коллектив роботов. Коллективное поведение роботов. Желаемое и действительное
 Скачать 1.49 Mb.
|
|
1 Карпов В.Э. Коллективное поведение роботов. Желаемое и действительное Предисловие Настоящая работа является «расширенной» редакцией статьи [Карпов, 2011]. Автор счел излишним менять удачное, на его взгляд, название. Равно как и «перетасовывать» текст для того, чтобы получилась формально другая статья. Не будучи скованным страничными ограничениями формата публикации, сюда добавлены некоторые дополнительные материалы, иллюстрации и рассуждения. 1. ВВЕДЕНИЕ Идея создания сложной системы, состоящей из множества сравнительно простых устройств, всегда была привлекательна. Ей отдавали дань философы и писатели-фантасты, математики и технические специалисты. Действительно, решение сложной задачи "простыми" с технической точки зрения средствами, появление "сверхорганизма" ознаменовало бы явную ступень в эволюции технических объектов. Как водится, в следующий абзац следовало бы включить слова: "Особенно актуально… Сознанный к настоящему времени математический аппарат, методы,… Развитие микроэлектроники… Все это позволяет…" и т.п. Однако не будем спешить с выводами и посмотрим на проблематику коллективного поведения роботов более критически. Главным образом, попробуем разобраться с тем, что реально лежит в основе таких систем. Итак, образование сложной системы, состоящей из простых составляющих (своего рода диалектический переход количества в качество, реализация синергетического подхода, появление эмерджентности – системного эффекта, – и проч., проч.), все это безусловно приводит (должно привести) к созданию систем, обладающих следующими важнейшими особенностями: - повышение надежности (утрата части членов коллектива не влияет на работоспособность всей системы в целом). - гибкость (способность системы к реконфигурации). - потенциальная возможность развития и усложнения решаемых задач путем наращивания мощности коллектива. Современные приложения использования коллективного поведение роботов (физических, не программных) весьма многогранны: - командная работа роботов, совместно выполняющих диагностику труднодоступных объектов, - мониторинг окружающей среды, - коллективное решение задач роботами–спасателями, - разведка и рекогносцировка (для беспилотных летательных аппаратов, роботов военного назначения), - охранные функции, патрулирование, - и т.д. Особенно важно коллективное взаимодействие роботов тогда, когда мы имеем дело с мини- и микро-роботами. Будучи крайне ограниченными в своих возможностях, эти роботы способны решить поставленную задачу лишь при их массовом применении. Примером такого применения микророботов может служить так называемая «интеллектуальная (умная) пыль», когда с самолета сбрасывается «туча» микророботов, каждый из которых должен 2 выполнять некоторые простейшие функции, например, сбора информации о покрываемой территории или поражения объектов противника. Очевидно, что существует целый ряд специфических проблем, характерных для коллективной работы роботов. Среди них можно отметить такие, как: - Непредсказуемая динамика внешней среды вплоть до сознательного противодействия. - Неполнота и противоречивость знаний роботов (агентов) о состоянии внешней среды и о других участниках. - Многообразие вариантов путей достижения цели, структур коллектива, распределения ролей и т.д. - Распределенный и динамический характер планирования действий коллектива. - Проблемы, связанные с тем, что коллектив представляет собой совокупность физических объектов, действующих в реальной сложной среде (проблемы надежной коммуникации, распределенность коллектива в пространстве и проч.). - Прочие технические проблемы (архитектура сети, протоколы, операционные средства и т.д.). Далее мы рассмотрим некоторые наиболее показательные примеры систем, которые либо реально работают, либо (что чаще) представляют собой впечатляющие демонстрации. 2. НЕКОТОРЫЕ ПРИМЕРЫ СИСТЕМ Примеров систем, реализующих коллективное поведение действительно немало. К сожалению, далеко не всегда ясны механизмы, лежащие в основе демонстрируемых коллективов роботов – об этом чаще всего приходиться лишь догадываться на основе косвенных признаков. Если же речь в найденном материале идет об описании именно механизма (метода, алгоритма, принципа), то в большинстве своем это – напротив, хороший теоретический материал, имеющий слабый экспериментальный базис. (Увы, иногда складывается впечатление, что те, кто могут показать что-то действительно впечатляющее воображение зрителя, избегают рассказать о том, что лежит в основе демонстрируемой системы, а те, кто могут рассказать что-то интересное и действительно важное, показать толком