аппаратно-программное обеспечение для проведения лабораторных работ 118
5.1.2 Моделирование задач группового управления на базе лабораторного стенда
5.2 Состав аппаратно-программного обеспечения МАРС на базе роботов KUKA youBot 125
5.3 Программное обеспечение командного центра 128
5.4 Программное обеспечение автономного робота 132
5.5 Программное обеспечение системы навигации 137
5.6 Экспериментальные исследования на макетном образце МАРС 142
Выводы по главе 5 146
Заключение 147
Список литературы
- Обоснование требований к функциональным возможностям МАРС
- Алгоритм планирования действий в МАРС
- Алгоритм оценки численности состава МАРС для выполнения поставленной прикладной задачи
- Прогнозное управление робототехническими агентами в составе МАРС
Введение к работе
Актуальность. В течение ряда последних лет, как в России, так и за рубежом активно ведутся программы научно-исследовательских и опытно-конструкторских работ по созданию автономных роботов различного назначения, которые должны оснащаться интеллектуальными бортовыми системами управления, обладать опережающим уровнем тактико-технических характеристик и обеспечивать надежное выполнение необходимых функций не только в дистанционном, но и в автоматическом или полуавтоматическом режимах.
Одна из главных перспектив их применения сопряжена с концепцией построения многоагентных робототехнических систем (МАРС), предполагающей не только объединение функциональных возможностей и ресурсов, но и организацию взаимодействия группы автономных роботов тех или иных типов в целях существенного повышения эффективности решения требуемых задач для широкого круга прикладных областей, включая военное дело и специальные операции, поисково-спасательные и ремонтно-восстановительные работы, промышленное производство и гражданское строительство, сельское и коммунальное хозяйство, освоение космического пространства, глубоководные изыскания и т.д.
Цели и задачи. Целью диссертации являются разработка принципов построения МАРС и создание высокоэффективных средств и технологий группового управления полуавтоматическими и автономными роботами для совместного выполнения требуемых прикладных задач.
Поставленные цели диссертации определяют совокупность решаемых в ней задач, главными из которых являются:
разработка концепции и принципов построения МАРС;
разработка моделей и алгоритмов планирования действий и взаимной координации целесообразного поведения полуавтоматических и автономных роботов при совместном решении общей прикладной задачи в составе многоагентной группировки;
разработка алгоритмов распределения заданий между роботами в составе МАРС с учетом имеющихся у них ресурсов;
разработка алгоритмов оценки численности состава МАРС;
разработка принципов построения и алгоритмического обеспечения средств человеко-машинного интерфейса для оперативной постановки прикладных задач автономным роботам, действующим в составе многоагентной группировки;
разработка моделей и алгоритмов анализа внешней обстановки и прогнозного управления автономными роботами, действующими в составе МАРС;
разработка программного обеспечения, реализующего предлагаемые алгоритмы и позволяющего обеспечить моделирование задач группового
управления автономными роботами и управление многоагентными группировками;
- проведение экспериментальных исследований по компьютерному
моделированию МАРС и групповому управлению реальными образцами
автономных роботов для оценки работоспособности и эффективности
предлагаемых моделей и алгоритмов.
Методы исследования. В работе использованы методы современной теории автоматического управления, теории принятия решений, системного анализа, комбинаторики, искусственного интеллекта, обработки изображений, а также методы математического и имитационного моделирования.
Научная новизна работы определяется совокупностью выносимых на защиту моделей и алгоритмов группового управления:
предложенной концепцией построения МАРС и человеко-машинного интерфейса для взаимодействия с ними;
разработанными моделями и алгоритмами планирования заданий в составе МАРС, основанные на развитии методов теории конечных автоматов;
разработанными алгоритмами распределения заданий в составе МАРС с учетом имеющихся ресурсов на основе формирования многокритериальных оценок;
разработанным алгоритмом оценки необходимого численного состава МАРС.
В то же время новыми в научном плане являются теоретические и экспериментальные обоснования возможности повышения эффективности МАРС на основе моделей и алгоритмов анализа внешней обстановки и прогнозного управления автономными робототехническими агентами.
