В Лаборатории интеллектуального управления Института программных систем им. А.К. Айламазяна Российской академии наук (см. https://icontrol.psiras.ru) совместно с Институтом проблем искусственного интеллекта Федерального исследовательского центра («Информатика и управление») Российской академии наук (ФИЦ ИУ РАН) создается новая платформа для управления робототехническими системами в недоопределенных средах на основе интеллектуальных решателей. Лаборатория создана в 1998 году при поддержке д.ф.-м.н. проф. Осипова Г.С. (Президента Российской ассоциации искусственного интеллекта). Она имеет тесные научные связи с ИПУ РАН, АО «Российские космические системы», НИИ КС им. А.А. Максимова, ФГУП ЦНИИмаш, РКК «Энергия», НИИ ЦПК им. Ю.А. Гагарина, НИЦ «Курчатовский институт» и такими ВУЗами страны как: РУДН, МИРЭА, МФТИ, МГТУ им. Н.Э.Баумана, МЭИ, НИУ МИЭТ (СПИНТЕХ).
В лаборатории в рамках проекта РНФ 21-71-10056 «Создание моделей и методов интеллектуально-геометрического управления робототехническими системами в недетерминированной среде на основе обработки многомодальной слабоструктурированной информации, представления и автоматического пополнения знаний бортовых решателей» (научный руководитель к.ф.-м.н., доцент Хачумов М.В.) построены элементы новой интегрированной теории управления. Теория сочетает геометрические методы управления, алгоритмы реализации сложных траекторных движений с методами искусственного интеллекта, включая искусственные нейронные сети (ИНС), продукции, нечеткую логику, машинное обучение, генетические алгоритмы, методы приобретения знаний. Такая интеграция обеспечивает высокие показатели качества управления в условиях возмущенной воздушной среды и неопределенности.
Предполагается, что автономные робототехнические системы способны самостоятельно приобретать и обобщать данные/знания из различных источников. Эта информация используется для вывода управлений с помощью бортовых интеллектуальных решателей в режиме реального времени. Основной упор делается на модели представления и пополнения знаний, как составной части технологии интеллектуально-геометрического управления робототехнических систем. В качестве моделей представления знаний в интеллектуальных решателях беспилотных аппаратов рассматриваются фреймовые структуры, продукционные правила, семантические сети, импликативные решающие правила. База данных содержит необходимые факты, текущие параметры модели и значения переменных. Пополнение базы знаний осуществляется за счет автоматического приобретения знаний в процессе функционирования. Фреймовые модели и соответствующие им процедуры логического вывода позволяют робототехнической системе адаптироваться к априори неописанным условиям проблемной среды и решать задачи целенаправленного поведения.
В результате исследований при взаимодействии с предприятиями Роскосмоса получены эффективные решения ряда задач теории и практики управления летательными аппаратами, основанные на представлении и обработке знаний. Управление автономных интеллектуальных роботов строится с помощью логики условно-зависимых предикатов в сочетании с нечеткими семантическими сетями, служащими для описания ситуаций проблемной среды. Подход позволяет, с одной стороны, определять декларативные и процедурные знания безотносительно к конкретной предметной области, а с другой – обойти недостатки известных логических моделей. В частности, обеспечивается возможность автоматического построения планов целенаправленного поведения и решения на этой основе практических задач в различных сложных средах. В качестве формального описания ситуаций среды предлагается использовать нечеткие семантические сети, представляющие собой нечеткий мультиграф, вершины которого помечаются либо конкретными объектами проблемной среды, либо множеством характеристик, которыми должны обладать объекты. Дуги графов помечаются отношениями пространства состояний, которые выполняются между объектами среды, согласно заданной автономной системе цели поведения.
Разработанные модели могут успешно решать задачи интеллектуального противоборства, группового выполнения заданий, безопасного формирования групп аппаратов и осуществлять выполнение миссий с минимизацией общего времени или других затрат в условиях неопределенности за счет приобретения знаний: Интеллектуальные решатели систем сочетают возможности различных методов мышления. Так наглядно-действенное мышление обеспечивает способность к самообучению в априори неописанных проблемных средах и формированию на этой основе программ целесообразной деятельности. В основу организации данной формы мышления закладываются метод проб и ошибок, механизмы избирательности поступающей информации, опирающиеся на анализ происходящих в ней изменений, а также инструменты безусловной рефлекторной деятельности живых организмов. Наглядно-образное мышление позволяет выполнять задания в различных условиях среды. Для вывода решений производится сравнение текущей и целевой ситуациями и на основе выявленных различий и формируется план целенаправленной деятельности. Абстрактное мышление обеспечивает возможность решения сложных задач в распределенных средах, когда для достижения заданной цели интеллектуальной системе требуется перейти, используя ряд промежуточных этапов поведения, в другую ситуацию проблемной среды в новых условиях.
Важной особенностью предложенных типовых элементов представления и обработки знаний является то, что они позволяют интеллектуальным системам организовать вывод решения сложных задач, опираясь только на данные, хранящиеся в модели представления знаний и поступающие из текущих условий функционирования.
Хачумов Михаил, к.ф.-м.н., доцент, руководитель работ по проекту РНФ в Лаборатории интеллектуального управления, также является с.н.с. Института проблем искусственного интеллекта (ИПИИ), основанного в 2018 году на базе отделения «Искусственный интеллект и принятие решений» ФИЦ ИУ РАН (см. https://rairi.frccsc.ru/structure/6).
Результаты нового перспективного направления нашли отражение в следующих монографиях:
* Хачумов М.В. Методы обработки слабоструктурированной информации и интеллектуально-геометрического управления беспилотными летательными аппаратами. – М. Ленанд, 2021. – 300 с.;
* Мелехин В.Б., Хачумов М.В. Планирование поведения автономных интеллектуальных мобильных систем в условиях неопределенности: под ред. проф. В.М.Хачумова. – СПб.: Политехника, 2022. – 275 с.;
* Мелехин В.Б., Хачумов М.В. Управление целенаправленной деятельностью автономных летающих роботов в нестабильном окружении. – СПб.: Политехника, 2023. – 248 с.
Создаваемая теория призвана решить проблему автономности летательных аппаратов в условиях неопределенности окружающей среды, наличия динамических препятствий и возмущений.
