机器人组团出征 集群智能协同让1加1大于2

  2个或多个机器人协同作业,并不是简单的功能叠加,而是会出现1+1>2的群体智能效应,涌现出全新的协同行为模态,从而可以完成更加复杂的协同任务。

  廖煜雷 项目群牵头人、哈尔滨工程大学船舶工程学院教师

  2个或多个机器人协同作业,并不是简单的功能叠加,而是会出现1+1>2的群体智能效应,涌现出全新的协同行为模态,从而可以完成更加复杂的协同任务。

  机器人组团海上出征,你见过吗?海面上,多个海洋机器人列队行进,它们通过组网通讯共享信息,随着作业局势的不断改变,快速变换队形,最终完成协同探测等任务。并且这些任务完全由机器人们自主作业,不需要人为干预。

  记者3月初从哈尔滨工程大学获悉,由哈尔滨工程大学水下机器人技术国家级重点实验室牵头的海洋机器人集群智能协同技术项目群成功展示了机器人组团海上出征的场面,并顺利通过了海试验收。

  本次团队协作演示在国内首次实现了海洋机器人集群智能协同架构模式从集中式/混合式发展为分布式,系统协同智能化水平从半自主升级为全自主,适应任务场景及环境从确定结构化拓展为未知非结构化,这标志着我国海洋机器人集群智能协同技术取得了实质性突破并达到了国际先进水平。

  团队协同涌现群体智能效应

  海洋机器人是一类能够遥控或自主操控完成特定功能的无人海上航行器。海洋机器人发展的历史约有70年,经历了从载人到无人,从直接操控、遥控到自主、智能,从单机、多机到集群的主要发展阶段。受计算机、人工智能、材料、通信、传感器等技术的推动,近30年来,海洋机器人发展迅猛,如今人工智能技术正在推动海洋机器人进入智能海洋机器人时代。

  就像自然界中的鱼群、狼群、蜂群一样,“2个或多个机器人协同作业,并不是简单的功能叠加,而是会出现1+1>2的群体智能效应,涌现出全新的协同行为模态,从而可以完成更加复杂的协同任务。”项目群牵头人、哈尔滨工程大学船舶工程学院教师廖煜雷介绍。

  俗话说众人拾柴火焰高,群体智能是源于自然界群居生物系统中的一种涌现智能,以蜂群为例,每个蜜蜂的分工明确,其个体的能力和智力较低,但是蜂群汇聚后可以构建庞大且复杂的蜂巢,在复杂自然环境中实现种群繁衍,体现出强大的生存能力和复杂的群体行为。

  海洋机器人的集群智能协同也克服了单个机器人作业能力弱、工作范围小和工作效率低等缺点,可实现单个机器人不具备的功能,并显著提升系统的作业效率或能力。机器人集群智能协同技术可将人工智能、大数据、云计算等技术作用下的机器人的通信、感知、认知、决策、控制与行为有效融合,实现集群系统下个体的互联互通、态势共享、群策群力,在复杂恶劣的环境下,表现出与人类相当或超越人类的能力。

  海洋机器人集群智能协同技术可应用于海洋环境监测、防灾减灾、海洋科学调查、海底观测,支撑构建广域立体化海洋观测网,进而实现“数字海洋”;还可应用于海底地形测绘、航道测量、油气勘探等,实现快速大范围海洋探测,支持海洋经济发展;有助于维护海洋权益、保障海洋安全等,对我国发展人工智能战略、建设海洋强国具有重要意义。

  实现集群智能协同面临三大挑战

  项目群责任专家、哈尔滨工程大学船舶工程学院教授李晔介绍,海洋机器人集群智能协同是“人工智能+海洋无人系统”深度融合发展的一项基础性、创新性技术,作为引领未来装备发展、作业模式变革的一项前沿颠覆性技术而备受关注,也是“十三五”期间一项具有标志性意义的科研项目。

  此次海试的海洋机器人集群智能协同技术项目群系统庞大、涉及关键技术众多、复杂性高。廖煜雷介绍,海洋机器人集群智能协同技术主要面临三大技术挑战。首先,在海洋机器人编队中,不同种类的机器人被赋予不同的使命;同时,它们的船型多样、机动性差异大、载荷种类多,智能算法如何有效匹配不同类型的机器人并发挥集群效能是一大难点。

