Как роботы работают в команде без человека

Исследователи из Технологического университета Лулеа в Швеции представили новый метод координации действий нескольких роботов-агентов. Метод, представленный учеными позволяет эффективно организовать действия нескольких роботов, объединяющих усилия для достижения общей цели. Особенно удачно они выполняют задачи, разбитые на этапы, то есть, работают step by step.
Как роботы работают в команде без человека
Роботы в рабочем поле. Dahlquist et al. https://arxiv.org/pdf/2304.01976.pdf

Чем больше становится роботов, тем острее стоит проблема их координации между собой без участия человека, но на пользу человеку

Для работы в команде роботы должны уметь координировать свои усилия, например, выполнять различные подзадачи, следить за разными частями целевой среды и так далее. Поэтому в последние несколько лет ученые разрабатывали вычислительные модели, предназначенные для координации действий и поведения различных роботов в команде.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Исследователи из Технологического университета Лулеа в Швеции представили новый метод координации действий нескольких роботов-агентов. Он основан на «аукционе с деревьями поведения» — математической модели, часто используемой при планировании и выполнении заданий. Этот метод позволяет эффективно организовать действия нескольких роботов, работающих над достижением общей цели, особенно когда они выполняют задачи step by step.

«Мы обнаружили потребность в гибкой и реактивной архитектуре распределения задач для координации многоагентных систем», — говорит соавтор работы Никлас Дальквист. — «Я уже работал с деревьями поведения, поэтому подумал, что их объединение со схемой распределения задач может привести к созданию гибкой структуры, которая позволит легко интегрировать и новые типы задач и различных типы агентов».

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Архитектура, разработанная Дальквистом и его коллегами, основана на «рыночном подходе», который лежит в основе функционирования аукционов. По сути, отдельные роботы-агенты в команде оценивают стоимость, связанную с выполнением различных подзадач, которые необходимо выполнить, размещая «ставки» через центральную систему аукциона. Впоследствии эта аукционная система анализирует эти «заявки» и назначает оптимальные задания каждому из агентов. Например, если один робот находится ближе к объекту, чем другой, цена пути для первого будет меньше. И он выиграет аукцион.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
Роботы в рабочем поле
Роботы в рабочем поле
Dahlquist et al. https://arxiv.org/pdf/2304.01976.pdf
РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Архитектура многоагентной координации, предложенная группой исследователей, имеет заметные преимущества перед другими моделями, которые обычно опираются только на теорию аукционов или распределение команд. Главное этот подход применим к командам роботов-агентов с разными возможностями или к миссиям, которые содержат принципиально разные подзадачи.

Рабочая площадка и ее модель
Рабочая площадка и ее модель
https://arxiv.org/pdf/2304.01976.pdf
РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Дальквист и его коллеги оценили свою архитектуру в серии экспериментов в своей лаборатории, используя несколько роботов TurtleBot3. Результаты оказались весьма многообещающими: роботы коллективно решали простые задачи и минимизировали общую стоимость решения.

В будущем эта новая архитектура может быть применена и протестирована в более сложных сценариях с участием разных типов роботов и широким спектром задач.

«Наши будущие работы будут сосредоточены на включении новых типов задач и введении разнородных агентов, таких как БПЛА, и более сложной связи между распределением задач и деревьями поведения», — добавил Дальквист. — «Мы также работаем над тем, чтобы продемонстрировать осуществимость проекта в масштабных экспериментах и более реалистичных условиях».