CC BY
182
29. Kolesnikov A.A. Metod sinergeticheskogo sinteza sistemy upravleniya kolebaniyami «perevernutogo mayatnika na podvizhnoy telezhke» [Method of synergetics synthesis of "inverted pendulum on mobile cart" oscillation control system], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2011, No. 6 (119), pp. 110-117.
30. Oyama K., Nonaka K. Model Predictive Parking Control for Nonholonomic Vehicles using Time-State Control Form, In Proceedings of 2013 ECC European Control Conference, Zurich, Switzerland, 2013, pp. 458-465.
Статью рекомендовал к опубликованию д.т.н., профессор Е.В. Никульчев.
Дивеев Асхат Ибрагимович - Федеральный исследовательский центр «Информатика и управление» РАН; e-mail: [email protected]; 119333, Москва, ул. Вавилова, 40; д.т.н.; профессор; зав. cектором проблем кибернетики.
Шмалько Елизавета Юрьевна - e-mail: [email protected]; к.т.н.; научный сотрудник.
Diveev Askhat Ibragimovich - Federal research center «Computer science and control» of RAS; e-mail: [email protected]; 40, Vavilova street, Moscow, 119333, Russia; dr. of eng. sc.; professor; head of the department of cybernetics problems.
Shmalko Elizaveta Yurievna - e-mail: [email protected]; cand. of eng. sc.; researcher.
УДК 004.75
В.С. Заборовский, В.А. Мулюха, А.А. Лукашин, А.С. Ильяшенко
УПРАВЛЕНИЕ ГРУППИРОВКАМИ КИБЕРФИЗИЧЕСКИХ ОБЪЕКТОВ В СРЕДЕ ОБЛАЧНЫХ ВЫЧИСЛЕНИЙ*
Целью работы является создание платформы управления группировками роботов, основанной на комбинации принципов функционирования мультиагентных систем (автономность, ограниченность представления, децентрализация) с возможностями сервисов, предоставляемых технологиями облачных вычислений. Группировка роботов представляется с использованием алгебраического подхода в виде носителя конечного множества операций и сигнатур. Приведена схема контура управления киберфизическими объектами с использованием обзорной видеокамеры, используемого для решения задачи позиционирования. Для определения ориентации роботов в пространстве используется подход на основе специализированных маркеров, описание которых также приводится в работе. Рассмотрен подход к организации процесса движения и разрешения конфликтных ситуаций для группировки роботов с использованием дискретных алгоритмов теории графов в комбинации с использованием виртуальных непрерывных «силовых полей», создающих динамические ограничения для траекторий перемещения роботов, как в группе, так и на карте в целом. В работе детально описан процесс расчета величин "силовых полей" и процесс расчета траектории передвижения киберфизических объектов. Построена и приведена многоуровневая архитектура облачной платформы управления группировками киберфизических объектов на базе системы "Пилигрим". В основе разрабатываемой платформы лежит актор-ный подход. Вводится понятие "аватара" как актора, функционирующего в системе и предоставляющего интерфейс для взаимодействия с соответствующим ему киберфизиче-ским объектом. Для организации информационного взаимодействия с элементами группировки киберфизических объектов предлагается использовать модель очереди сообщений Publisher/Subscriber, позволяющую организовать гарантированную доставку сообщений с возможностью киберфизических объектов "подписываться" на сообщения. Разработан-
*
Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта «15-29-07131 офи_м».
ный подход позволяет перенести вычислительную нагрузку с киберфизического объекта в облачную среду исполнения, что обеспечит робота практически неограниченным набором вычислительных ресурсов, и позволяет повысить сложность решаемых для него задач.
Киберфизика; управление роботами; облачные вычисления; большие данные; групповое управление.
V.S. Zaborovsky, V.A. Muliukha, A.A. Lukashin, A.S. Ilyashenko
CYBER-PHYSICAL OBJECT GROUPS CONTROL IN CLOUD COMPUTING
ENVIRONMENT
The objective of this article is to develop the robotic groups control system, based on a combination of the principles of multi-agent systems functioning (autonomy, limited representation, decentralization) with the capabilities of the services provided by cloud computing technology. Robotic group is defined using an algebraic approach as a finite set carrier and set of operations and signatures. The control loop scheme of cyber-physical objects uses observing camera for positioning tasks. To determine the orientation of the robot in a space is used an approach based on specialized markers, also described in this article. The approach to the organization of the robots movement and conflict resolution to groups of robots is based on discrete algorithms of graph theory in combination with the use of virtual continuous "potential fields", to create dynamic limits for the path of the robot, as a group, and on the map as a whole. The paper describes in detail the process of calculating the values of "potential fields" and the process of calculating the trajectory of cyber-physical objects movement. A layered architecture cloud platform for control of cyber-physical objects groups on the basis of the "Pilgrim" system is constructed and shown. The basis of the developed platform is an actor approach. A notion of "avatar" is introduced as an actor functioning in the system and providing an interface for interacting with its corresponding cyber-physical object. For the organization of information interaction with the elements of cyber-physical objects' groups is proposed to use the message queue model "Publisher /Subscriber", which allows to organize guaranteed message delivery with the possibility for cyber-physical objects to "subscribe "for messages by specified topic. Proposed approach allows to transfer computational load from cyber-physical object to the cloud platform execution environment that will provide an almost unlimited amount of computing resources for robot and let increase the complexity of tasks for it.
Cyber-physics; robots control; cloud computing; big data; groups control.