Практическая ценность работы определяется совокупностью разработанного алгоритмического и программного обеспечения МАРС, которое включает следующие компоненты:
программно-алгоритмическое обеспечение бортовой системы управления автономным робототехническим агентом;
программно-алгоритмическое обеспечение подсистем планирования действий и распределения заданий в МАРС;
программно-алгоритмическое обеспечение человеко-машинного интерфейса для МАРС различных типов и назначения;
программно-алгоритмическое обеспечение для моделирования многоагентных робототехнических систем;
программно-алгоритмическое обеспечение системы визуальной навигации для робототехнических агентов в составе МАРС.
Апробация работы. Основные результаты работы докладывались и получили положительную оценку на научно-технических конференциях: Девятая Всероссийская научно-практическая конференция «Перспективные системы и задачи управления» (п. Красная Поляна, 7-11 апреля, 2014 г.),
XII Всероссийское совещание по проблемам управления ВСПУ-2014 (Москва, 16 - 19 июня 2014 г.), Пятая научно-техническая конференция молодых ученых и специалистов (Москва, 25-27 сентября 2014 г.), Международная научно-техническая конференция «Экстремальная робототехника» (Санкт-Петербург, 8-9 октября 2015 г.).
Публикации. Основное содержание работы отражено в 14 публикациях, из них 8 статей опубликованы в журналах, входящих в перечень ВАК РФ, 1 статья опубликована в рецензируемом зарубежном издании. По результатам диссертационного исследования также получено 2 свидетельства о государственной регистрации программы для ЭВМ.
Внедрение результатов исследования. Некоторые теоретические и практические результаты, полученные в рамках диссертационного исследования, были использованы в научно-исследовательских работах, выполнявшихся на кафедре проблем управления МИРЭА: НИР «Исследование и разработка принципов построения, моделей и алгоритмов интеллектуальных систем управления перспективными образцами нового поколения транспортных средств» (Минобрнауки РФ, 2012 - 2013 г.г.); НИР «Методы и алгоритмы управления роботами и другими типами сложных динамических объектов с интеллектуальными обратными связями» (Минобрнауки РФ, с 2013 г. по настоящее время).
Основные результаты диссертационного исследования внедрены в учебный процесс кафедры проблем управления МИРЭА, а именно:
учебно-исследовательский комплекс на базе Lego Mindstorms NXT 2.0 для лабораторного практикума по исследованию методов и алгоритмов группового управления роботами;
конспект лекций для курса «Управление интеллектуальными роботами и робототехническими системами» в виде учебного пособия «Методы и алгоритмы управления роботами и другими типами сложных динамических объектов с интеллектуальными обратными связями»;
учебно-исследовательский комплекс «Многоагентная робототехническая система на базе роботов KUKA youBot» для проведения научно-исследовательских работ магистров, проходящих подготовку по направлениям «Мехатроника и робототехника» и «Управление в технических системах».
Структура и объем работы. Диссертационная работа состоит из введения, 5 глав, заключения, библиографического списка, включающего 82 наименования, и 2 приложений. Работа изложена на 165 листах машинописного текста, содержит 65 рисунков и 11 таблиц.
Обоснование требований к функциональным возможностям МАРС
Сложность и динамичность сред функционирования МАРС предъявляет повышенные требования не только к системе группового управления, но и к функциональности отдельных робототехнических агентов. - Наряду с задачами планирования и распределения действий в МАРС встает вопрос о прогнозе и предотвращении возможных конфликтов между робототехническими агентами, передвигающимися и выполняющими технологические операции в общей среде. Два последних вывода по существу обуславливают требования к обеспечению повышенной степени автономности робототехнических агентов. Одной из первоочередных задач при разработке МАРС становится интеллектуальное управление робототехническими агентами в целях выполнения поставленной прикладной задачи при минимальном внешнем контроле, с учетом неопределенностей среды функционирования и особенностей взаимодействии с остальными участниками робототехнической группировки.
Основные требования к функциональным возможностям МАРС связаны с необходимостью анализа поставленной прикладной задачи, ее декомпозиции на множество подзадач или составных технологических операций и их последующего выполнения в автономном режиме совместными усилиями отдельных исполнителей, координирующих свои действия. Создание таких систем, в полной мере отвечающих предъявляемым к ним требованиям, сопряжено с решением следующих ключевых проблем: организация целесообразного взаимодействия между отдельными агентами в интересах выполнения общей прикладной задачи; - обеспечение автономности агентов и системы в целом; - организация развитого человеко-машинного интерфейса, позволяющего обеспечить оперативную постановку общей прикладной задачи и контроль за ходом ее выполнения.
