Способы ускорить передвижение группы роботов, сохраняя ее структуру, предложили в научно-образовательной школе МГУ «Мозг, когнитивные системы, искусственный интеллект». Заставить автоматические устройства «маршировать» строем ученым помогут методы машинного обучения и нейронных сетей.
Развитие компонентной базы и робототехники в целом привело к тому, что аппаратные и программные возможности каждого отдельного робота, а также его функционал, заметно выросли. В связи с этим большой интерес представляют так называемые мультиагентные группы или рои роботов.
В роевой структуре агенты (роботы) собираются в формации, напоминающие, например, рой пчёл. Такая модель основана на трех принципах: отталкивания, позволяющего роботам не сталкиваться друг с другом; выравнивания скорости, способствующего поддержанию равномерного движения роя; и притяжения, отвечающего за то, чтобы агенты соблюдали некоторое построение, и группа не развалилась. Бывают и задачи, которые требуют выделения в группе лидера, который поведет ее за собой. Во многих ситуациях могут возникать трудности при резких поворотах роя на большой скорости, а также при обходе препятствий, особенно динамических.
«Наша идея состоит в том, чтобы "научить" роботов сохранять строй и наиболее эффективно обходить любые препятствия (выпуклые, невыпуклые и подвижные). Было выдвинуто предложение использовать методы машинного обучения и нейронных сетей, чтобы увеличить скорость продвижения группы с сохранением ее структуры. Цель – минимизировать колебание определённого нами объема группы. Здесь под объемом мы определили пространство, которое заключено между агентами, находящимися на краю группы», – рассказал профессор кафедры нелинейных динамических систем и процессов управления факультета ВМК МГУ Александр Ильин.
В начале роботы обучаются взаимодействовать друг с другом под наблюдением одного условного координационного центра. В этом центре собирают информацию о перемещениях, вводят корректировки в силы притяжения-отталкивания агентов, создают «эталонную» модель взаимодействия. Потом эту модель ученые встраивают в каждого робота, всей группе ставится задача перемещения в какую-то целевую точку, и она отправляется в «свободное плавание». Разработчики ожидают, что роботы, взаимодействуя только с членами группы и окружающей средой, научатся сохранять требуемый размер формации и достигать цели за минимальное время.
«Такие задачи очень актуальны, потому что являются тем необходимым фундаментом, на котором можно решать какие-то более комплексные и сложные задачи. Хотелось бы, чтобы группа могла состоять из абсолютно разного типа роботов, которые коллективно решали бы, например, задачи, связанные со строительством объектов, тушением пожаров, сборкой каких-то механизмов. Однако, прежде чем просить роботов строить, нужно научить их уверенно выполнять базовые вещи и находить оптимальные решения», – добавил аспирант кафедры нелинейных динамических систем и процессов управления факультета ВМК МГУ Руслан Бегишев.
Результаты исследования смоделировали в среде Matlab и представили на Всероссийской конференции «Ломоносовские чтения-2023».
