Движение в движении:
Последние новости и события

Чтобы решать сложные задачи в реальных условиях, совместное исследование с участием нескольких интеллектуальных агентов стало необходимым. Однако централизованные методы оказываются неэффективными при увеличении масштаба системы. Исследования многогрупповых систем, основанных на управлении самоорганизующимися системами, способны выполнять сложные задачи.

Эксперименты с роботами являются необходимым инструментом для исследования роя интеллектуальных агентов.

При проведении исследований по поводу ройных интеллектуальных агентов эффективность роботизированной системы, созданной с помощью различных методов проектирования, оценивается по её способности достигать заданных поведений. Эта эффективность в основном подтверждается тремя подходами: динамическим моделированием, компьютерным моделированием и робототехническими экспериментами.

Динамическая модель использует стохастические процессы и динамические методы среди прочих теоретических инструментов для проверки сходимости системы. Хотя она более абстрактна, чем другие методы, и требует множества предпосылок, ей ставятся задачи, такие как шум в практических процессах кластеров агентов, что мешает созданию единой модели.

Компьютерное моделирование использует компьютеры для моделирования взаимодействий между окружением и агентами, а также взаимодействий между самими агентами, чтобы проверить и оптимизировать производительность системы. Этот метод можно использовать для валидации крупномасштабныхRobots и повышения эффективности проверки систем. Однако шум связи, трение о землю и столкновения между агентами в реальной среде могут повлиять на отдельных агентов и, соответственно, влиять на коллективные поведения, что означает, что симуляции не могут полностью воспроизвести сценарии из реальной жизни.

Большинство экспериментов с робототехникой проводятся в контролируемых лабораторных условиях, где такие переменные, как интенсивность освещения и коэффициенты трения поверхности, могут быть точно отрегулированы исследователями. Эти эксперименты также учитывают реальные сложности, такие как окружающий шум, столкновения между агентами и помехи в коммуникации, что делает их необходимыми для проверки осуществимости и устойчивости роботизированных систем.

Система захвата движения решает несколько проблем в экспериментальной системе кластера интеллектуальных агентов.

В качестве основного компонента оптических систем захвата движения разрешение, частота и угловое поле зрения оптических камер напрямую влияют на точность и эффективность всей системы захвата движения.

Из-за слабых сигналов внутри помещений GPS не может обеспечить определение местоположения в помещениях. Текущие решения для определения местоположения в помещениях включают лазерный SLAM, визуальный SLAM, оптический поток и UWB, среди прочих. Основная проблема, которую необходимо решить для всех этих методов позиционирования, — это низкая точность определения (с наивысшей точностью у UWB на уровне сантиметров). Кроме того, существуют и другие ограничения, такие как высокое потребление вычислительных ресурсов методами визуального позиционирования и требование, чтобы мощность UWB находилась ниже определенного порога (чтобы избежать помех с другими коммуникационными устройствами), что сильно ограничивает их использование в экспериментальных помещениях с ограниченным пространством и высокой плотностью интеллектуальных агентов.

Использование систем захвата движения в качестве решения для внутреннего позиционирования многомандартных систем эффективно решает указанные выше проблемы.

Система захвата движений NOKOV, как внешнее устройство, использует камеры оптического захвата движений, расположенные вокруг зоны, для захвата отражающих маркеров, прикрепленных к различным объектам. Путем вычисления 3D пространственных координат этих маркеров система определяет положение объектов (а также информацию о позе с нескольких точек на одном и том же объекте), достигая субмиллиметровой точности. Поскольку система захвата движений сама вычисляет информацию о положении, она не использует вычислительные ресурсы объектов. Как внешнее устройство, она также может снизить нагрузку на дроны. Система NOKOV может одновременно определять положение более 40 объектов с частотой выборки до 380 Гц и задержкой около 4 мс, что соответствует требованиям быстрой реакции дронов и аналогичных приложений.

Мультиагентная кластерная экспериментальная платформа

Ниже представлены введения к нескольким экспериментальным платформам с множественными агентами, основанным на захвате движения.

Crazyswarm — это экспериментальная платформа для рое дронов, основанная на Crazyflie. Платформа разработана для исследователей роя дронов, чтобы решить такие проблемы, как работа нескольких дронов в закрытых помещениях, небольшой объем каждого дрона, высокая точность позиционирования и программное обеспечение с открытым исходным кодом. Crazyswarm предлагает в настоящее время крупнейшую архитектуру системы дляIndoor роя дронов. Система использует встроенные процессоры для вычислений, повышая надежность связи и требуя меньшей пропускной способности.