ничего не могут.) Вернемся, однако, к примерам. Начнем с исследовательских проектов. Проект I-SWARM. В Германии (Университет Карлсруэ) разрабатываются микророботы с "коллективным мышлением". Разработка финансируется Европейским союзом. Пока роботы умеют только узнавать друг друга и придерживаться своего сообщества. По данным на 2010 г. в рамках проекта I-SWARM создано около 100 механических особей размерами чуть более 1 кв. см, часть из них предназначена для отработки механизмов коммуникации между собой. Это – мультиагентные сообщества роботов. Multi Robot Systems. Университет Алберты в Эдмонтоне, США. Исследования коллективного поведения роботов. Грант на пять лет в размере $39,000 в год. Разработка систем из нескольких роботов (Multi Robot Systems (MRS)). Проект посвящен задачам коллективного принятия решений. Проект SwarmBot. Американская компания iRobot (производитель, кстати, автоматизированных пылесосов), занята разработкой небольших роботов, способных сообща выполнять определенные действия. Ожидается, что роботы SwarmBot смогут объединяться в группы численностью до десяти тысяч и выполнять такие задачи, как, например, поиск мин, исследование неизвестных территорий (в том числе на других планетах), обнаружение вредных веществ и пр. Робот SwarmBot имеет форму куба с длиной ребра около 12,5 см. и построен на базе 32-разрядного микропроцессора. Для навигации в пространстве и взаимодействия с другими роботами применяются инфракрасные датчики. Коллективная работа всей "стаи" роботов определяется в соответствии с неким набором правил группового поведения. 3 Если говорить о примерах реальных систем, точнее, об их прототипах, то это прежде всего – системы военного назначения. И это вполне естественно, т.к. финансирование перехода от уровня модели до действующего прототипа осуществляется прежде всего в военной области. Наиболее интенсивно подобного рода работы проводятся по линии DARPA, причем уже давно. Речь идет о таких программах, как "Распределенные робототехнические системы" (2000 г.), "Программное обеспечение для распределенных робототехнических систем" (Software for Distributed Robotics (SDR)), "Программное обеспечение автономных мобильных роботов" (Mobile Autonomous Robot Software (MARS)) и проч. Проект DARPA-2003. В рамках проекта был создан отряд из 120 роботов. Основная задача проекта – реализация коллективного (или распределенного) решения тактических и разведывательных задач. Проект осуществлялся американской компанией Icosystems, специализирующейся на разработке программ имитации поведения живых организмов. При этом для координации действий отдельных роботов были использованы относительно простые правила поведения, основанные на локальном взаимодействии роботов. Сами роботы построены компанией I-Robot. Проект Centibots. Пожалуй, это один из первых реальных проектов, реализующий технологии, которые позволяют организовать взаимодействие и коллективное целенаправленное поведение большого числа автономных роботов. Первая демонстрация произошла еще в 2004 году, в Сиэтле в Центре компьютерных наук и инжиниринга Пола Алена (Университет Вашингтона). Был поставлен опыт коллективной рекогносцировки помещений группой самодвижущихся роботов. Centibots – это небольшие роботы, способные работать и как единый организм, и в одиночку. Их цель – изучить закрытое помещение, составить его план и выполнить какую-нибудь задачу. У роботов нет централизованной системы управления. В алгоритм действий роботов заложены принципы "самостоятельности и инициативности", они периодически взаимодействуют между собой и в зависимости от обстоятельств автоматически перераспределяют роли. Артиллерийская система NLOS-LS (2010 г). Корпорации Lockheed Martin и Raytheon создают артиллерийскую систему нового поколения NLOS-LS. Заряды смогут объединяться в воздухе в интеллектуальную сеть и с максимальной эффективностью поражать объекты противника, расположенные вне зоны прямой видимости. Для наведения на цель "умные" снаряды будут использовать лазерные радары и бортовое ПО распознавания. Они способны находиться в воздухе 30 минут, преодолевая за это время до 70 км. в поисках целей, и также могут использоваться как разведывательный инструмент для сбора сведений о противнике. На разработку проекта Пентагон выделил $1,1 млрд. Далее рассмотрим прочие, менее серьезные проекты, носящие исследовательский характер, но доведенные до некоторого реального уровня. Открытый проект SwarmRobot. Проект (его ресурс – swarmrobot.org) посвящен созданию минироботов (с линейным размерами до 3 см), которые могут организовывать масштабируемые коллективы из десятков и сотен роботов (рис.1, а). Предполагается, что создаваемая