Каждая из перечисленных проблем является крайне сложной и многогранной, затрагивая целый ряд взаимосвязанных вопросов. Так, например, проблема организации целесообразных взаимодействий между активными элементами в составе МАРС охватывает две важнейших составляющих [20]: - планирование координированных действий агентов (исходя из анализа поставленной прикладной задачи, хода ее выполнения и имеющихся ресурсов) с последующим формированием и распределением соответствующих заданий между роботами; обеспечение информационно-логического взаимодействия и совместимости агентов (как на уровне использования единых форматов представления данных, систем сообщений, команд и целеуказаний, так и на уровне технических каналов их передачи).
Очевидно при этом, что унификация и стандартизация аппаратных средств и программного обеспечения бортовых систем управления роботами, как активных элементов многоагентной системы является тем важнейшим фактором, который будет определять возможность и эффективность обеспечения их информационно-логического взаимодействия и совместимости [1]. Кроме того, обеспечение взаимодействия агентов, так или иначе, сопряжено с необходимостью обобщения собираемых ими в процессе функционирования разнородных сенсорных данных, а также формирования единой модели внешней среды и рабочей обстановки. Только наличие таких моделей будет обуславливать возможность принятия решений, адекватных текущей ситуации в условиях неопределенности внешней среды.
Другая, не менее важная проблема построения МАРС связана с организацией развитого человеко-машинного интерфейса, позволяющего обеспечить оперативную постановку общей прикладной задачи. Способ его построения должен с одной стороны полностью удовлетворять требованиям удобства и простоты работы оператора, а с другой стороны – отвечать особенностям закладываемых методов и алгоритмов планирования координированных действий роботов.
Ряд существующих методов группового управления выделяет в качестве одной из основных проблем организации МАС проблему принятия коллективного решения по управлению входящими в ее состав агентами [5, 13].
Подходы к решению данного вопроса основаны на формировании функционала, экстремум которого соответствует целевому состоянию МАС, а многомерный аргумент – потенциально возможным действиям агентов [15]. Очевидно, что значения аргумента, обеспечивающие экстремум целевого функционала, и будут определять искомый план действий агентов.
Так, например, один из наиболее активно развиваемых в теории многоагентных систем подходов, связан с использованием методов сетевых переговоров и компенсационных торгов [10, 34] для распределения финансовых, материальных и других ресурсов при решении задач логистики, формирования портфелей заказов и т.д.
Алгоритм планирования действий в МАРС
Планирование целесообразных действий является важнейшим вопросом в теории и практике многоагентных систем. Один из подходов к его решению, основан на формировании некоторого функционала, экстремум которого соответствует успешному достижению цели функционирования системы, а многомерный аргумент – действиям агентов по выполнению общей прикладной задачи [5, 13, 15, 26]. Очевидно, что значения аргумента, обеспечивающие экстремум целевого функционала, и будут определять искомый план действий агентов, входящих в состав системы.
Применение этого подхода, работоспособность и эффективность которого подтверждается примерами моделирования МАРС различных типов и назначения [16, 50], в первую очередь охватывает множество прикладных задач с единовременным выполнением необходимых действий агентами или же с отсутствием ограничений по порядку их выполнения.
В то же время, существует широкий спектр практических задач, выполнение которых должно подчиняться априорно-установленным сценариям и потенциально может также возлагаться на многоагентные системы. К этому классу относятся задачи проведения военных операций, инженерно-строительных, монтажных и других типов работ, предполагающих соблюдение определенной этапности или технологии.
Планирование целесообразных действий МАРС в подобных случаях может быть основано на анализе сценария выполнения поставленной прикладной задачи с контролем его поэтапной реализации. Практическое воплощение такого подхода предполагает наличие соответствующей модели, позволяющей определить текущий набор допустимых действий с учетом фактических результатов функционирования МАРС.
Модель процесса выполнения решаемой прикладной задачи по установленному сценарию может быть сформирована в виде набора конечных автоматов со структурой взаимосвязей, адекватно отражающих логику последовательно-параллельной очередности технологических операций, реализуемых отдельными роботами. Примеры прикладных задач, в которых данный подход является оправданным, приведены на рис. 2.1.
