Искусственный Интеллект в коллективном поведении роботов
Наиболее экономически привлекательные задачи применений мобильных роботов связаны с их массовым использованием на обширных территориях. В таких условиях не представляется возможным получить достоверные и достаточно полные знания об окружающей обстановке и среде, в которой решаются поставленные роботам задачи. Решение задач с неполными исходными данными и трудно формализуемыми условиями относятся к задачам Искусственного Интеллекта.
Рассмотрим предпосылки, которые могут содействовать формированию искусственного интеллекта в группе роботов.
Глобальная задача, поставленная перед группировкой роботов, может быть поделена на подзадачи, с целью оптимального соответствия возможностей не модернизируемого «железа» робота их решению. Например, роботу связи требуется мачта для максимального выдвижения антенны, а транспортному — максимальная грузоподъёмность, соответственно, конструкции этих роботов могут значительно отличаться. Таким образом, формируются группы специализированных роботов, сориентированные на решения специальных задач. Причем, чем более точно будет сформулирована поставленная перед роботом задача, тем более эффективное решение смогут предложить конструкторы робота.
Для эффективного выполнения специализированными роботами поставленных задач необходимы достоверные данные о среде, в которой эти задачи выполняются. Поскольку работа на большой территории подразумевает и других участников её использования или природных воздействий, среда не будет стабильной, и изменения в ней будут делом совершенно обыденным, начиная от дождя, в результате которого участок пути может стать непроезжим, кончая автомобилем, который перекроет известный маршрут движения роботов. Для того чтобы все эти изменения не приводили к фатальным затратам времени, при решении поставленной группировке роботов задачи, необходимы две составляющее: надежный канал связи между каждым роботом в отдельности и группировкой в целом и единый язык описания окружающей среды. В нашем случае, речь может идти о многослойной карте, ввиду того, что первично местоположение, и все внешние характеристики логично привязывать к нему. Что касается канала связи, видится рациональным использование беспроводных, самоорганизующихся MESH сетей, применяя для организации сплошной зоны радио покрытия подвижных ретрансляторов, в задачу которых входило-бы установление радиодоступа с удаленными роботами.
Недетерминированность окружающей среды заставляет предположить, что часть роботов могут быть не в состоянии выполнить поставленные задачи. Вследствие этого, необходимо иметь их избыточное количество. Кроме того, всегда могут возникнуть условия, при которых необходимо пиковое значение количества роботов для эффективного выполнения поставленной задачи. Например, погодные условия привели к набуханию почвы, движение по которой вызвало большие затраты энергии, в результате, большая чем обычно часть роботов была выведена из эксплуатации для зарядки аккумуляторных батарей. В этих условиях необходимо избыточное количество роботов. В тоже время это позволяет динамически перераспределять задачи и формировать коалиции роботов, оптимальные по численности.
Каждый из роботов представляет собой интеллектуального агента. Наряду с особыми, свойственными исключительно этому классу роботов, задачами, решает и одинаковые для всех мобильных роботов задачи. Такие как: определение своего местоположения, управление движением, выбор оптимального пути проезда, прогнозирование пути движения и объезд иных транспортных средств. Все эти задачи находят оптимальное решение при сочетании двух подходов. C одной стороны, — в автопилоте робота имеются запрограммированные решения стандартных маневров и маршрута, в тоже время, при благоприятных внешних условиях (например, расчетным избытком времени, отведенным на решение поставленной задачи) возможно внести элемент хаоса, с расчётом на то, что он сможет привести к новому решению, лучше существующего. В обычных условиях робот двигается по маршруту с минимальным отклонением, в то же время, расчёт затрат энергии на длину пути показывает, что КПД этого движения далек от оптимального. При условии достаточного заряда батарей, программа даст команду отклониться роботу от текущего маршрута в ту или иную сторону, с вероятностью пройти тот же участок с меньшими затратами энергии. В этом случае, робот сообщит об улучшении маршрута движения всем интеллектуальным агентам коалиции. Таким способом реализуются генетические алгоритмы и обучение с подкреплением, наряду с заранее заданной программой движения робота.
Казалось бы такое незначительное действие как оптимизация выполняемой задачи на уровне интеллектуального агента в мультиагентной системе роботов рождает синергетический эффект самоорганизации, который позволяет с течением времени решить глобальную задачу оптимальным образом. Собственно это решение и будет носить признаки Искусственного Интеллекта в группе роботов.