Введение. Создание нового поколения беспроводных систем связи, развитие сетецентрических технологий, формирование пространства «интернет вещей» и сервисов «облачных вычислений» существенно повысило возможности «интеллектуализации» процессов управления за счет повышения производительности вычислений и увеличения объема обрабатываемых данных, которые формируются как с помощью локальных сенсоров, так и в результате доступа к компьютерным хранилищам информации. Применительно к задачам робототехники использование сетецентрических подходов обеспечивает:
♦ вычисления и обработку больших объемов информации в режиме «по требованию»;
♦ временную синхронизацию и пространственную локализацию получаемых данных;
♦ маршрутизацию трафика в динамически реконфигурируемых компьютерных сетях,
что позволяет эффективно масштабировать доступные вычислительные ресурсы, осуществлять планирование операций с использованием «длинных транзакций», включающих реакцию человека-оператора, и оперативно корректировать «вычисленные» планы действий. В статье развивается подход к управлению груп-
пировками роботов, основанный на комбинации принципов функционирования мультиагентных систем (автономность, ограниченность представления, децентрализация) с возможностями сервисов, предоставляемых технологиями облачных вычислений. Предлагаемое решение базируется на формализме, в рамках которого группировка роботов рассматривается как носитель конечного множества операций и сигнатур (отношений), связанных с пространственным перемещением роботов в среде с динамически изменяющимся множеством ограничений. Для организации движения и разрешения конфликтных ситуаций предложен подход, основанный на вычислении «силовых полей» взаимодействия, формируемых на основе выбранной меры близости объектов управления к динамическим или статическим пространственным ограничениям. С позиций такого виртуального «полевого» взаимодействия пространство состояний роботов как динамических объектов является подпространством состояний среды функционирования в целом, состоящей из совокупности роботов группировки, ограничений и сети информационного обмена. Для моделирования процессов движения роботов в таких условиях уже не достаточно использовать только классические законы кинематики и динамики, так как информационный обмен с окружающей средой становится определяющим фактором, влияющим на синтез траекторий, функционирование бортовых средств управления роботом и сетецентрической системы планирования групповых операций. Поэтому с позиций задач управления робот в составе группировки можно рассматривать как киберфи-зический объект, который и отличается тем, что «открыт» для информационного взаимодействия с окружающей средой, поэтому для вычисления траекторий его движения необходимо использовать как его физико-механических характеристики, так и контент получаемых сообщений. Киберфизическая модель процессов управления группировками роботов (управление движением и операциями) может рассматриваться как гомоморфный образ или «свертка» необходимых для управления информационных и динамических свойств системы в целом. В такой модели учитываются свойства, которые непосредственно влияют на взаимодействие объектов, состояния которых «вычисляется» как на основе интерпретации контента получаемых сообщений, так и учета физических характеристик и функциональных ограничений. Предлагаемое в статье «киберфизическое» толкование понятия пространства состояния робота повышает алгоритмическую емкость принимаемых решений, что позволяет увеличить точность планирования операций и сократить время, необходимое для координации движений объектов в группировке. В свою очередь это требует использования для целей управления технологии «Больших данных», которые поступают от бортовых сенсорных устройств, обеспечивая синхронизацию локальных пространственных операций, и представляют информацию о состоянии среды функционирования в целом, реализуя принцип взаимодействия на основе интеллектуального «оркестрирования» процессов [1].
1. Киберфизический аспект процессов управления группировками роботов. Создание технических объектов и устройств, обладающих эффективными механизмами адаптации к условиям функционирования, которые характерны для живых организмов, но при этом построенных на элементах, обладающих большей исполнительной силой и прочностью узлов, является приоритетной междисциплинарной задачей современной науки. Такие устройства должны обладать развитыми способностями к кооперативному взаимодействию, основанному на восприятии, хранении и обработке больших объемов информации, поступающей как из окружающей среды, так и от других объектов, имеющих достаточно информационно-вычислительных ресурсов [2-5], чтобы «вычислить» оценки состояния окружающей среды и затем использовать их для выполнения необходимой последовательности операций, время завершения которой может быть непредсказуемой. Необ-
ходимость пространственно-временной координации движения роботов к изменяющимся целям и характеристикам среды функционирования делает целесообразным рассмотрение процессов управления с киберфизической точки зрения [6], т.е. учитывать влияние информационных сообщений на параметры физических перемещений. При этом организация надежной и высокопроизводительной среды информационного обмена между всеми субъектами, участвующими в реализации заданных целевых требований, имеет приоритетное значение. В дальнейшем под киберфизическим объектом будем понимать открытую для процессов информационного обмена систему, траектория движения которой «вычисляется» как с использованием физико-механической модели, так и контента получаемых системой информационных сообщений. Информация в такой системе носит атрибутивный характер, а сами данные поступают по каналам компьютерной связи. Контент данных характеризует состояние среды функционирования, заданные целевые требования к параметрам движения и энергетическому обеспечению операций, осуществляющиеся за счет внутренних ресурсов киберфизического объекта (рис. 1).
В дальнейшем в качестве такого объекта будет рассматриваться мобильный робот, осуществляющий пространственные перемещения, отображающие контент принятых информационных сообщений, которые формируются человеком-оператором или другим роботом, образующим с рассматриваемым объектом сеть многоцелевых операций. Онтологическая модель функционирования информационно открытого киберфизического объекта может быть представлена различными формализмами, например набором модельных операций эпистимической логики, для параметризации которых используются данные локальных измерений и сообщения, полученные от других роботов по каналам компьютерной связи. При этом использование для целей управления информации как атрибута описания объекта позволяет эффективно применять цифровые технологии моделирования параметров окружающей среды, обработка которых позволяет «вычислять» различные сценарии достижения заданных целевых условий.