элементная база позволит реализовать различного рода эффекты самоорганизации в больших коллективах. Проект Swarmanoid. Брюссельский свободный университет (Universite Libre de Bruxelles). Основная задача проекта – исследование поведения неоднородных коллективов роботов. Авторы проекта считают, что объединение нескольких различных роботов в группы позволит расширить возможности их использования. В частности, был реализована задача, в которой коллектив из колесных роботов, летающего робота-разведчика и манипуляционного робота (рис.1, б) совместными усилиями находили объект (книгу) и манипулировали с ним. Видео с демонстрацией возможностей таких роботов получило в 2011 г. приз на конференции Conference on Artificial Intelligence AAAI-11 в Сан-Франциско. Эволюционирующие роботы. В 2009 г. в шведской лаборатории Laboratory of Intelligent Systems (политехническая школа, Лозанна) были проведены исследования в 4 области "эволюции" роботов. Эволюционировал геном робота, определяющий поведение. В экспериментах группа из 10 роботов состязалась за пищу. Роботы – это колесные платформы (т.н. s-боты) диаметром 12 и высотой 15см. (рис.1, в). Задача роботов заключалась в поиске "источника пищи", которым являлось светящееся кольцо на одном из концов арены. На другом конце арены было более темное кольцо, которое считается "отравленным". Роботы получали очки в зависимости от того сколько времени проведут около источников пищи и/или «яда». Кроме того, роботы могли "общаться" друг с другом, посредством световых сигналов. Роботы могли «эволюционировать» из-за того, что каждый робот был оснащен искусственной нейронной сетью контролируемой бинарным «геномом». В ходе экспериментов эволюция роботов приводила иногда к тому, что роботы обучались даже обманывать соперников, испуская "неправильный" свет, находясь возле кормушки (чтоб не привлекать к кормушке конкурентов). а) б) в) Рис.1. а) Мини-роботы проекта SwarmRobot; б) роботы проекта Swarmanoid; в) s-бот Роботы-разведчики Scout. Центр распределенной робототехники, Университет Миннесоты, США. Начало работ – 2001 г. ([Rybski a.o., 2001]). Устройство состоит из корпуса цилиндрической формы с двумя колёсами, а также устройством для совершения прыжков – взводимой упругой пластины. Предназначенный для разведки, робот представляет собой очень качественное с технической точки зрения устройство. Его «тактико-технические характеристики»: • Длина: 110 мм; • Диаметр: 40 мм; • Вес: 200 г; • Скорость: 30 см/с; • Привод: 2 колеса, механизм для прыжков; • Высота прыжка: до 30 см.; • Сенсоры: камера, акселерометры, энкодеры на колесах, магнетометры; • Время функционирования: в неподвижном состоянии – 120 мин., при движении на полной скорости - 70 минут, 100 прыжков; • Коммуникации: 6 каналов связи. Ресурс проекта: http://distrob.cs.umn.edu/scout.php При этом робот может действовать в составе коллектива. Интересно, что его конструкция позволяет производить «отстрел» с помощью устройства, напоминающего автоматический гранатомет. Развитием проекта стала разработка робота-разведчика Throwbot компанией ReconRobotics (2011 г.). Робот снабжен «хвостиком» для балансированного движения и антеннами. Длина робота составляет 187 мм., а вес – 0.5 кг. Для изготовления Throwbot использовались сверхпрочные материалы – титан и авиационный алюминий, которые позволяют забрасывать робота в помещение с расстояния в тридцать метров. 5 Робот предназначен для помощи полицейским и спасательным службам в проведении опасных операций. Throwbot может быть заброшен в захваченное террористами или горящее здание для подробного изучения сложившейся ситуации. Он транслирует оператору видеозапись происходящего благодаря встроенной в его корпус видеокамере. Скорость передвижения робота около одного километра в час. Интересно, что производство роботов Throwbot ограничено числом в 2000 экземпляров в первый год и в 8000 во второй, так как использоваться он может только специальными службами и только в особых, угрожающих жизни людей случаях. а) б) в) Рис. 2. Роботы-разведчики. а) робот Scout, б) пусковое устройство, в) робот Throwbot Забегая вперед, отметим, что в обоих этих проектах реализовано централизованное управление. Имеется центральное устройство управления, куда поступает полученная роботами информация и которое управляет роботами, причем основным режимом работы является управление роботами оператором. Мы сознательно не говорили о робофутболе. С одной стороны, футбол роботов – это как нельзя более удачный пример коллективного взаимодействия. Более того, это направление развивается весьма успешно вот уже не одно десятилетие. Одна только ассоциация RoboCup насчитывает 5 основных и 3 