Brug af adfærdstræer til at forbedre AUV -kontrolsystemernes modularitet

Forskere ved Royal Institute of Technology (KTH) og National Oceanography Center har for nylig brugt adfærdstræer (BT'er) til at designe modulære, alsidig, og robuste kontrolarkitekturer til kritiske missioner. Deres undersøgelse, forududgivet på arXiv, specifikt anvendt en BT -ramme til kontrolsystemet for autonome undersøiske køretøjer (AUV'er).

AUV'er er undervandskøretøjer, der bruges til en række forskellige missioner, såsom at opdage og kortlægge nedsænkede objekter eller identificere farer og forhindringer i navigationen. På grund af begrænsningerne i deres kommunikationsbåndbredde og rækkevidde, disse køretøjer kan ikke stole på teleoperationsløsninger, der bruges af luft- eller jorddrevne robotter.

I øvrigt, AUV'er indsættes generelt i fjerntliggende områder, så at genoprette dem efter en funktionsfejl er ofte meget udfordrende og dyrt. For at tackle disse udfordringer, AUV -kontrolsystemer skal være både robuste og alsidige, at sikre køretøjets sikkerhed og tilpasse sig forskellige situationer.

Forskerteamet på KTH og National Oceanography Center forsøgte at løse disse udfordringer ved hjælp af adfærdstræer (BT'er), matematiske modeller, der for nylig er blevet stadig mere populære inden for AI og robotik. BT'er blev oprindeligt udviklet til videospil for at øge modulariteten af ​​ikke-spiller karakter (NPC) kontrolstrukturer.

"Denne modularitet muliggør effektiv testning, inkrementelt funktionalitetsdesign og kodegenbrug, som alle har været ganske fordelagtige i videospilindustrien, "Christopher Iliffe Sprague, en af ​​forskerne, der gennemførte undersøgelsen, fortalte TechXplore. "Tilsvarende vi finder disse aspekter til at være ganske nyttige i designet af robot kunstig intelligens (AI), de vigtigste fordele er, at adfærd kan genbruges og testes i forbindelse med andre adfærd på højere niveau uden at specificere deres forhold til efterfølgende adfærd. Dette er slående fordele i forhold til de mere konventionelt anvendte finite-state-maskiner. "

I det væsentlige, BT'er giver en hierarkisk struktur til at skifte mellem flere opgaver. I missionskritiske systemer, såsom rekognoseringskøretøjer eller selvkørende biler, et overskridende mål kan ofte opdeles i flere delopgaver. Derfor, BT'er kunne hjælpe med at strukturere disse opgaver bedre og skifte mellem dem.

"Med BT'ers iboende hierarkiske struktur, opgaver kan nedbrydes i varierende grad af specificitet, "Sprague forklaret." I vores papir, vi viser dette i forbindelse med AUV'er, der har til opgave at udføre en mission defineret af en række waypoints. Vi definerer generelt generelt en BT, der opfylder kravene i systemets domæne (dvs. undervandsbiler), forfiner derefter BT yderligere ved at tilføje delopgaver vedrørende specifikke mål. "

Sprague og hans kolleger anvendte denne proces med BT -forfining til en AUV -mission udført af National Oceanography Institute. Deres BT -ramme gjorde AUV -kontrolsystemer mere robuste, overvåge deres sikkerhed, før de går videre til andre efterfølgende opgaver. BT'er gav også mulighed for større alsidighed, prioriterer delopgaver og giver systemet mulighed for fleksibelt at skifte mellem dem.

"Det mest betydningsfulde af vores undersøgelsesresultater er, at vi har vist, hvordan adfærdstræer først kan skitseres til at opfylde generelle domænekrav og derefter forfines yderligere til specifikke missioner, uden at ofre det oprindelige træs struktur, "Sprague sagde." Den afgørende afhentning fra dette er, at man kan indpode bestemte opgaveprioriteter, sikkerhed er den mest afgørende, og behold dem, uanset hvor missionsspecifikt træet bliver. "

Sprague og hans kolleger har med succes demonstreret fordelene ved at bruge BT'er til styring af missionskritiske systemer, såsom AUV'er. Imidlertid, i hvilken grad opgaver kan abstraheres ved hjælp af BT'er er stadig begrænset af menneskers evne til at identificere opgavenedbrydninger. Mens opgaver i nogle tilfælde kan opdeles intuitivt, i andre er systemets adfærd langt mere kompleks.

"Vi søger nu automatisk at syntetisere BT'er fra f.eks. med tanke på optimalitet, "Sagde Sprague." I et andet papir, vi undersøgte, hvordan man implementerer optimal kontrol med maskinlæringsmetoder til specifikke opgaver. Vi vil nu gerne undersøge ved hjælp af sådanne metoder til at identificere og optimere opgaver og overordnede træstrukturer fra eksempel. Vi formoder, at dette vil afdække adfærd, der er udfordrende at identificere af mennesker. "

© 2018 Science X Network