траектория
конфигурационное пространство
{q.Pi}
Физика - наука о причинности -
изменение «траектории» движения объекта под воздействием «силы»
траект<
приход сообщения
конфигурационное пространство
Киберфизика - наука об информации как атрибуте реальности - изменении траектории движения объекта под воздействием сообщения
Рис. 1. Функциональная различия физических и киберфизических систем
Цифровая природа информации используемой в системах управления кибер-физическими объектами предъявляет высокие требования к используемым вычислительным ресурсам, которые необходимы для представления с достаточной точностью различных параметров, как модели управления, так и характеристики окружающей среды, в том числе:
♦ физико-механических процессов, протекающих в объекте и системе управления;
♦ физических структур и отношений, характеризующих целостность объекта управления и непротиворечивость условий его функционирования;
♦ целевых функций системы управления;
♦ сценариев достижения заданных целевых условий.
Активный характер взаимодействия описанных выше процессов и их моделей позволяет осуществлять поиск информации и обработку данных с целью формирования стратегии управления, учитывающей особенности:
♦ структуры каналов связи и телематических сервисов, обеспечивающих получение информации, необходимой для сохранения целостности системы;
♦ оперативно доступных энергоинформационных ресурсов, гарантирующих достижение цели управления;
♦ рисков, связанных недостоверностью получаемых данных и сложностью координации действий объектов, входящих в целевую группировку.
Следует отметить, что потенциальные возможности систем управления, использующих киберфизическое описание объектов, существенно зависят от ресурсов, привлекаемых для «вычисления» траекторий движения в конфигурационном пространстве с динамически формируемым множеством как топологических, так и механических, логических или временных ограничений.
2. Управление киберфизическими объектами в среде облачных вычислений. Как было отмечено выше, основные проблемы, которые возникают при управлении группировками роботов в среде с динамически изменяющимися ограничениями, связаны с требованиями повышения автономности функционирования объектов за счет интеллектуализации принимаемых решений и выполняемых операций [7-9]. Одним из наиболее перспективных методов взаимодействия распределенных мультиагентных систем является использование сетецентрических технологий организации информационного обмена между всеми членами группы и «оркестрирования» процессов взаимодействия с помощью общей модели описания среды функционирования (аналога некой «партитуры» для выполнения операций). Каждый субъект в такой сети пересылает доступную ему информацию в единый центр, аккумулирующий все данные и отвечающий за принятие стратегических решений. В условиях неопределенности окружающей среды, объект, помимо реализации «стратегических» указаний, получаемых от центра управления, руководствуется собственными данными о состоянии объектов в локальной области окружающего его пространства. Каждый робот такой группировки состоит из аппаратно-программной части и «виртуального» аватара, представленного совокупностью вычислительных процессов, которые реализуются в его персональной виртуальной вычислительной машине как части облачной вычислительной среды, которая взаимодействует с бортовой платформой управления с помощью беспроводной высокоскоростной сети связи (рис. 2).
Рис. 2. Группировка роботов - киберфизических объектов в среде облачных
вычислений
Такая модель функционирования киберфизических объектов, в которой бортовые вычислительные ресурсы дополнены сервисами, предоставляемыми средой облачных вычислений, позволяет решить различные задачи управления и обеспечить ряд важных преимуществ, включая:
1) расширенный класс алгоритмов управления и планирования операций;
2) возможность хранения и структурирования данных большого объема;
3) использование гетерогенных сред программирования (например, Scala или Java);
4) реализация централизованной стратегия формирования программного кода;
5) оперативное изменение алгоритмической платформы (перезагрузка авата-ра в режиме реального времени);
6) взаимодействие между аватарами через высокоскоростную сеть передачи данных;
7) общее пространство данных, ситуационная осведомленность всех агентов системы.
3. Облачная платформа управления киберфизическими объектами. Важной задачей является создание вычислительной среды, в которой размещены интеллектуально-вычислительные компоненты (аватары) киберфизических систем. В силу ограниченности линий связи и невозможности размещения мощных вычислителей непосредственно на борту роботов, является целесообразным разработка специализированных центров обработки данных с облачной архитектурой. Для создания прототипа такой вычислительной платформы для обработки данных мультиагентных систем была использована облачная система «Пилигрим» типа инфраструктура как сервис, основанная на OpenStack [10]. Система «Пилигрим» предоставляет масштабирование вычислительных ресурсов (виртуальных машин), обеспечивает их гетерогенность и позволяет подключить суперкомпьютерные ресурсы к облаку, образовав единое вычислительное пространство. Однако возможностей платформы «Пилигрим» недостаточно для решения задач управления группировками роботов, необходима разработка сервисов для внутреннего обмена информацией, представления вычислительных ком-
понент КФ объектов, и сопряжения с удаленными объектами управления. Поэтому предложена концепция облачной среды, основанной на акторном взаимодействии вычислительных компонент и организации общей среды обмена сообщениями.
Акторная модель организации параллельных вычислений [11, 12] получила широкое распространение с развитием функционального языка программирования Erlang, а впоследствии Scala и Java. Данная модель была сформирована как основа для практических реализаций параллельных систем [13, 14]. В этой модели актор является вычислительной сущностью [15], которая в ответ на принятое сообщение может выполнить следующие действия:
♦ послать определенное количество сообщений другим акторам;
♦ создать определенное количество акторов;
♦ выбрать модель поведения, которая будет использоваться при приеме последующих сообщений.
Данные действия могут выполняться в любой последовательности и/или параллельно. Основополагающим достижением модели акторов является разделение отправителя и переданных сообщений, обеспечивающая асинхронную связь и управление структурами как прототип передачи сообщений. Получатели сообщений определяются по так называемому «почтовому адресу». Таким образом, актор может взаимодействовать только с теми акторами, адреса которых ему известны. Узнать адрес актор может двумя способами: извлечь его из полученного сообщения или знать заранее в том случае, если актор создан им самим.
