Planirovanie mnogoetapnoy deyatel'nosti intellektual'nym robotom v usloviyakh neopredelennosti

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Acesso é pago ou somente para assinantes

Resumo

Показана актуальность создания интеллектуальных роботов различного назначения, способных эффективным образом решать сложные многоэтапные задачи целенаправленной деятельности в априори неописанных проблемных средах. Предложены оригинальные по содержанию элементы продукционной модели представления знаний безотносительно к конкретной предметной области. Построенная таким образом модель представления знаний позволяет интеллектуальным роботам автоматически планировать целенаправленную деятельность в условиях неопределенности, опираясь на обобщенное описание возможных закономерностей проблемной среды. Разработаны процедуры автоматического синтеза графа “видимости”, определяющего формальным образом воспринимаемый интеллектуальным роботом участок проблемной среды. Это, в свою очередь, позволяет роботу автоматически формировать локально-оптимальный маршрут целенаправленного перемещения в априори неописанных условиях функционирования. Синтезированы процедуры автоматического планирования интеллектуальным роботом целенаправленной деятельности, связанной с преобразованием текущей ситуации проблемной среды в заданную целевую ситуацию в условиях неопределенности.

Sobre autores

V. Melekhin

Дагестанский государственный технический университет

Email: pashka1602@rambler.ru
Махачкала

M. Khachumov

Институт программных систем им. А.К. Айламазяна РАН;Федеральный исследовательский центр “Информатика и управление” РАН;Российский университет дружбы народов

Email: khmike@inbox.ru
г. Переславль-Залесский;Москва

Bibliografia

  1. Melekhin V.B., Khachumov M.V. Planning polyphasic behavior of autonomous intelligent mobile systems in uncertain environments // Inform. Control. Syst. 2021. V. 113. No. 4. P. 28-36.
  2. Амосов Н.М. Алгоритмы разума. Киев: Наукова думка, 1979.
  3. Kelly A. Mobile Robotics: Mathematics, Models, and Methods. Cambridge: Cambridge University Press, 2013.
  4. Давыдов О.И., Платонов А.К. Роботы и искусственный интеллект. Технократический подход // Препринт ИПМ им. М.В. Келдыша. 2017. № 112. 24 с.
  5. Гаазе-Рапопорт М.Г., Поспелов Д.А. От амебы к роботу. Модели поведения. 4 изд., стереотип. М.: URSS, 2019.
  6. Kober J., Peters J. Learning Motor Skills: From Algorithms to Robot Experiments. Cham: Springer, 2014.
  7. Абасов И.Б., Игнатьев В.В., Орехов В.В. Дизайн автономного мобильного робототехнического комплекса // Междунар. науч.-исслед. журн. 2019. № 1-1. С. 3340-3351.
  8. Russell S., Norvig P. Artificial Intelligence: A Modern Approach. 4 ed. Pearson, 2020.
  9. Вагин В.Н. Дедуктивный вывод на знаниях / Искусственный интеллект. В 3-х кн. Кн. 2. Методы и модели. Справочник: под ред. Д.А. Поспелова. М.: Радио и связь, 1990. С. 89-105.
  10. Абросимов В.К. Нейронная пространственно-временная модель движения объектов управления // Нейрокомпьютеры. Разработка, применение. 2014. № 3. С. 26-35.
  11. Бодин О.Н., Безбородова О.Е., Спиркин А.Н., Шерстнев В.В. Бионические системы управления робототехническими комплексами. Пенза: ПГУ, 2022.
  12. Редько В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики. М.: Ленанд, 2019.
  13. Каляев А.В., Чернухин Ю.В., Носков В.Н., Каляев И.А. Однородные управляющие структуры адаптивных роботов. М.: Наука, 1990.
  14. Мелехин В.Б., Хачумов М.В. Планирование поведения автономных интеллектуальных систем в условиях неопределенности: под ред. проф. М.В. Хачумова. СПб.: Политехника, 2022.
  15. Павловский В.Е., Павловский В.В. Технологии SLAM для подвижных роботов: состояние и перспективы // Мехатроника, автоматизация, управление. 2016. Т. 1. № 6. С. 384-394.
  16. Labbe M., Michaud F. RTAB-Map as an open-source lidar and visual simultaneous localization and mapping library for large-scale and long-term online operation // Field Robotics. 2019. No. 35. P. 416-446.
  17. Носков В.П., Рубцов И.В. Ключевые вопросы создания интеллектуальных мобильных роботов // Инженер. журн.: наука и инновации. 2013. Вып. 3. С. 1-11.
  18. Заева К.А., Семенов А.Б. Метод маршрутизации с препятствиями на основе параллельных вычислений // Вестник ТвГУ. Прикладная математика. 2016. Вып. 3. С. 85-95.
  19. Tomas L.P., Michael A.W. An algorithm for planning collision-free paths among polyhedral obstacles // Commun. ACM. 1979. Vol. 22. No. 10. P. 560-570.
  20. Поспелов Д.А. Ситуационное управление: теория и практика. 2-е изд., стереотип. М.: URSS, 2022.
  21. Мелехин В.Б., Хачумов М.В. Элементы понятийного мышления в планировании поведения автономных интеллектуальных агентов // Мехатроника, автоматизация, управление. 2021. Т. 22. № 8. С. 411-419.
  22. Melekhin V.B., Khachumov M.V. Fuzzy semantic networks as an adaptive model of knowledge representation of autonomous intelligent systems // Sci. Tech. Inf. Process. 2021. Vol. 48. No. 5. P. 1-8.
  23. Заде Л. Понятие лингвистической переменной и его применение для принятия приближенных решений: пер. с англ. М.: Мир, 1976.
  24. Мелехин В.Б., Хачумов М.В. Процедуры самообучения автономных интеллектуальных мобильных систем в нестабильных априори неописанных проблемных средах // Мехатроника, автоматизация, управление. 2022. Т. 23. №7. С. 356-366.
  25. Мелехин В.Б., Хачумов М.В. Принцип построения процедур планирования поведения автономных интеллектуальных роботов на основе полипеременных условно-зависимых предикатов // АиТ. 2022. № 4. С. 140-154.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar

Declaração de direitos autorais © The Russian Academy of Sciences, 2023