Найти

Результаты поиска

• ЕСТЕСТВЕННО-ЯЗЫКОВОЕ УПРАВЛЕНИЕ СТРОИТЕЛЬНЫМИ РОБОТЕХНИЧЕСКИМИ СИСТЕМАМИ

  Д.Г. Макоева , И. Р. Тлупов , А. О. Шогенов

  83-93

  2025-11-10

  Аннотация ▼

  Исследование нацелено на исследование потенциала систем управления строительными роботами посредством естественного языка. Именно отсутствие надежных систем обработки естественного языка служит тем сдерживающим фактором, что не дает интеллектуальной робототехнике в полной мере раскрыть свои потенциал. Работа дает обзор современных роботизированных строительных систем, которые используются для облегчения и улучшения строительных и инженерных процессов и задач. Объединяет эти все системы отсутствие естественно-языкового управления. В настоящей статье мы представляем принципы, алгоритмы и методы, позволяющие интеллектуальному агенту проникать в суть контекста ситуации, разворачивающейся на поле строительных и инженерных задач. В основе подхода лежит мультиагентная нейрокогнитивная архитектура, служащая своеобразным инструментом для моделирования процесса автоматической интерпретации фраз, взятых из ограниченного подмножества естественного языка.  Чтобы интеллектуальный агент смог верно интерпретировать входящее сообщение, ему необходимо безошибочно определить условия, действия, свойства и отношения, имеющие место в системе «интеллектуальный агент – окружающая среда». Только после этого агент обретает способность интерпретировать контекст текущего диалога и генерировать высказывания, необходимые для проектирования кооперативного поведения, направленного на совместное преодоление технических преград. Одной из наиболее распространенных задач, требующих своего решения в быстроразвивающейся области робототехники, является разработка диалоговой системы управления, способной координировать совместное человеко-машинное поведение и интерпретировать цели и условия миссий, изложенные на естественном языке. Система управления, опирающаяся на естественный язык, является неотъемлемой частью интеллектуальной системы, фундаментом которой служит самоорганизующаяся мультиагентная нейрокогнитивная архитектура. Ее главная цель – наладить беспрепятственное общение между человеко-машинными коллективами, для того чтобы они могли совместно ставить, описывать и успешно выполнять сложные строительные задачи. Основополагающим элементом подхода является мультиагентность, позволяющая системе принятия решений робота быть гибкой, адаптивной и непрерывно расширять диапазон своих знаний, генерируя вопросы, необходимые для дальнейшей работы.

• РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДА РЕШЕНИЯ ЗАДАЧИ ЦЕЛЕРАСПРЕДЕЛЕНИЯ В МНОГОАГЕНТНОЙ СИСТЕМЕ

  В.А. Костюков , Ф.А. Хуссейн

  144-155

  2025-10-01

  Аннотация ▼

  Рассматривается задача целераспределения в рамках многоагентной системы, где каждый агент представляется автономным роботом, а каждая задача соответствует позиции в двухмерной среде, которую должен посетить один из агентов. Эта задача по своей сути схожа с многоагентной версией классической задачи коммивояжёра, где вместо одного участника задействуется несколько агентов. Каждый из них должен пройти уникальный маршрут, охватывающий определённое множество городов. В связи с этим проводится исследование многоагентной задачи коммивояжёра как одного из форматов постановки задачи целерапределения. Эта задача имеет большое значение в области маршрутизации и оптимального распределения задач. Её решение включает две тесно связанные подзадачи: определение набора точек, закрепляемых за каждым агентом, и построение оптимального маршрута их посещения. В научной литературе представлены три основных подхода к решению этой задачи: подход одновременной оптимизации, при котором обе подзадачи решаются совместно; подход Cluster-First, Route-Second, где сначала распределяются города между агентами, а затем определяется порядок посещения городов каждого агента; подход Route-First, Cluster-Second, предполагающий изначальную оптимизацию порядка посещения всех городов с последующим его делением между агентами без изменения порядка посещения. В данной работе предлагается гибридный метод, сочетающий элементы подходов Cluster-First, Route-Second и Route-First, Cluster-Second. Цель – объединить сильные стороны обеих подходов и избавится от их недостатков. Для проверки эффективности разработанного метода проведено сравнительное исследование с методами, реализующие подходов Cluster-First, Route-Second и Route-First, Cluster-Second. Оценка проводилась по трём основным метрикам: время, затраченное на построение решения, суммарная длина всех маршрутов, а также максимальная длина маршрута среди всех агентов. Результаты экспериментов показали, что применение предложенного метода позволяет сократить максимальную длину маршрута (тем самым снизив дисбаланс нагрузки между агентами) в среднем на 26%.