Для реализации информационного взаимодействия аватаров киберфизических объектов внутри облачной среды была использована акторная модель. Каждый ава-тар киберфизического объекта представлен актором, который описывается программным классом на языке Scala. Актор имеет непосредственную связь с киберфи-зическим объектом, которого он обслуживает. Это может быть робот, датчик, или удаленный сервис, который отправляет оперативную информацию с локального места действия и получает управляющие сигналы. Акторы могут обмениваться информацией между собой, при этом важно отметить, что информационный обмен происходит локально в рамках центра обработки данных, при этом робототехниче-ские средства могут находиться на разных полушариях планеты. Кроме акторов-роботов, в платформе предусмотрены сервисные акторы, которые предоставляют вспомогательные услуги, такие как доступ к информационным базам данных, топографической информации, поиску в сети Интернет и т.д. Отметим следующее:
1. Для каждого робота в облачной среде запущен этот актор, реализующий аватара и осуществляющий информационный обмен и обработку информации.
2. Информационный обмен между роботами осуществляется через передачу сообщений между их акторами (реализациями аватаров).
3. Облачная платформа для управления группировками роботов - это распределенная программная среда, основанная на системе типа «инфраструктура как сервис» и состоящая из акторов робототехнических средств, сервисных акторов и специализированных вычислительных компонент.
4. Модели и алгоритмы управления движением группировки роботов в облачной среде. Для решения задачи управления группировками роботов [16-18] необходимо решить две взаимосвязанные подзадачи: задача точного позиционирования роботов и задача расчета неблокирующих маршрутов на заданной карте.
Современные системы позиционирования можно разделить на две группы по масштабу охватываемой поверхности: глобальные и локальные. Глобальные системы (такие как GPS, ГЛОНАСС и др.) предполагают охват больших площадей, однако не позволяют получить координаты искомого объекта с высокой точностью. Локальные системы, наоборот, не позволяют захватить большие по площади пространства, однако, дают возможность повысить точность определения координат.
В рамках данной работы в качестве системы локального позиционирования предлагается использовать обзорную видеокамеру, с помощью которой будет определяться информация о положении движущихся объектов на карте. Для получения информации о роботах на карте необходимо определить особую систему обозначений, которая позволит отличить одного робота от другого, даже, если они имеют одинаковую конструкцию. Для этих целей можно использовать подход из систем дополненной реальности, в которых используются «маркеры» объектов. Каждый «маркер» содержит в себе закодированную информацию об объекте, которому он соответствует. Широко известными примерами таких «маркеров» являются QR-коды, DataMatrix и Artag маркеры, а также их различные модификации. Пример используемого маркера представлен на рис. 3.
Рис. 3. Пример маркера-носителя кода «7» для идентификации объекта и выбора
стратегии движения
Для решения задачи позиционирования роботов маркер должен отвечать двум требованиям: возможность отличать роботов в системе и определять ориентацию робота, а также быть легко детектируемым. «Маркер» на рис. 3 отвечает всем этим требованиям. Расположение подобных «маркеров», имеющих простейшую структуру, на поверхности робота позволяет определить всю необходимую информацию для решения задачи позиционирования.
В разработанной системе в качестве отдельной серверной компоненты разработано приложение для определения положения роботов с использованием обзорной видеокамеры. Для получения и обработки видеосигнала используется библиотека OpenCV. Обработка полученных результатов осуществляется в отдельном акторе, который дальше распределяет полученную информацию по другим акторам системы.
Для расчета маршрутов перемещения каждого из членов группы использовались алгоритмы, применяемые на дискретных областях. Все обозримое с помощью камеры пространство разбивалось на сетку и при помощи алгоритмов на графах строились кратчайшие пути. Однако использования простейших алгоритмов теории графов не достаточно для решения задачи управления группировками роботов, поскольку для построения кратчайшего пути одному роботу, необходимо учитывать во времени перемещения остальных роботов в системе и рассчитать маршрут так, чтобы они не пересекались. Например, на рис. 4 приведен случай взаимной блокировки роботов на их маршрутах, посчитанных при помощи классических алгоритмов на графах.
Рис. 4. Пример карты с маркерами и ограничениями
По этой причине предлагается использовать алгоритм, в основе которого лежит алгоритм А* с использованием дополнительных рекурсивных операций по разрешению конфликтов. Данный алгоритм позволяет построить маршруты для роботов так, чтобы они не пересекались во времени, а также все роботы достигли своих целевых позиций. По результатам построения маршрута движения робота возможно провести дополнительный расчет траектории движения с целью сглаживания маршрута и организации плавности движения способом [19].
Модель робота в системе представляется в виде алгебраической структуры
(М„Е,),М,={%1,сри,...,срь1),ср1-.М^М, (1)
где р - координаты робота; 5 - направление робота; р - вектор силы, действующей на робота; Д - операции и отношения.
'1
Также данная алгебраическая структура содержит описание актора-аватара, используемого для управления роботом в системе. Имплементация данного объекта должна будет содержать в качестве полей состояние носителя алгебры, а в качестве методов, выполняющих действия над этим носителем, все операции сигнатуры и их выполнение должно учитывать ограничения, накладываемые на них в сигнатуре.
Носителем данной структуры является состояние робота: координаты, угол поворота и суммарная сила, действующая на него. В качестве сигнатуры рассматривается набор операций, которые может осуществлять рассматриваемый робот и ограничения, учитываемые при их выполнении.
