Планирование сложных операций

Особенностью процедуры планирования в робототехнике, по сравнению с известными методами интеллектуального планирования (AI-planning), является возможность постоянного сравнения результатов фактического наблюдения за ситуацией и заданных в процедуре планирования условий. Сравнение может проводиться как сравнение лингвистических описаний реально наблюдаемой и предполагаемой (существующей только в качестве высказывания) ситуации. Возникающее противоречие порождает план действий, направленных на устранение противоречий и, как следствие, на реализацию желаемой ситуации. Таким образом, цель и имя каждой отдельной типовой операции не задаются человеком, а генерируются самой системой исходя из сопоставления реальных и предполагаемых ситуаций [4].

Для генерации последовательности элементарных операций (ЭО), приводящих к цели, используется процедура разрешения противоречий, развитая в работах С. С. Магазова [5]. Принцип разрешения противоречий достаточно близок к когнитивной деятельности человека при планировании действий, в которой также проводится постоянное сопоставление оперативного образа ситуации и образа цели. Использование этого принципа разрешения противоречий требует дальнейшего расширения языка управления ИРТС. Помимо «словаря» типовых операций теперь требуется и «словарь» для разрешения ситуационных противоречий путем выполнения типовых операций. Если пространственные отношения интенсиональные, то каждый тип противоречий порождает свою типовую операцию для своего разрешения.

Например: если цель: (a₁ R₈ S), т. е. объект a₁ стоит на поверхности S, а реально (a₁ R₈ S), то противоречие порождает типовую операцию перенести а₁ на S . Если цель определяется как (a₁ R₂ С), т. е. вал a₁ находится внутри втулки С, а по результатам наблюдений выполняется (a₁ R₂ С), то порождается типовая операция: вставить a₁ в С. Если для выполнения последующих действий требуется выполнение условия: свободен a₁, а реально выполняется: (a₂ R₈ a₁), т. е. на a₂ стоит a₁, то порождается типовая операция убрать a₂ с a₁ . Нетрудно продолжить этот список действий, разрешающих противоречия интенсионального характера.

Если отношения экстенсиональные, то специального словаря соответствия между ситуацией и требуемой типовой операцией не требуется. Противоречие может быть разрешено путем выполнения типовой операции, целью которой является отношение, заданное в ее условии. Если мобильный робот R должен находиться относительно наблюдателя N в положении (R d₁ f₁ N), а реально выполняется другое условие: (R d₂, f₂ N), то требуемая операция определяется в форме: переместить робот R из положения (Rd₂ f₂ N) в положение (R d₁ f₁ N).

При планировании сложных операций возникает многошаговая процедура разрешения противоречий. Сначала сопоставляются целевая и фактическая ситуации. Если они не совпадают, то выявляются противоречия и определяются действия, разрешающие эти противоречия. Далее проверяются предусловия разрешающих действий, которые также могут находиться в противоречии с фактической ситуацией. Они генерируют новые действия и т. д. до тех пор, пока, по крайней мере, для одной из разрешающих операций, предусловия не окажутся выполненными. Тогда эта операция выполняется (пока на уровне планирования), возникает новая ситуация, которая анализируется аналогичным способом и т. д. В конечном результате, генерируется цепь согласованных элементарных операций, приводящих к реализации цели, если выполнены соответствующие постусловия, т. е. если, А вообще можно поставить в устойчивое положение на С (см. выше). Эту процедуру можно представить в виде ориентированного графа, корнем которого является целевая ситуация [4].

Очевидным недостатком рассмотренного подхода является необходимость для оператора заранее определить правила работы системы в тех или иных ситуациях, причем и сами эти ситуации должны быть заранее известны. На практике, особенно при управлении мобильными роботами, это условие не всегда выполняется. Если оператору не удается сформулировать правила работы робототехнической системы, то возможно обучение системы «с учителем». При этом оператор осуществляет управление роботом в характерных ситуациях, после чего информация обрабатывается, например, с помощью нечетких (гибридных) нейросетей [6].

В последнее время получил распространение новый подход, развиваемый А. А. Ждановым и др., при котором робот обучается поведению в неопределенных условиях «без учителя», используя только свой собственный опыт [7]. Аппаратом накопления и обработки опыта является специальный тип нейронных сетей. Система содержит блок, называемый авторами блоком эмоций, который позволяет оценить успех или неуспех того или иного действия.