Подробное теоретическое описание технологии конечных автоматов можно найти в исследованиях ряда советских ученых-кибернетиков второй половины XX века [4, 18]. При этом эффективность применения аппарата теории конечных автоматов в задачах робототехники подтверждается работами профессора С.Л. Зенкевича, связанными с координацией действий разнородного технологического оборудования [9].
В виде конечных автоматов могут быть представлены процессы выполнения технологических операций, логические состояния робототехнических агентов, а так же логические состояния отдельных подзадач МАРС.
При необходимости конечный автомат можно интерпретировать как динамическую систему, которая под воздействием некоторой управляющей команды и, поступающей на вход в момент времени t , изменяет свое текущее состояние х на новое с формированием соответствующего выходного сигнала У: x(t + At)=f(x(t),u(t)), y(t + At) = h(x(t),u(t)) где A/ - продолжительность перехода автомата от одного состояния к другому. Универсальность приведенных представлений (2.1, 2.2) существенно упрощает создание алгоритмов планирования и распределения заданий в МАРС.
Планирование действий в МАРС со сценарной постановкой задачи может осуществляться на основе анализа состояния контрольных элементов, отслеживающих выполнение решаемой прикладной задачи с контролем очередности технологических операций. Контрольный элемент для формирования модели выполнения решаемой прикладной задачи может быть представлен конечным автоматом следующего вида: К={ U,Х J J,h}, (2.3) где U=( urf,u,i% )-входной алфавит; X=( xJ(Ji,x )- алфавит состояний; Y = ( y, y,y,y ) - выходной алфавит, в соответствии с табл. 2.1; /, h - функции переходов и выходов, задаваемые табл. 2.2, и наглядно изображенные в виде графа на рис. 2.2. Вершины графа соответствуют отдельным операциям или этапам, а дуги определяют их технологическую очередность. Табл. 2.1. Алфавиты конечного автомата в модели процесса выполнения технологической операции Входной алфавит Алфавит состояний Выходной алфавит u0O - входной сигнал оналичииневыполненныхопераций,предшествующихданной x0O - исходное состояниеконтрольного элемента, свидетельствующее о невозможности выполнения данной конкретной технологической операции в силу незавершенности предыдущих y0O - выходной сигнал,подтверждающий невозможность выполнения данной конкретной операции в силу незавершенности предыдущих u1O - подтверждение оботсутствии невыполненных предшествующих операций x1O - состояние контрольногоэлемента, свидетельствующее о возможности выполнения данной конкретной технологической операции y1O - выходной сигнал,подтверждающий возможность выполнения данной конкретной операции в силу завершенности предыдущих u2O - запрос на выполнение данной конкретной операции x2O - состояние контрольногоэлемента, свидетельствующее о процессе выполнения данной конкретной технологической операции. y2O - выходной сигнал,подтверждающий процесс выполнения текущей операции. u3O- подтверждениезавершенности выполнения данной конкретной операции x3O- состояние контрольногоэлемента, свидетельствующее о завершенности данной конкретной технологической операции и возможности перехода к выполнению следующих y3O - выходной сигнал сзапросом на выполнение следующей технологической операции Табл. 2.2. Таблица переходов конечного автомата в модели процесса выполнения технологической операции автономным роботом
Алгоритм оценки численности состава МАРС для выполнения поставленной прикладной задачи
Для выявления зависимости между количеством агентов и скоростью выполнения прикладной задачи был проведен ряд дополнительных экспериментов. В качестве сцен для проведения экспериментов была сформирована виртуальная сцена, изображенная на рис. 3.8, а и сцена с тем же самым расположением кубиков и точкой построения конструкции, но дополненная препятствиями (рис. 3.8, б). В качестве прикладных задач были выбраны два различных сценария построения пирамиды из шести кубиков: Сценарий 1 и Сценарий 2 представлены на рис. 3.11. Таким образом, для исследования МАРС были использованы 4 серии экспериментов.