Тогда общее состояние группировки роботов может быть представлено также
в виде алгебры (м, Е*^, где носитель строится как декартово произведение носителей всех элементов группы
М = М хМ х...хМ ,
12 п 7
а сигнатура позволяет строить операции, с выполнением операций несколькими роботами
Е* = {...,<з. °<р. °(о ,...},(о еЕсЕ*,/ < да,
1 Т '1 т Н т 'к > ? т ¡ ) - з у з
что существенно повышает возможности и количество решаемых задач группировкой роботов.
Каждый робот в системе, описываемый своей алгеброй, имеет в своей сигнатуре операцию ожидания (е), а также любая из его операций должна быть обратимой. Таким образом, можно сделать вывод, что каждый из роботов это не просто алгебра, а еще и группа. Свойства группы позволяют сделать вывод о возможности решения задачи разрешения конфликтов при возникновении ситуаций блокировки маршрутов, например как на рис. 4.
Для определения направления перемещения робота используется идея метода потенциальных полей. Полученные маршруты определяют одну из сил, действующих на робота в системе. Для определения суммарного воздействия на робота на рассматриваемой карте используются три типа сил:
1) сила, отталкивающая от препятствий;
2) сила, тянущая робота по маршруту;
3) сила, отталкивающая от других роботов в системе.
Сила отталкивания от препятствия определяется по формуле (1). Эта сила обратно пропорциональна расстоянию до каждого из препятствий.
-р - а' т
* препятствий — / л' препятствий, ' препятствий — ,
йгьХ (г, о.)
где г - положение робота; О ■ - положение препятствия.
Сила, тянущая робота по маршруту, остается постоянной на протяжении всего процесса перемещения робота и изменяется только ее направление. Для определения направления действия этой силы используется маршрут, построенный с помощью алгоритма А*, который представляется в виде последовательности вершин графа, которые необходимо пройти для достижения целевой вершины. В процессе передвижения робота по вершинам графа тянущая по маршруту сила действует в направлении вершины, следующей за текущим положением робота на маршруте. Эта сила, в отличие от остальных, действует в направлении движения робота и тем самым, показывает роботу правильное направление движения, а остальные силы только корректируют его. По этой причине она всегда остается неизменной, пока робот не достигает целевой точки.
Для вычисления силы отталкивания от других роботов каждый робот в системе представляется в виде алгебраической структуры (1). Препятствие также может быть представлено в виде алгебраической структуры, за исключением того, что у нее будет пустая сигнатура. Однако, с точки зрения вычисления величины силы отталкивания это не важно, так как в процесс вычисления вовлечен только носитель. Таким образом, для вычисления значения этой силы также может быть использована формула (2).
Суммарный вектор сил, действующих на робота, вычисляется как
/' — препятствий ~Ь маршрута ~Ь других роботов (3)
и определяет направление его движения. Пример действия сил приведен на рис. 5. Далее, при помощи системы передачи сообщений роботам осуществляется попытка совместить вектор направления робота и вектор действия результирующей силы. Этот результат "Пример действия сил" приведен на рис. 5. Далее, при помощи системы передачи сообщений роботам осуществляется попытка совместить вектор направления робота и вектор действия результирующей силы. Как только этот результат достигается, робот начинает движение в заданном направлении. С использованием обратной связи в контуре управления через обзорную видеокамеру происходит корректировка ориентации робота, с целью продолжения движения под действием всех трех сил. Общая схема такого контура управления приведена на рис. 6.
F
FApyrnx роботов
Ро от
бот
маршрута Рмаршру
Рис. 5. Действие трех типов «сил» на робота в поле ограничений
По результатам расчета маршрутов необходимо обеспечить гарантированную и своевременную доставку этой информации на робота, с целью осуществления перемещения в заданном направлении. Для этого используется механизм, поддерживаемый технологией Message Queues - Publisher/Subscriber. При использовании шаблона Publisher/Subscriber производится широковещательная отправка информации от отправителя (Publisher), которая содержит в себе заголовок сообщения с именем адресата (Subscriber). Далее получатель (Subscriber) определяет, кому было отправлено это сообщение, и обрабатывает его в соответствующем порядке. Такая архитектура обеспечивает простоту системы передачи сообщений, а также за счет использования технологии ZeroMQ, как одной из реализаций технологии Message Queues, обеспечивает гарантированную доставку сообщений. На рис. 7 представлена архитектурная схема разрабатываемой платформы:
Рис. 6. Контур управления роботами
F
Важной особенностью рассматриваемой платформы является возможность построения оперативной ситуационной обстановки, к которой может обратиться любой актор на основе этой информации и передать управляющую команду своему роботу. Кроме того, предусмотрена возможность подписки актора на определенные события, которые генерируются другими участниками группировки
Платформа разделена на восемь уровней. Уровни 1-3 являются инфраструктурными и могут быть размещены не только на платформе «Пилигрим», но и в другой облачной среде, например, Amazon Web Services. Такой подход позволяет развернуть платформу управления роботами в разных инфраструктурах для частного и открытого использования. Уровни 4-6 представляют программные компоненты платформы, которые размещаются в центре обработки данных. По уровню 7 осуществляется передача данных. Последний восьмой уровень - это множество агентов и операторов. Интерфейсы и протоколы взаимодействия разрабатываемой платформы проектируются открытыми сообществу, что должно обеспечить расширяемость функциональности и возможность применения в разных сферах деятельности и промышленности.
При разработке прототипа облачной среды обеспечения функционирования киберфизическими объектами были применены следующие технологии:
1. Платформа «Пилигрим» (на базе OpenStack IceHouse).
2. Языки программирования Scala и Java.
3. Акторная платформа Akka (akka-cluster для масштабирования в облаке).