  海洋机器人处于复杂、恶劣的作业环境,在这种典型的强干扰、弱通信和弱观测环境里,机器人的智能系统会受到显著影响,运动扰动大、感知不准确、信息交互难。因此,在这样的情况下,如何让机器人具备良好的生存能力和作业性能是科研攻关面临的第二个挑战。

  肮脏、枯燥、危险,3个关键词诠释了海洋机器人的任务场景。要让机器人搭载多样的功能载荷、掌握复杂的作业技能以满足不同的任务需求,并适应复杂的、不确定的甚至对抗性的使用场景,这对智能算法的适应性、稳定性、学习能力提出了苛刻的要求,也是集群智能协同技术面临的第三个挑战。

  要解决上述难题,科研人员要在海洋机器人集群智能协同技术的信息共享、协同感知、协同编队、协同决策、人机协同、作业策略等基础理论算法方面展开系统、深入的研究。

  分布式架构让机器人随时加入或退出

  近年来,我国多个科研机构在机器人集群智能协同技术领域展开研究,取得了一定的成果,而本项目群在此前研究的基础上,进一步实现了多个技术突破,如从多机自主协调向集群智能协同的突破;从特定任务导向的集群协同向场景适应多任务集群协同的突破;适应场景及环境从确定条件向非确定条件的突破;从编队控制到集群智能涌现的突破。其中最重要的突破就是集群协同架构从集中式/混合式向分布式跨越,以及智能水平从半自主向全自主的跨越。

  项目群决策项目负责人、哈尔滨工程大学计算机学院教师史长亭介绍,集中式从名称上可以看得出,集群体系架构中存在一个中心(主节点),这种架构的系统部署快捷、实现简单、适用于中小规模的集群或特定简单任务,但因其系统架构固定,不能随任务改变、灵活性较差,一旦主节点被破坏,容易导致系统崩溃。同时,其支持的机器人数量有限、扩展性差,难以实现大规模集群系统。因此,集中式集群系统一般适应特定的简单任务。

  而分布式体系架构更接近于自然界的鱼群、狼群、蜂群等群体智能系统形态,更易实现更高层次、更高智能水平的集群智能。“分布式是多点对多点的无中心集群体系架构,可随时增减机器人,系统弹性易扩展且支持大规模集群系统。同时,这样的架构抗压性强,若干机器人加入或损坏,不影响整个系统的稳定性。分布式架构可根据环境或任务的改变,动态调整系统架构,更适用于不确定的环境或复杂瞬变的任务。而集群能力的提升,意味着可以提高对复杂真实海洋环境的适应性,或支持完成更加复杂的协同任务。”项目群感知项目负责人、哈尔滨工程大学船舶工程学院教师王博表示。

  集群协同架构从集中式到分布式的跨越,对机器人在线的感知、决策、作业等能力和系统智能化水平提出了更高要求。廖煜雷表示,经过近两年的攻坚克难,科研团队突破了信息共享、协同感知、敏捷编队、协同决策、人机协同、作业策略、系统集成等核心关键技术,成功研制出具备多协同任务模式、多智能模态、弹性可重构的海洋机器人集群智能协同技术演示系统,有力推动了海洋机器人集群智能协同领域的理论创新及技术发展。

  “通过综合考量体系架构设计、系统功能需求、智能算法适应性、平台作业能力和通信带宽等多种因素,我们的集群智能协同技术目前能支持不少于50个海洋机器人共同作业,机器人可以随时加入或退出集群,集群系统可自主快速重构并重新分配任务,从而改变作业规模或效率;同时,机器人集群智能协同技术可实现机器人全自主操作,也可根据需求实现人机相互协作。”项目群人机协同项目负责人、哈尔滨工程大学计算机学院教师刘海波说。

本文由程序自动从互联网上获取,其版权均归原作者所有,文章内容系原作者个人观点,不代表本站对观点赞同或支持。如有侵权,请联系删除。