Система распределения и планирования выполнения задач агентами роевых робототехнических систем на основе коллективного принятия решения

Ключевые слова: роевые робототехнические системы, распределение задач, планирование последовательности выполнения задач, искусственные нейронные сети

Аннотация

Внедрение логистических роботов в автоматизированные склады обеспечивает значительное повышение качества и сокращение затрат на логистику. В последнее время все большее внимание уделяется децентрализации управления логистическими роботами, что обеспечивает гибкость, надежность и масштабируемость системы. Исходя из этого логистические роботы, функционирующие в автоматизированном складе, часто рассматриваются как роевые робототехнические системы (РРТС). Известные методы распределения и планирования выполнения задач, используемые в составе программно-алгоритмического обеспечения централизованных систем управления логистических роботов, не учитывают ограничения сенсорных и вычислительных возможностей робототехнических устройств, используемых в составе РРТС (например, малый объем оперативной памяти, низкая тактовая частота процессора, малая емкость аккумуляторной батареи, низкая производительность бортовых датчиков и сенсоров и т. д.). Этот факт свидетельствует об отсутствии комплексного решения, позволяющего реализовать децентрализованную систему распределения и планирования выполнения задач логистическими роботами как роевую робототехническую систему. Таким образом, настоящая работа направлена на разработку подхода к синтезу децентрализованной системы распределения и планирования выполнения задач агентами роевых робототехнических систем при функционировании в автоматизированном складе. Отличительной особенностью предложенного подхода является использование процедуры коллективного принятия решения при распределении задач между агентами, что обеспечивает отсутствие коллизий (выбор одной и той же задачи двумя и более агентами). Элементом научной новизны в рамках предложенного подхода является метод коллективного принятия решений, отличающийся модифицированной процедурой выбора наилучшей альтернативы в соответствии с особенностями процесса распределения задач в роевых робототехнических системах. Достоверность полученных результатов подтверждена в ходе имитационного моделирования с использованием симулятора мультиагентных робототехнических систем ARGoS. Представленный подход к синтезу системы распределения и планирования выполнения задач на основе коллективного принятия решения может быть использован при моделировании децентрализованных систем управления роевых робототехнических систем.

Скачивания

Данные скачивания пока не доступны.

Биографии авторов

Вячеслав Иванович Петренко, Северо-Кавказский федеральный университет

канд. техн. наук, доцент, заведующий кафедрой организации и технологии защиты информации Института цифрового развития Северо-Кавказского федерального университета

Фариза Биляловна Тебуева, Северо-Кавказский федеральный университет

д-р физ.-мат. наук, доцент, заведующая кафедрой компьютерной безопасности Института цифрового развития Северо-Кавказского федерального университета

Андрей Сергеевич Павлов, Северо-Кавказский федеральный университет

старший преподаватель кафедры компьютерной безопасности Института цифрового развития Северо-Кавказского федерального университета

Сергей Сергеевич Рябцев, Северо-Кавказский федеральный университет

старший преподаватель кафедры компьютерной безопасности Института цифрового развития Северо-Кавказского федерального университета

Михаил Михайлович Гурчинский, Северо-Кавказский федеральный университет

программист учебно-научной лаборатории «Робототехнические системы» Северо-Кавказского федерального университета

Литература

1. Robotization of warehouse logistics – Text: electronic. URL
2. Kalyaev I. A., Gaiduk A. R. and Kapustyan S. G. (2009) Modeli i algoritmy kollektivnogo upravlenija v gruppah robotov [Models and algorithms of collective control in groups of robots]. Moscow, FIZMATLIT. 280 p. (in Russian)
3. Zakiev A., Tsoy T. and Magid E. (2018) Swarm Robotics: Remarks on Terminology and Classification. Lecture notes in computer science. P. 291–300.
4. Petrenko V. I., Tebueva F. B., Pavlov A. S. and Svistunov N. Yu. (2022) Analiz riskov narushenija informacionnoj bezopasnosti v roevyh robototehnicheskih sistemah pri masshtabirovanii chislennosti agentov [Analysis of information security breach risks in swarm robotic systems when scaling the number of agents]. Caspian Journal: Control and High Technologies. 2. P. 92–109. (in Russian)
5. Hamann H. (2018) Swarm Robotics: A Formal Approach. Berlin/Heidelberg: Springer. 210 p.
6. Strobel V., Ferrer E. C. and Dorigo M. (2018) Managing byzantine robots via blockchain technology in a swarm robotics collective decision making scenario: Robotics track. Proceedings of the 17th International Conference on Autonomous Agents and Multiagent Systems (Stockholm, Sweden, July 10–15, 2018). P. 541–549.
7. Strobel V. Ferrer E. C. and Dorigo M. (2020) Blockchain Technology Secures Robot Swarms: A Comparison of Consensus Protocols and Their Resilience to Byzantine Robots. Front Robot AI. 7. P. 7–54.
8. Ferrer E. C. (2019) The blockchain: A new framework for robotic swarm systems. Advances in Intelligent Systems and Computing. 881. P. 1037–1058.
9. Petrenko V. I., Tebueva F. B., Ryabtsev S. S. and Struchkov I. V. (2021) Consensus achievement method for a robotic swarm about the most frequently feature of an environment based on blockchain technology. IOP Conf. Ser.: Mater. Sci. Eng. 1069(1). P. 1–8.
10. Odelu V. (2020) Blockchain and Applications. International Congress on Blockchain and Applications. Springer International Publishing. 1010(1). P. 1–10.
11. Petrenko V. I., Tebueva F. B., Ryabtsev S. S., Gurchinsky M. M. and Struchkov I. V. (2020) Consensus achievement method for a robotic swarm about the most frequently feature of an environment. IOP Conference Series Materials Science and Engineering. 919 (4). P. 1–8.
12. Valentini G., Brambilla D., Hamann H. and Dorigo M. (2016) Collective Perception of Environmental Features in a Robot Swarm. Lecture Notes in Computer Science. 9882. P. 65–76.
13. Valentini G., Hamann H. and Dorigo M. (2014) Self-Organized Collective Decision Making: The Weighted Voter Model. Proceedings of the 2014 international conference on Autonomous agents and multi-agent systems. P. 45–52.
14. Valentini G., Hamann H. and Dorigo M. (2015) Efficient Decision-Making in a Self-Organizing Robot Swarm: On the Speed Versus Accuracy Trade-Off. Proceedings of the 2015 International Conference on Autonomous Agents and Multiagent Systems. P. 1305–1314.
15. Pinciroli C., Trianni V., O’Grady R., Pini G. [et al.] (2012) ARGoS: A modular, parallel, multi-engine simulator for multi-robot systems. Swarm Intelligence. 6(4). P. 271–295.
16. Garattoni L. (2015) Software infrastructure for e-puck (and TAM). IRIDIA – technical report series. P. 1–15.
Опубликован
2023-05-12
Как цитировать
Петренко, В. И., Тебуева, Ф. Б., Павлов, А. С., Рябцев, С. С., & Гурчинский, М. М. (2023). Система распределения и планирования выполнения задач агентами роевых робототехнических систем на основе коллективного принятия решения. Вестник ВГУ. Серия: Системный анализ и информационные технологии, (1), 114-127. https://doi.org/10.17308/sait/1995-5499/2023/1/114-127
Раздел
Интеллектуальные системы, анализ данных и машинное обучение

Наиболее читаемые статьи этого автора (авторов)