• ГИБРИДНЫЙ МЕТОД РЕШЕНИЯ МНОГОАГЕНТНОЙ ЗАДАЧИ КОММИВОЯЖЁРА

  В.А. Костюков , Ф.А. Хуссейн

  2025-04-27

  Аннотация ▼

  Рассматривается проблема распределения задач в многоагентной системе, где каждый
  агент представляет собой робота, а каждая задача представляется позицией, которая должна
  быть посещена одним агентом. Эта задача очень похожа на многоагентную задачу коммивояжё-
  ра, которая в отличие от знаменитой задачи коммивояжера, задействует несколько коммивоя-
  жёров, которые посещают заданное количество городов ровно один раз и возвращаются в исход-
  ное положение с минимальными затратами на поездку. Поэтому проводится анализ многоагент-
  ной задачи коммивояжёра как представителя задачи целераспределения. Многоагентная задача
  коммивояжера является важной для области оптимизации маршрутов и распределения задач
  между несколькими агентами. Она включает в себе две различные, однако, взаимосвязанные под задачи: распределение городов между агентами и определение порядка посещения городов каж-
  дым агентом. В литературе существуют три концепции решения этой проблемы относительно
  решения ее двух составляющих подзадач: оптимизационная концепция, где обе подзадачи реша-
  ются одновременно; концепция Cluster-First, Route-Second – где сначала решается вопрос о назна-
  чении задач каждому коммивояжеру, а потом - вопрос о порядке посещений пунктов назначений
  для каждого коммивояжёра; концепция Route-First, Cluster-Second – где сначала решается вопрос
  о порядке посещения пунктов назначения, а затем происходит разделение этого цикла между
  агентами без изменения порядка посещений. В этой работы предлагается гибридный подход к
  решению многоагентной задачи коммивояжера, который объединяет идеи двух известных кон-
  цепций: Cluster-First, Route- econd и Route-First, Cluster- econd чтобы получить их позитивные
  аспекты и избавиться от их негативных сторон. Для оценки эффективности разработанного
  метода было проведено сравнительное исследование. Оценка результатов осуществлялась на
  основе трех ключевых критериев: вычислительного времени получения решения многоагентной
  задачи коммивояжера, суммарной длины пройденных маршрутов коммивояжерами и максималь-
  ной длины маршрута среди них. Анализ экспериментальных данных показал, что при использова-
  нии предложенного метода максимальная длина пути среди пройдённых агентами маршрутов
  (дисбаланс нагрузки) уменьшается в среднем на 26%.

• МУЛЬТИАГЕНТНАЯ ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА КОНТРОЛЯ ПАРКОВОЧНЫХ МЕСТ В ИНФРАСТРУКТУРЕ ГОРОДА

  И. А. Пшенокова, К.Ч. Бжихатлов , М.А. Канокова

  2025-04-27

  Аннотация ▼

  В условиях растущего числа автомобилей и ограниченного пространства многие города
  осознают важность внедрения интеллектуальных парковочных систем для улучшения городской
  мобильности и удобства для водителей. Уровень внедрения интеллектуальных парковок на основе
  различных технологический решений растет, однако для достижения максимальной эффективности необходимо продолжать развивать технологии, интегрировать их с другими системами и
  учитывать потребности пользователей. Цель исследования – разработать мультиагентную ин-
  теллектуальную систему контроля и управления бронированием парковочных мест в сети парко-
  вок города. Разработана архитектура мультиагентной интеллектуальной системы управления
  парковочными местами, которая обеспечивает автоматическое управление доступа к парковоч-
  ным местам с учетом пожеланий владельцев парковок, заказов водителей, дорожной ситуации в
  городе и требований безопасности. Основным элементов разрабатываемой системы является
  парковка, которая представлена набором парковочных мест, оборудованных автоматизирован-
  ными системами управления парковочным местом (парковщики), системой связи и средствами
  сбора данных (камера наблюдения и метеостанции). Управление парковочными местами и пар-
  ковщиками осуществляется интеллектуальной системой управления на основе мультиагентных
  нейрокогнитивных архитектур. Разработан прототип программно-аппаратного комплекса
  мультиагентной интеллектуальной системы управления парковочными местами в виде клиент-
  серверной архитектуры. Сервер отвечает за сбор, обработку, хранение данных и управление ав-
  томатизированными парковщиками. К серверу подключается два вида клиентов – мобильное при-
  ложение администратора и водителя. Администратор имеет возможность управления парков-
  кой (установка фиксированных цен или использование рекомендаций сервера, бронирование парко-
  вочных мест для сотрудников) и просмотра статистики (текущая загрузка, статистика по пар-
  ковке, данные о принятых оплатах, прогноз работы парковки, рекомендации). У водителя реали-
  зована возможность просмотра состояния парковок в интересующей области (количество сво-
  бодных мест, время ожидания свободного места, стоимость, рекомендации по наиболее удобной
  парковке) и бронирования парковочного места с возможностью онлайн оплаты

• ТЕОРЕТИЧЕСКИЕ ОСНОВЫ СОЗДАНИЯ САМООРГАНИЗУЮЩИХСЯ ДИСПЕТЧЕРОВ РАСПРЕДЕЛЕННЫХ СИСТЕМ НА БАЗЕ МУЛЬТИАГЕНТНОГО СОЦИОИНСПИРИРОВАННОГО ПОДХОДА