Количество роботов при выполнении прикладной задачи в каждой серии экспериментов изменялось от одного до шести. В общей сложности было проведено 24 эксперимента по моделированию МАРС в задаче возведения инженерной конструкции. Фрагменты некоторых из проведенных экспериментов показаны на рис. 3.12. а) б) Рис. 3.12. Траектории перемещения роботов и вид построенной конструкции при различных вариантах постановки эксперимента: а) сцена с препятствиями, Сценарий 1, пять роботов; б) сцена без препятствий, Сценарий 2, шесть роботов Графики зависимости времени выполнения прикладной задачи от числа роботов в группе, представлены на рис. 3.13, а. Видно, что в первых двух сериях экспериментов, времени на выполнение прикладной задачи уходит значительно меньше, чем в двух последних. Очевидным объяснением этому служит отсутствие препятствий в Серии 1 и Серии 2.
Усредненный график по четырем сериям экспериментов приведен на рис. 3.13, б. При небольших количествах роботов (1-4 шт.) время выполнения задачи, как и следовало ожидать, убывает с ростом числа роботов в группе. Но в то же время при большой численности роботов время выполнения возрастает.
Подобное ограничение в масштабируемости МАРС связано с тем, что, во-первых, время выполнения всей задачи определяется самым медленным роботом в группе. А, во-вторых, с увеличением количества роботов растет частота конфликтов в МАРС. Причем из сравнения графиков (рис. 3.13, а) видно, что на местности с препятствиями (Серия 3, Серия 4) этот фактор выражен более ярко, чем на местности, на которой препятствий нет (Серия 1, Серия 2).
Зависимость времени выполнения прикладной задачи от числа роботов в группе: а – для различных серий экспериментов; б – усредненная зависимость Анализируя траектории передвижения мобильных роботов по фрагментам моделирования, представленным на рис 3.12, можно заметить достаточно большое количество точек, в которых маршруты движения роботов пересекаются. Необходимость взаимного уклонения при одновременном прохождении роботами данных точек приводит, с одной стороны, к замедлению их скорости, обусловленному соображениями безопасности движения, а с другой – увеличению пути за счет отклонения агентов от прямолинейного движения.
Очевидно, что при повышении количества роботов или же при уменьшении свободного для маневрирования пространства число потенциальных конфликтов между движущимися роботами возрастает, не позволяя обеспечить высокие показатели эффективности МАРС. Данное обстоятельство приводит к необходимости поиска моделей и алгоритмов предупреждения конфликтных ситуаций с привлечением методов искусственного интеллекта.
Вне зависимости от сферы применения МАРС программно-алгоритмическое обеспечение системы должно быть ориентировано не только на решение задач группового управления, но и предусматривать режимы взаимодействия с человеком-оператором. Представленные в настоящей главе принципы построения и программно-алгоритмическое обеспечение человеко-машинного интерфейса МАРС позволяют обеспечить - оперативную постановку задачи МАРС и слежение за ходом ее выполнения; - оценку численности состава МАРС для выполнения прикладной задачи; - виртуальное моделирование МАРС в целях оценки реализуемости и эффективности решения поставленной задачи; - контроль состояния отдельных робототехнических агентов и их местоположения на цифровой карте.
Следует отметить, что разработанный программный комплекс для моделирования процессов выполнения групповых сценариев может рассматриваться не только как вспомогательная подсистема ч/м интерфейса МАРС, но также имеет самостоятельное значение. Возможные применения данного комплекса включают моделирование задач групповой разведки и картографирования местности; исследование группового взаимодействия автономных мобильных роботов; разработку и тестирование бортового сенсорного оснащения автономных роботов в составе МАРС и др.
Прогнозное управление робототехническими агентами в составе МАРС
Аппаратно-программное обеспечение лабораторного стенда было использовано для проведения ряда экспериментов, которые подтвердили основные принципы построения и алгоритмы функционирования МАРС. Так, в качестве примера в табл. 5.1 приводится пошаговое описание одного из экспериментов.
Очевидно, что исследование МАРС на макетном образце позволяет исследовать задачи, решение которых в виртуальных средах в полной мере не представляется возможным. В частности, задача визуальной навигации, возникшая при разработке лабораторного стенда, является бессмысленной в рамках имитационного моделирования МАРС на ЭВМ по причине априорной программной доступности координат моделируемых агентов.
Но в то же время необходимо отметить, что перспективы потенциального применения МАРС в хозяйственной деятельности человека требуют проведения комплексных исследований на робототехнических агентах с большими функциональными возможностями по взаимодействию с внешней средой и обработке поступающей информации, нежели рассмотренные в данном параграфе.
