Для решения сложных задач в реальных условиях среды стало необходимым сотрудничество в исследованиях, вовлекающих несколько интеллектуальных агентов.Однако централизованные методы оказываются неэффективными при масштабировании системы.Исследования многоагентных роев, основанные на управлении самоорганизующимися системами, способны выполнять сложные задачи.

1. Эксперименты с роботами являются необходимым инструментом для изучения роев интеллектуальных агентов.

При проведении исследований роев интеллектуальных агентов, производительность роботизированной системы, разработанной различными методами, измеряется её способностью достигать заданных поведений.Эта производительность в основном подтверждается тремя подходами: динамическое моделирование, компьютерное моделирование и эксперименты с роботами.

Динамическая модель использует стохастические процессы и динамические методы среди прочих теоретических инструментов для проверки сходимости системы.Хотя она более абстрактна по сравнению с другими методами и требует множества предпосылок, она сталкивается с такими проблемами, как шум в практических процессах кластеров агентов, что препятствует созданию единой модели.

Компьютерное моделирование использует компьютеры для моделирования взаимодействий между окружающей средой и агентами, а также взаимодействий между самими агентами для проверки и оптимизации производительности системы.Этот метод может быть использован для валидации крупномасштабных роботизированных систем и повышения эффективности проверки системы.Однако шумы в коммуникациях, трение о поверхность и столкновения между агентами в реальной среде могут влиять на отдельных агентов и, следовательно, воздействовать на коллективное поведение, что означает, что моделирование не может полностью воспроизводить реальные сценарии.

Большинство экспериментов с роботами проводится в контролируемых лабораторных условиях, где переменные, такие как интенсивность освещения и коэффициенты трения о поверхность, могут быть точно регулируемы исследователями.Эти эксперименты также учитывают сложности реального мира, такие как шум окружающей среды, столкновения между агентами и помехи в коммуникациях, делая их необходимыми для подтверждения осуществимости и надежности роботизированных систем.

Система захвата движения решает множество проблемных вопросов в экспериментальной системе кластера интеллектуальных агентов.

Как основной компонент оптических систем захвата движения, разрешение, частота и поле зрения оптических камер напрямую влияют на точность и эффективность всей системы захвата движения.

Из-за слабого сигнала в помещениях GPS не может обеспечить позиционирование внутри зданий. Современные решения для внутреннего позиционирования включают лазерный SLAM, визуальный SLAM, оптический поток и UWB среди прочих.Основная проблема, которую необходимо решить с использованием всех этих методов позиционирования, заключается в низкой точности позиционирования (с наивысшей точностью UWB на уровне сантиметров).Кроме того, существуют и другие ограничения, такие как высокое потребление вычислительных ресурсов методами визуального позиционирования и требование к мощности UWB быть ниже определенного порога (чтобы избежать помех с другими коммуникационными устройствами), что существенно ограничивает их использование в ограниченных по пространству и с высокой плотностью интеллектуальных агентов внутренних экспериментальных средах.

Использование систем захвата движения в качестве решения для внутреннего позиционирования многоагентных систем эффективно решает вышеупомянутые проблемы.

Система захвата движения NOKOV, как внешнее устройство, использует оптические камеры захвата движения, расположенные вокруг зоны для захвата отражающих маркеров, закрепленных на различных объектах.Путем вычисления пространственных координат этих маркеров в 3D, система определяет положение объектов (а также информацию о позе с нескольких точек на том же объекте), достигая точности в субмиллиметровом диапазоне.Поскольку система захвата движения 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 локализовать более 40 объектов с частотой выборки до 380 Гц и задержкой около 4 мс, соответствуя требованиям к быстрому отклику дронов и подобных приложений.

Многоагентная Кластерная Экспериментальная Платформа

Ниже представлены описания нескольких многоагентных экспериментальных платформ на основе системы захвата движения.

Crazyswarm — экспериментальная платформа для роев дронов на базе Crazyflie. Платформа разработана для исследователей роев дронов и решает проблемы, такие как работа нескольких дронов в помещении, малый индивидуальный объем, высокая точность позиционирования и открытое программное обеспечение. Crazyswarm предлагает наибольшую на сегодняшний день архитектуру системы роев дронов для помещений. Система использует встроенные процессоры для вычислений, повышая надежность связи и снижая требования к пропускной способности сети.