4. ZeroMQ для внешних коммуникаций.
5. Spark для обработки «больших данных».
6. HDFS/CEPH для хранения данных.
Рис. 7. Архитектурная схема облачной платформы управления группировками
киберфизических объектов
Разрабатываемая платформа может быть применена и в мобильных системах, за счет применения одноранговых mesh сетей. Облачная платформа в мобильной конфигурации устанавливается на шасси и передвигается вместе с другими роботами. Современные средства организации сетевого взаимодействия с помощью технологии mesh обеспечивают дальность взаимодействия до 80 километров [20, 21].
Заключение. В статье рассматривается новый подход к управлению роботами, объединяющий возможности технологий мультиагентного взаимодействия со средствами синхронизации движения с использованием больших данных, представляющих ситуационную обстановку среды функционирования. Показано, что операции с большими данными позволяют выделить существенные для цели управления параметры движения и характеристики ограничений, обеспечивая информационную связанность группировки роботов, которая учитывает динамические изменения, происходящие в среде функционирования.
Применение предложенного подхода базируется на технологии виртуализации вычислений в облачной среде, и требует использования нового класса процессов управления, в которых присутствует ситуационная «модель мира» как пространство потенциальных возможностей.
Разработанный подход позволяет обеспечить робота практически неограниченным набором вычислительных ресурсов, предоставляемого средой облачных вычислений и внешними вычислительными сервисами, доступными через сеть, что повышает интеллектуальность используемых алгоритмов, позволяет учесть характер ограничений и повысить качественные характеристики (точность, скорость, сложность) локомоций. Предложенная модель доступа к вычислительным ресурсам «облака» должна включать возможность виртуализации характеристик среды передачи данных с целью учета их как параметров в алгоритмах вычислений, которые используются для реализации системы управления роботом, а также виртуализацию параметров движения и ограничений, представляемых, например, в виде потенциальных силовых полей.
Результаты исследования могут быть использованы не только в робототехнике, но и в системах, относящихся к классу "Интернета вещей" (англ. Internet of things), умный дом, и многих других.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Заборовский B.C., Лукашин A.A., Мулюха В.А. Платформа управления киберфизически-ми объектами // Открытые системы. СУБД. - 2014. - № 9. - C. 30-32.
2. Попов Э.В., Фридман Г.Р. Алгоритмические основы интеллектуальных роботов и искусственного интеллекта: монография. - М.: Наука, 1976. - 455 с.
3. Юревич Е.И. Управление роботами и робототехническими системами: учеб. для вузов. - СПб.: Изд-во СПбГТУ, 2001. - 168 с.
4. Тимофеев A.B. Интеллектуальное и мультиагентное управление робототехническими системами // Экстремальная робототехника: Мат. XI науч.-техн. конф. - СПб.: Изд-во СПбГТУ, 2001. - С. 9-16.
5. Wagner A.R., Arkin R.C. Internalized Plans for Communication-Sensitive Robot Team Behaviors // Proc. IEEE Inter. Conf. on Intelligent Robotics and Systems. - 2003. - P. 2480-2487.
6. Derler P., Lee E.A. and Sangiovanni-Vincentelli A. Modeling Cyber-Physical Systems // Proceedings of the IEEE (special issue on CPS), 13-28, January 2012. - No. 100 (1).
7. Капустян С.Г. Методы и алгоритмы коллективного управления роботами при их групповом применении: дис. ... д-ра техн. наук: 05.02.05. - Ростов-на-Дону, 2008. - 310 с.
8. Каляев И.А., Гайдук А.Р., Капустин С.Г. Распределенные системы планирования действий коллективов роботов. - М.: Янус-К, 2002. - 291 с.
9. Черняк Л. Интеллект роя для ИТ // Открытые системы. СУБД. - 2014. - № 2. - C. 41-43. URL: http://www.osp.ru/os/2014/02/13040047 (дата обращения: 12.11.2015).
10. Заборовский В.С., Лукашин А.А. Высокопроизводительная защищенная облачная среда // Открытые системы. СУБД. - 2013. - № 6. - С. 10-13. URL: http://www.osp.ru/os/2013/ 06/13036845 (дата обращения: 12.11.2015).
11. Hewitt C., Bishop P., Steiger R. Proceeding IJCAI'73 Proceedings of the 3rd international joint conference on Artificial intelligence, 1973. - P. 235-245.
12. Мараховский В.Б., Розенблюм Л.Я., Яковлев А.В. Моделирование параллельных процессов. Сети Петри. Курс для системных архитекторов, программистов, системных аналитиков, проектировщиков сложных систем управления. - СПб.: Профессиональная литература, АйТи-Подготовка, 2014. - 400 с.
13. Lamprecht Günther. Introduction to SIMULA 67, 1983, Vieweg+Teubner Verlag, ISBN 9783-528-13340-5, DOI 10.1007/978-3-322-89739-8. - 202 p.
14. Carl Hewitt. The repeated demise of logic programming and why it will be reincarnated What Went Wrong and Why: Lessons from AI Research and Applications. Technical Report SS-06-08. AAAI Press. March 2006.
15. Carl Hewitt. ORGs for Scalable, Robust, Privacy-Friendly Client Cloud Computing // IEEE Internet Computting. - September-October 2008. - Vol. 12, No. 5. - P. 96-99.
16. Бурдаков С.Ф., Мирошник И.В., Стельмаков Р.Э. Системы управления движением колесных роботов. - СПб.: Наука, 2001. - 227 с.
17. Каляев И.А., Гайдук А.Р., Капустян С.Г. Распределенные системы планирования действий коллективов роботов. - М.: Янус-К, 2002. - 292 с.