Поскольку системы захвата движения используют различные схемы размещения маркеров на дронов для идентификации каждого устройства, на дронах недостаточно пространства для проектирования совершенно уникальных схем маркеров при работе с крупномасштабными роями дронов. Чтобы решить эту проблему, Crazyswarm предложил использовать метод локализации дронов с помощью сырого облака точек из системы захвата движения, что требует выполнения двух условий.

Необходимо знать начальные позиции всех дронов, чтобы установить соответствие между их идентификаторами и физическими местоположениями.

② Трекинг должен выполняться кадр за кадром; если маркер будет затенен в течение длительного времени, алгоритм может не суметь восстановить соответствие ID и позиции.

Направления исследований с использованием Crazyswarm для экспериментов включают оценку ориентации, планирование траекторий, управление формированием, машинное обучение, распределенную оптимизацию и производительность формирования. Университет электронной науки и технологий провел исследования по дроновым формированиям с использованием платформы Crazyswarm, оснащенной 12 оптическими камерами захвата движения NOKOV.

Для многих исследователей создание тестовой среды для распределенного управления мобильными роботами является дорогостоящим. Robotarium предоставляет кластер роботов - исследовательскую платформу, к которой можно получить удаленный доступ, позволяя исследователям загружать свои алгоритмы и проверять их на реальных роботах, а не только симулировать. Платформа Robotarium способна одновременно управлять десятками и сотнями роботов, и с момента ее открытия было проведено более тысячи экспериментов.

На платформе Robotarium установлено восемь камер захвата движения, расположенных по периметру тестовой площадки, для отслеживания передвижения каждого робота, а также для сбора данных и управления. Каждый робот оснащен уникально расположенными отражающими маркерами для различения индивидуумов. Поскольку система захвата движения имеет более широкий диапазон захвата, субмиллиметровую точность позиционирования и более высокую частоту дискретизации, платформа Robotarium выбрала использование системы захвата движения вместо визуальных систем отслеживания камерой. С точки зрения безопасности оборудования скорость, точность и прецизионность системы захвата движения позволяют платформе Robotarium обнаруживать потенциальные опасности в ходе неизвестных экспериментов и вносить автоматические коррекции.

[3] Лю Ци. Биомиметическое исследование площади контакта и поведения адгезии геккона при внешних углах [D]. Нанкинский университет аэронавтики и астронавтики, 2019.

Институт автоматизации, Китайская академия наук Платформа интеллектуальных кластеров

Умная система беспилотного роя представляет собой систему демонстрации и верификации индивидуального и группового интеллекта, совместно разработанную Командой интеллектуальных технологий Института автоматизации Китайской академии наук (CAS) и Тайчжоуским институтом интеллектуального производства CAS. Эта система беспилотного роя может выполнять функции, такие как управление индивидуальными беспилотными средствами и дронами, координация между наземными и воздушными единицами, ройевые боевые действия, а также выполнение построений беспилотными средствами и дронами. Она также включает в себя открытый SDK с высокой степенью функциональности, способный в реальном времени передавать информацию, такую как местоположение и скорость беспилотных средств и дронов, обратно в командную систему. Это может быть использовано для молодежного научного образования, подготовки, углубленной второй разработки университетами или научными учреждениями, а также для применения в региональной логистике и отраслях гражданско-военной интеграции. Кроме того, команда располагает системой захвата движения NOKOV с высоким разрешением для использования в помещениях, которая может захватывать и отслеживать сотни объектов в реальном времени в густонаселенных зонах.

Беспилотные ройевые системы полагаются на системы восприятия и связи для получения информации о внешней среде и помощи от других платформ. Система восприятия включает в себя множество сенсорных модулей, включая модули ИЭД (инерциальные измерительные устройства), модули приемников дистанционного управления, беспроводные коммуникационные модули и др. Эти интерфейсы модулей универсальны и могут быть заменены и перенесены в соответствии с различными требованиями задач и производительностью.

Для ситуаций, требующих высокой точности, платформа оснащена оптической 3D-системой захвата движения NOKOV, которая обеспечивает точную информацию о позиции и позе.