дополнительные лиги. Тем не менее, робофутбол не интересен для нашего обзора в силу того, что применяемые в нем методы и решения носят частный, зачастую сугубо технический характер. Робофутбол, как направление – это реципиент, а не донор идей. 3. МЕТОДЫ РЕШЕНИЯ В названиях большинства приведенных выше проектов фигурирует слово swarm – рой, стая. Действительно, многие исследования черпают свое вдохновение из мира насекомых, многие из них постоянно проводят аналогии с колониями муравьев, пчел и прочих стайных животных. Но, разумеется, реализуются и исследуются и другие модели. На сегодняшний день исследования в области коллективного поведения роботов можно разбить на следующие направления: 1. "Строгое" математическое решение. Речь идет об исследованиях в области теории систем, создании формальных моделей и механизмов коллективного поведения. 2. Технологии многоагентных систем (МАС). 3. Имитационное моделирование, т.е. реализация моделей взаимодействующих субъектов (роботов), при этом за основу берутся биологические объекты. Сюда же можно отнести и исследования в области т.н. искусственной жизни. 4. Роевые, пчелиные и муравьиные алгоритмы. Это методы, исследующие внешние, сугубо феноменологические стороны поведения живых организмов. Подобного рода методы и алгоритмы лежат в основе т.н. роевого интеллекта. 5. Эволюционные методы. Основная задача – реализация эволюционным путем механизмов внутристайного (внутрироевого) взаимодействия. 6 Однако прежде, чем рассмотреть эти направления, остановимся на некоторых терминологических вопросах. Это позволит избежать некоторой путаницы по интересующему нас вопросу, т.к. тема коллективного поведения роботов крайне модная и вокруг нее разводится большое количество спекуляций. Распределенный ИИ. Иногда, говоря о задаче коллективного поведения роботов, пытаются применять термин "распределенный искусственный интеллект" (РИИ), считая, что эта область ИИ занимается самыми общими аспектами коллективного поведения агентов. Однако (по крайней мере – сегодня), этот подход вряд ли можно считать сложившимся. В лучшем случае основу РИИ составляют результаты, полученные в теории распределенных систем, теории принятия решений и даже теории МАС. Основные же проблемы остаются по- прежнему нерешенными. Неясно, как эффективно разбивать задачу на подзадачи и распределять их между агентами, неясно, как будут синтезироваться результаты и и согласовываться решения т.п. Иными словами, РИИ может восприниматься сейчас как декларация о намерениях. Другим близким термином является т.н. групповая робототехника. Групповая робототехника (ГР) это очередной "новый" подход к координации систем многих роботов, которые состоят из большого числа в основном простых физических роботов. Предполагается, что желаемое коллективное поведение возникает из взаимодействия роботов между собой и их взаимодействия с окружающей средой. Этот подход заимствован из т.н. роевого интеллекта, о котором мы будем говорить ниже. В основе роевого интеллекта – биологические исследования роевого поведения насекомых. Идеологическая основа ГР – это эффект эмерджентности поведения, наблюдаемый у социальных насекомых. Считается, что относительно простые правила индивидуального поведения могут создавать сложное организованное поведение всего роя. Ключевым моментом является взаимодействие между членами группы, а целевой функцией – разумность поведения не индивидуума, а всего роя (группы роботов). В отличие от известных распределённых робототехнических систем, ГР подчёркивает необходимость большого количества роботов, а также предполагает масштабируемость, например, с использованием только локальной связи. Важным аспектом ГР является ее техническая направленность: создание конструкции роботов, систем управления, механизмов взаимодействия. При этом принципиальными факторами в ГР являются миниатюризация и стоимость. Это – основные проблемы в создании больших групп роботов, поэтому простоте каждого члена команды в ГР уделяется особое внимание. Забегая вперед, отметим, что именно принцип "простоты" робота является самым слабым местом ГР. Проблема как раз состоит в том, что члены стаи – это очень и очень непростые по своей структуре, поведению и возможностям организмы. И, наконец, встречается термин коллективный интеллект, который появился в середине 1980-х годов в социологии при изучении процесса коллективного принятия решений. Коллективный интеллект определяется как способность группы находить решения задач более эффективные, чем лучшее индивидуальное решение в этой группе. Теперь, разобравшись с терминологией, пройдемся по пяти основным направлениям коллективного поведения роботов, начав с формальных моделей. |