Приближенные модели сцены и маршрутизации агента

УДК 535(06)+004(06)
А.Ю. БЫКОВСКИЙ1, Б.Ю. РАГЕР
Национальный исследовательский ядерный университет «МИФИ»
1
Физический институт им. П.Н. Лебедева РАН, Москва
ПРИБЛИЖЕННЫЕ МОДЕЛИ СЦЕНЫ И МАРШРУТИЗАЦИИ АГЕНТА, ФОРМИРУЕМЫЕ
НА ОСНОВЕ ДАННЫХ ОПТИЧЕСКИХ СЕНСОРОВ
Предлагается метод выбора маршрута аппаратного агента в сцене, комбинирующий известный волновой
алгоритм поиска кратчайшего пути с приближенной нечетко-логической моделью описания размеров и
местоположения объектов сцены, формируемой с помощью фронтальной 2D сетки оптических измерений.
Сетецентрические модели совместной работы людей и беспилотных роботизированных устройств [1]
предполагают коллективное использование знаний, собираемых распределенными по сцене фотоприемными
матрицами и отдельными сенсорами. При этом быстрое формирование достаточно точной и полной картины
объектов для маневрирования в реальной 3D сцене представляет весьма сложную задачу, поскольку для
описания сцены используются сенсорные данные с 2D сеток (разверток) сигналов фотоприемных матриц,
сканеров и лидаров. Кроме того, ограничения в возможности использования роботами лазерной подсветки
дополнительно усложняют задачу распознавания препятствий и локального позиционирования агентов при
наличии помех.
Задача данной работы заключалась в разработке методики проверки корректности приближенной модели
сцены, формируемой с помощью сетки оптических измерений и тестируемой путем маневрирования
мобильного агента в сцене, содержащей целевые объекты и препятствия. При этом был необходим алгоритм
выбора маршрута, удобный для совместной работы с корректируемым набором нечетко-логических правил
“Если…То…”, описывающих размеры и местоположение целевых объектов и препятствий.
В предлагаемом методе управления перемещением агента был использован известный алгоритм фронта
волны [2], осуществляющий формирование фронта и прокладывание кратчайшей трассы. На первом этапе
реализации методики результаты измерений фронтальной 2D сетки данных модельного оптического сканера
используются для формирования структуры четких и нечетких признаков объектов сцены. Далее агентом
составляется дискретная структура (граф G (V,X,Y)) допустимых значений координат X,Y. Для этого
выделяется ограниченное множество допустимых вершин графа с потенциально приемлемыми парами
координат. Их отбор осуществляется методами недвоичной логики, с помощью исходно заданных наборов
нечетко-логических правил “Если…То…”, описывающих правила объезда ожидаемых препятствий и
контакта с целевыми объектами. Далее, для поиска кратчайшего пути в ориентированном графе обычными
алгебраическими методами вычисляются и суммируются расстояния D=|Xi-Xb|+|Yi-Yb|, где (Xi,Yi)координаты точки окрестности, (Xb,Yb) -координаты конечного элемента.
Предлагаемый алгоритм позволяет:
- работать с координатами сцены с помощью операций сравнения
расстояний (больше/меньше), максимально приближенным к логическим операторам недвоичной и
многозначной логики, используемых в других подсистемах аппаратного агента,
- задавать для сетки измерений оптических сенсоров наборы значений координат с изменяемым шагом,
обеспечивая возможность коррекции точности вычислений маневра адекватно текущей ситуации,
- работать с заведомо неполными данными о расположении объектов (например, если одно препятствие
частично закрывает собой другое),
- делать построение контурной модели отдельных объектов сцены, не используя геометрических моделей
реконструкции формы объектов, сопряженных с громоздкими матричными вычислениями,
- проводить обучение агента путем корректировки функций принадлежности и наборов нечетких правил.
Общие алгоритмы работы мобильного агента и управляющего им вышестоящего по иерархии агента, а
также временная синхронизация их подсистем базируются на ранее предложенной архитектуре [3] агента с
защищенными каналами связи и структурой памяти.
По предварительным оценкам авторов, комбинация волнового алгоритма и приемов приближенного
нечеткого моделирования местоположения объектов может оказаться полезной не только для роботов
макроскопического размера, но и пространственного позиционирования приводов в современных
микротехнологиях.
Список литературы
1. Интеллектуальные роботы. Под ред. Е.И. Юревича, М., Машиностроение, 2007.
2. http://algolist.manual.ru/ Волновой алгоритм.mht.
3. A.L. Antipov, A.Yu. Bykovsky, N.A. Vasiliev, A.A. Egorov Protected query coding in multi-agent
optoelectronic system, Optical memory and neural networks, 2007, V.16, N4, p.211.