Поскольку системы захвата движения используют различные конфигурации маркеров на дронах для идентификации каждого аппарата, на дронах не хватает места для создания полностью уникальных конфигураций маркеров при работе с большими группами дронов. Для решения этой проблемы Crazyswarm предложил использовать метод определения местоположения дронов по исходному облаку 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 Отслеживание должно осуществляться по кадрам; если маркер оказывается закрытым на длительный период, алгоритм может не суметь восстановить соответствие между идентификатором и позицией.

Направления исследований с использованием Crazyswarm для экспериментов включают оценку положения, планирование траектории, управление формацией, машинное обучение, распределенную оптимизацию и оценку эффективности формации. Университет электронной науки и технологии провел исследования формаций дронов с использованием платформы Crazyswarm, оснащенной 12 оптическими камерами Motion Capture NOKOV.

Для многих исследователей создание испытательного стенда для распределенного управления мобильными роботами является затратным. Robotarium предоставляет платформу для исследований с кластером роботов, которая доступна для удаленного доступа, позволяя исследователям загружать свои алгоритмы и проверять их на реальных роботах, в отличие от чисто теоретического моделирования. Платформа Robotarium способна одновременно управлять десятками или сотнями роботов, и с момента ее открытия было проведено более тысячи экспериментов.

На платформе Robotarium установлено восемь камер системы захвата движения над периферией испытательной платформы для отслеживания движений каждого робота, а также для сбора данных и управления. Каждый робот оснащен уникально расположенными отражающими маркерами для идентификации отдельных единиц. Поскольку система захвата движения обладает более широким диапазоном захвата, субмиллиметровой точностью позиционирования и более высокой частотой дискретизации, платформа Robotarium предпочла использовать систему захвата движения вместо систем визуального отслеживания с помощью камер. С точки зрения безопасности оборудования, скорость, точность и прецизионность системы захвата движения позволяют платформе Robotarium обнаруживать потенциальные опасности во время неизвестных экспериментов и производить автоматические корректировки.

[3] Лю Ци. Биомиметическое исследование контактной площади и поведения адгезии геккона на внешних углах [Д]. Нанкинский университет аэронавтики и астронавтики, 2019.

Институт автоматизации, Китайская академия наук, Платформа интеллектуального кластера

Интеллектуальная система беспилотного роя является демонстрационной и верификационной системой для индивидуального и группового интеллекта, разработанной совместно командой по интеллектуальным технологиям Института автоматизации Китайской академии наук (КАН) и Тайчжоуским институтом интеллектуального производства КАН. Эта система беспилотного роя может выполнять функции управления отдельными беспилотными транспортными средствами и дронами, координации между наземными и воздушными подразделениями, ведения группового боя, а также демонстрации формаций беспилотными транспортными средствами и дронами. Также в системе предусмотрен высокооткрытый SDK, способный передавать в режиме реального времени информацию, такую как местоположение и скорость беспилотных транспортных средств и дронов, обратно в систему управления. Это может быть использовано для образования молодежи в области науки, тренировок, глубокой вторичной разработки университетами или научными институтами, а также применений в области региональной логистики и индустрии гражданско-военной интеграции. Кроме того, команда располагает крупномасштабной, высокоточной системой захвата движения NOKOV для использования в помещениях, которая может захватывать и отслеживать сотни целей в реальном времени в плотных зонах.

Беспилотные системы роя основываются на системах восприятия и коммуникации для получения информации об окружающей среде и помощи от других платформ. Система восприятия включает в себя множество модулей сенсорики, включая модули ИНС, модули приемника дистанционного управления, модули беспроводной связи и т.д. Интерфейсы этих модулей универсальны и могут быть заменены или переназначены в соответствии с различными требованиями задач и характеристиками.

Для ситуаций, требующих высокой точности, платформа оснащена оптической 3D системой захвата движения NOKOV, обеспечивающей точную информацию о положении и позе.