  А. И. Каляев

  2021-11-14

  Аннотация ▼

  Описаны новые принципы организации, методы и алгоритмы функционирования дис-
  петчера Распределенной системы (РС), позволяющие распределять и перераспределять
  ресурсы с динамически изменяющимися параметрами между поступающими заданиями с
  целью минимизации времени их выполнения. Основная проблема, не позволяющая сегодня
  эффективно оценивать время выполнения заданий в гетерогенной РС, напрямую вытекает
  из распределенности системы: каждый из её элементов обладает частичной независимо-
  стью и может существенно отличаться от других, более того, в процессе работы его
  возможности могут изменяться, и все это существенно влияет на эффективность рас-
  пределения задач между узлами РС и на время выполнения заданий. В статье предложен
  новый подход к организации диспетчера РС, базирующийся на применении теории муль-
  тиагентных систем и социоинспирированных (базирующихся на принятых в человеческом
  обществе) методов: пользователи РС размещают свои задания на специальных узлах –
  досках объявлений, на каждом узле РС размещается проактивный программный агент,
  осуществляющий постоянный мониторинг параметров своего узла и поиск на досках объ-
  явлений подходящих для решения задач. При этом агенты, участвующие в решении общего
  задания формируют сообщества, в которых осуществляют планирование процесса реше-
  ния задания и распределение частей заданий для минимизации времени задержки их реше-
  ния. В качестве критерия эффективности работы РС было решено принять значение
  среднего времени задержки выполнения функциональных заданий относительно требуемых
  моментов времени, соответственно агенты распределяют задания таким образом, чтобы
  минимизировать значение указанного критерия. Настоящая статья включает введение,
  формальную постановку задачи диспетчирования ресурсов РС, обзор существующих под-
  ходов к организации диспетчера РС, описание предлагаемого мультиагентного решения
  задачи диспетчирования ресурсов РС с использованием социоинспирированного подхода,
  алгоритм работы распределенной системы и ее элементов, описание применения социоин-
  спирированного подхода применительно к процессу диспетчирования задач и заключение.
  К основным преимуществам предложенного подхода можно отнести: возможность ис-
  пользования достоверной и актуальной информации о специализации и текущей произво-
  дительности ресурсов при диспетчировании; высокая отказоустойчивость, обусловленная
  отсутствием элементов РС, выход из строя которых приводит к полной потере работо-
  способности РС; возможность гибкого масштабирования РС (увеличения числа ресурсов),
  достигаемая за счет децентрализации процесса диспетчирования.

• МНОГОАГЕНТНЫЙ АЛГОРИТМ АВТОМАТИЧЕСКОГО ОБНАРУЖЕНИЯ И СОПРОВОЖДЕНИЯ НЕДЕТЕРМИНИРОВАННЫХ ОБЪЕКТОВ

  В. А. Тупиков, В. А. Павлова, В.А. Бондаренко, А. И. Лизин, Д. К. Ельцова, М. В. Созинова

  2020-07-10

  Аннотация ▼

  В целях разработки робастного алгоритма автоматического обнаружения и сопро-вождения недетерминированных объектов для встраиваемых вычислительных систем с оптико-электронными устройствами. В рамках данной работы произведено исследование и анализ имеющегося мирового научно-технического опыта в области алгоритмов автоматического сопровождения общего назначения. Наиболее успешные из исследованных алгоритмов, подходящие для долговременного устойчивого автоматического сопровожде-ния объектов (без априорного знания о типе объекта слежения) на сегодняшний день уже вышли за рамки решения задачи исключительно сопровождения, и включают в себя синерге-тическое сочетание нескольких разнородных алгоритмов сопровождения, а также как ми-нимум один алгоритм автоматического обнаружения и/или классификации. В статье пока-зано что наиболее устойчивые современные алгоритмы автоматического сопровождения представляют собой многоагентную систему, принимающую решение о текущем положе-нии, размерах и других параметрах сопровождаемого образа на основе интеллектуального голосования составляющих систему модулей, осуществляющих самостоятельное слежение за объектом и формирование его модели. Индивидуальные модели каждого из модулей уточ-няются по результатам принятия коллективного решения. Авторами исследования выделены наиболее эффективные из применяемых базовых алгоритмов, подходящие для применения во встраиваемых вычислительных системах робототехнических комплексов, и разработан новый многоагентный алгоритм автоматического обнаружения и сопровождения недетерми-нированных объектов. Представленный многоагентный алгоритм включает в себя модуль выделения и сопоставления ключевых точек на изображениях, модуль кластеризации и фильтрации ключевых точек с применением алгоритма DBSCAN, модуль сопровождения на основе алгоритма вычисления оптического потока и модуль классификации ключевых точек. Проведено полунатурное тестирование разработанного алгоритма и оценена его эффективность в решении задач не только автоматического сопровождения объектов, но и задач автоматического обнаружения объектов по нескольким эталонным образам. В заключении представлены предложения по дальнейшему повышению точности разработанного алгоритма и по его оптимизации и внедрению в состав специального программного обеспечения бортовых вычислительных систем летательных аппаратов.