Подзадача G1: g080080180 – зелёный кубик должен стоять в точке (80; 80). Подзадача G2: g120080180 - зелёный кубик должен стоять в точке (120; 80). Подзадача R: r080300180 - красный кубик должен стоять в точке (80; 300). Выполнение задачи
Первый агент нашёл зеленый кубик, поместил его в захватное устройство и направляется к своей цели. Второй агент находится в состоянии поиска. Операции G1 и G2 помечены как доступные к выполнению.
Распределитель задач помечает подзадачу G1 как выполненную. Так как задача G2 не выполнена, то первый агент находится в состоянии ожидания, так как доступных задач на данный момент нет. Завершение задачи Задача завершена. Робототехнические агенты возвращаются в исходное положение. 5.2 Состав аппаратно-программного обеспечения МАРС на базе роботов KUKA youBot Апробация предложенных в настоящей работе моделей и алгоритмов группового управления предполагает проведение серии экспериментальных исследований на группе реальных роботов, с учетом решения вопросов настройки и управления аппаратным обеспечением автономных агентов, и периферийным аппаратно-программным обеспечением для организации навигации и информационного обмена в ходе натурного моделирования МАРС.
Широкие возможности для проведения подобных исследований представляет введенная в 2014 г. в эксплуатацию научно-исследовательская лаборатория кафедры проблем управления МИРЭА, оснащенная современным робототехническим оборудованием. В рамках настоящего диссертационного исследования для натурного моделирования многоагентной робототехнической системы были использованы 3 мобильных роботов KUKA youBot и 16 камер видеонаблюдения для осуществления визуальной навигации (рис. 5.6).
Мобильный робот KUKA youBot представляет собой подвижную платформу, на которой установлен пятиосевой манипулятор с двумя пальцами захвата. Вместо собственного контроллера он оснащен печатной платой и интерфейсом на базе EtherCAT с электронным электроприводом. Робот также имеет открытые интерфейсы и управляется с помощью программного обеспечения с открытым исходным кодом [44].
Бортовая система управления KUKA youBot работает под управлением процессора Intel Atom 1700 МГц. Доступный объем оперативной памяти составляет 2 Гб. На борту робота установлена операционная система Ubuntu 12.04. Платформа также оснащена USB-разъемами для подключения информационно-измерительных устройств. Так, сенсорное оснащение робота включает следующие аппаратные средства: - одометрические датчики для приближенной оценки перемещения и поворота подвижной платформы; - лазерный дальномер Hokuyo URG-04LX-UG01 (диапазон измерения 5,6м; сектор сканирования 240, разрешение: 0,36, скорость сканирования 100мс/скан., габаритные размеры 50х50х70мм, вес 160г, потребляемый ток 500мА, напряжение питания 5В, интерфейс USB 2.0);
- стерео видеокамера Asus XTION PRO LIVE с инфракрасным датчиком глубины (область обзора 58 по горизонтали, 45 по вертикали, разрешающая способность 1280 1024 точек в режиме видеоизображения и 640 480 в режиме измерения глубины сцены); - роутер OmniTIK UPA-5HnD всепогодная точка доступа с двухполяризованными антеннами с возможностью работы в режиме MESH сети (имеет 5 портов 10/100 Ethernet, встроенный 400 мВт 5 ГГц 802.11a/n радиомодуль, обеспечивающий возможность подключения клиентов с совместимыми приемо-передающими устройствами на расстоянии до 3 км прямой видимости).
Исполнительным устройством робота является 5-звенный манипулятор KUKA с двухпальцевым схватом и 4-х приводное основание с омни-направленными колесами (крутящий момент 82 Н м). Вес робота составляет 20 кг, допустимая нагрузка 20 кг. В зависимости от комплектации робот может оснащаться как одним, так и двумя манипуляторами.
Наряду с робототехническим оборудованием научно-исследовательской лаборатории МИРЭА неотъемлемой ее частью является программное обеспечение, отвечающее за управление робототехническими агентами, а также за сбор и обобщение информации об их состоянии. На рис. 5.7 представлена структурная схема комплекса программных средств, лежащих в основе макетного образца МАРС, и вспомогательных аппаратных средств, обеспечивающих работу и информационное взаимодействие его подсистем. Отдельного внимания заслуживает каждый из компонентов программного обеспечения комплекса.