18. Luna R., Bekris K.E. Efficient and complete centralized multi-robot path planning // Intelligent Robots and Systems (IROS), 2011 IEEE/RSJ International Conference on. - IEEE, 2011.
- P. 3268-3275.
19. Куприянов В.Е., Васильев А.Ю. Грубые системы управления. Синтез систем управления по выходу: учеб. пособие. - СПб.: Изд-во Политехн. ун-та, 2012. - 83 с.
20. Kurochkin M., Glazunov V., Kurochkin L. and Popov S. Instrumental environment of multiprotocol cloud-oriented vehicular mesh network // In 10th International Conference on Informatics in Control, Automation and Robotics (ICINCO), 2013.
21. Заборовский В.С., Мулюха В.А., Пашкин М.П., Попов С.Г. Сетецентрические алгоритмы управления для телематических сервисов толерантных к задержкам // Труды СПИИРАН.
- 2013. - Вып. 8 (31). - С. 163-176.
REFERENCES
1. Zaborovskiy V.S., Lukashin A.A., Mulyukha V.A. Platforma upravleniya kiberfizicheskimi ob"ektami [Management platform cyber-physical objects], Otkrytye sistemy. SUBD [Open systems. Databases], 2014, No. 9, pp. 30-32.
2. Popov E.V., Fridman G.R. Algoritmicheskie osnovy intellektual'nykh robotov i iskusstvennogo intellekta: Monografiya [Algorithmic basics of intellectual robots and artificial intelligence: a Monograph]. Moscow: Nauka, 1976, 455 p.
3. Yurevich E.I. Upravlenie robotami i robototekhnicheskimi sistemami: Ucheb. dlya vuzov [The management of robots and robotic systems: Textbook for universities]. Saint-Petersburg: Izd-vo SPbGTU, 2001, 168 p.
4. Timofeev A.B. Intellektual'noe i mul'tiagentnoe upravlenie robototekhnicheskimi sistemami [Intelligent and multi-agent control of robotic systems], Ekstremal'naya robototekhnika: Mat. XI nauch.-tekhn. konf. [Extreme robotics: proceedings of the XI scientific and technical conference]. Saint-Petersburg: Izd-vo SP6GTU, 2001, pp. 9-16.
5. Wagner A.R., Arkin R.C. Internalized Plans for Communication-Sensitive Robot Team Behaviors, Proc. IEEE Inter. Conf. on Intelligent Robotics and Systems, 2003, pp. 2480-2487.
6. Derler P., Lee E.A. and Sangiovanni-Vincentelli A. Modeling Cyber-Physical Systems, Proceedings of the IEEE (special issue on CPS), 13-28, January 2012, No. 100 (1).
7. Kapustyan S.G. Metody i algoritmy kollektivnogo upravleniya robotami pri ikh gruppovom primenenii: dis. d-ra tekhn. nauk [Methods and algorithms of collective control robots with their group administration. Dr. eng. sc. diss.]: 05.02.05. Rostov-on-Don, 2008, 310 p.
8. Kalyaev I.A., Gayduk A.R., Kapustin S.G. Raspredelennye sistemy planirovaniya deystviy kollektivov robotov [Distributed systems planning teams of robots]. Moscow: Yanus-K, 2002, 291 p.
9. ChernyakL. Intellekt roya dlya IT [Swarm intelligence for IT], Otkrytye sistemy. SUBD [Open systems. Databases], 2014, No. 2, pp. 41-43. Available at: http://www.osp.ru/os/2014/02/ 13040047 (accessed 12 November 2015).
10. Zaborovskiy V.S., Lukashin A.A. Vysokoproizvoditel'naya zashchishchennaya oblachnaya sreda [High-performance secure cloud environment], Otkrytye sistemy. SUBD [Open systems. Databases], 2013, No. 6, pp. 10-13. Available at: http://www.osp.ru/os/2013/06/13036845 (accessed 12 November 2015).
11. Hewitt C., Bishop P., Steiger R. Proceeding IJCAI'73 Proceedings of the 3rd international joint conference on Artificial intelligence, 1973, pp. 235-245.
12. Marakhovskiy V.B., RozenblyumL.Ya., YakovlevA.V. Modelirovanie parallel'nykh protses-sov. Seti Petri. Kurs dlya sistemnykh arkhitektorov, programmistov, sistemnykh analitikov, proektirovshchikov slozhnykh sistem upravleniya [Modeling of parallel processes. Petri Nets. Course for system architects, programmers, system analysts, designers of complex control systems]. Saint-Petersburg: Professional'naya lite-ratura, AyTi-Podgotovka, 2014, 400 p.
13. Lamprecht Günther. Introduction to SIMULA 67, 1983, Vieweg+Teubner Verlag, ISBN 9783-528-13340-5, DOI 10.1007/978-3-322-89739-8, 202 p.
14. Carl Hewitt. The repeated demise of logic programming and why it will be reincarnated What Went Wrong and Why: Lessons from AI Research and Applications. Technical Report SS-06-08. AAAI Press. March 2006.
15. Carl Hewitt. ORGs for Scalable, Robust, Privacy-Friendly Client Cloud Computing, IEEE Internet Computting, September-October 2008, Vol. 12, No. 5, pp. 96-99.
16. Burdakov S.F., Miroshnik I.V., Stel'makov R.E. Sistemy upravleniya dvizheniem kolesnykh robotov [The motion control system of wheeled robots]. Saint-Petersburg: Nauka, 2001, 227 p.
17. Kalyaev I.A., Gaiduk A.R., Kapustyan S.G. Raspredelennye sistemy planirovaniya deystviy kollektivov robotov [Distributed systems planning teams of robots]. Moscow: Yanus-K, 2002, 292 p.
18. Luna R., Bekris K.E. Efficient and complete centralized multi-robot path planning, Intelligent Robots and Systems (IROS), 2011 IEEE/RSJ International Conference on. IEEE, 2011, pp. 3268-3275.
19. Kupriyanov V.E., Vasil'ev A.Yu. Grubye sistemy upravleniya. Sintez sistem upravleniya po vykhodu: ucheb. posobie [Coarse control system. The synthesis of control systems output: a tutorial]. Saint-Petersburg: Izd-vo Politekhn. un-ta, 2012, 83 p.
20. Kurochkin M., Glazunov V., Kurochkin L. and Popov S. Instrumental environment of multiprotocol cloud-oriented vehicular mesh network, In 10th International Conference on Informatics in Control, Automation and Robotics (ICINCO), 2013.
21. Zaborovskiy V.S., Mulyukha V.A., Pashkin M.P., Popov S.G. Cetetsentricheskie algoritmy upravleniya dlya telematicheskikh servisov tolerantnykh k zaderzhkam [Network-centric control algorithms for telematic services tolerant to delays], Trudy SPIIRAN [Proceedings of SPIIRAS], 2013, Issie 8 (31), pp. 163-176.
Статью рекомендовал к опубликованию д.т.н. С.Г. Капустян.
Заборовский Владимир Сергеевич - ЦНИИ РТК, Институт прикладной математики и механики, Санкт-Петербургский политехнический университет Петра Великого; e-mail: [email protected]; 194021, г. Санкт-Петербург, 2-й Муринский пр., 37, тел.: 88125529246, 89219398954; кафедра телематики; зав. кафедрой; д.т.н.; профессор.
Лукашин Алексей Андреевич - e-mail: [email protected]; 194354, г. Санкт-Петербург, ул. Сикейроса, 21, к. 2; тел.: 88125529246; кафедра телематики; к.т.н.; доцент.
Мулюха Владимир Александрович - ЦНИИ РТК, Санкт-Петербург; e-mail: [email protected]; 193232, г. Санкт-Петербург, ул. Тельмана, 46; тел.: 89119378207; старший научный сотрудник лаборатории 811; к.т.н.
Ильяшенко Александр Сергеевич - e-mail: [email protected]; 194064, г. Санкт-Петербург, ул. Обручевых, 8; тел.: 89216324597; научный сотрудник 821 лаборатории; к.ф.-м.н.
Zaborovsky Vladimir Sergeevich - R&D RTC, Institue of Applied Mathematics and Mechanics, Peter the Great Saint-Petersburg Polytechnic University; e-mail: [email protected]; 37, 2nd Murinsky pr., Saint-Petersburg, 194021, Russia; phones: +78125529246, +79219398954; the department of telematics; head of department; dr. of eng. sc.; professor.
Lukashin Aleksey Andreevich - e-mail: [email protected]; 21, Sikeyrosa street, ap. 2, Saint-Petersburg, 194354, Russia; phone: +78125529246; the department of telematics; cand. of eng. sc.; associate professor.
Muliukha Vladimir Alexandrovich - R&D RTC, Saint-Petersburg; e-mail: [email protected]; 46, Telmana street, Saint-Petersburg, 193232, Russia; phone: +79119378207; senior researcher of 811 laboratory; cand. of eng. sc.
Ilyashenko Aleksandr Sergeevich - e-mail: [email protected]; 8, Obrucheva street, Saint-Petersburg, 194064, Russia; phone: +79216324597; researcher of 821 laboratory; cand. of phis.-math. sc.
УДК 528.8
П.О. Скобелев, В.К. Скирмунт, Е.В. Симонова, А.А. Жиляев, В.С. Травин
ПЛАНИРОВАНИЕ ЦЕЛЕВОГО ПРИМЕНЕНИЯ ГРУППИРОВКИ КОСМИЧЕСКИХ АППАРАТОВ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ С ИСПОЛЬЗОВАНИЕМ МУЛЬТИАГЕНТНЫХ ТЕХНОЛОГИЙ*
Рассматривается задача построения плана целевого применения группировки космических аппаратов дистанционного зондирования Земли. Критерием оценки эффективности расписания является оперативность доставки снимков потребителям, а также их разрешение. Допустимость полученного расписания определяется исходя из ограничений по интервалам видимости между космическими аппаратами, районами наблюдения и пунктами приема информации, объему запоминающего устройства, а также согласованности операций по съемке, хранению, передаче и приему данных. Используется мультиагентный подход к планированию, в котором искомое расписание строится как динамическое равновесие интересов агентов космических аппаратов, районов наблюдения и пунктов приема информации. При планировании учитываются динамически возникающие события, к числу которых относятся поступление новой задачи или изменение ее параметров, выход из строя космического аппарата или средства связи. Дано описание классов агентов и протоколов их взаимодействия. Процесс формирования искомого расписания разбивается на две стадии. На первой стадии агенты с помощью жадной стратегии формируют начальное допустимое расписание, на второй - пытаются улучшить текущее расписание путем построения цепочек перестановок операций. Приводится перечень конфликтных ситуаций, разрешающихся в процессе планирования. Описывается разработанная система планирования целевого применения группировки космических аппаратов. Приводятся результаты работы системы на тестовом наборе данных. Обосновываются преимущества мультиа-гентного подхода к управлению группировкой космических аппаратов дистанционного зондирования Земли.
Мультиагентные технологии; группировка космических аппаратов; дистанционное зондирование Земли; целевое применение; планирование; адаптивность.
*
Работа выполнена при финансовой поддержке Министерства образования и науки Российской Федерации (контракт № 14.576.21.0012, уникальный номер RFMEFI57614X0012).
