АНАЛИЗ ПРИНЯТИЯ РЕШЕНИЯ О САМОВОСПРОИЗВОДСТВЕ РОБОТА

АННОТАЦИЯ

В данной научной статье был выполнен анализ литературы, содержащей информацию о принятии решения робота о саморепликации. В данном исследовании также были подробно рассмотрены факторы, влияющие на решение о самовоспроизводстве роботов.

ABSTRACT

In this scientific article, an analysis of the literature containing information about the robot's decision on self-replication was performed. In this study, the factors influencing the decision on self-reproduction of robots were also considered in detail.

Ключевые слова: робототехника, робот, самовоспроизводящийся робот, саморепликация.

Keywords: robotics, robot, self-replicating robot, self-replication.

Введение

Для создания роботов необходим человеческий труд, как умственный, так и физический. Нередко бывает, что при создании или починке робота человек может пораниться. Также для создания какой-либо машины людям нужно время, а при допущении ошибки это время увеличивается. Для решения данной проблемы можно использовать самовоспроизводящихся роботов. Данное изобретение позволит сократить участие человека в процессе воспроизводства роботов, что значительно увеличит продуктивность производства.

Целью данной статьи является выявление факторов, которые могут повлиять на решение о самовоспроизводстве робота, а также анализ процесса принятия решений о самовоспроизводстве робота.

Задачи статьи:

1. Изучить существующие источники о самовоспроизводстве роботов.

2. Определить основные факторы, влияющие на решение о самовоспроизводстве роботов.

3. Проанализировать информацию о том, как робот принимает решение о саморепликации.

Факторы, влияющие на решение о самовоспроизводстве роботов

На решение о том, когда должно использоваться самовоспроизводство роботов, влияет несколько факторов. Эти факторы включают в себя:

• Доступные ресурсы;
• Оборудование для репликации (самовоспроизводства);
• Текущие цели робота;
• Возможности робота.

Эти факторы изображены на рисунке 1 и подробно описываются далее.

Рисунок 1. Ключевые факторы для принятия решения о самовоспроизводстве робота

1. Доступность ресурсов имеет очень большое значение для принятия решения о самовоспроизводстве робота. Множество факторов влияют на характеристику доступности ресурсов, которая предоставляется алгоритму принятия решений (рисунок 2). Основное требование для изготовления нового робота состоит в том, чтобы иметь (или проектировать) материалы, необходимые для его воспроизведения. Другим фактором, который следует учитывать, является качество ресурсов. Низкое качество ресурсов может повлиять на качество конечного продукта, что следует учитывать при принятии решения о продолжении процесса самовоспроизводства [2].

Рисунок 2. Факторы, влияющие на характеристику доступности ресурсов

Приобретение ресурсов происходит путем собирательства. Собирательство ресурсов роботами происходит так: роботы ищут и собирают предметы, а затем доставляют их в точку сбора. Ряд ученых провели исследования по этой теме:

• Ученые К. Бальдассано и Н. Э. Леонард описали показатели производительности, которые можно использовать для распределения задач для этой цели [1];
• Другие ученые, М. Фибла и У. Бернардет, разработали стратегию собирательства роботов, основанную на поведении грызунов [6];
• Еще один ученый, Я. Цай, разработал алгоритм обучения для решения задач поиска ресурсов в совершенно неизвестной среде [3].

Ресурсы можно разделить на три категории: собранные, обнаруженные, но не собранные, и ожидаемые в окружающей среде, но не обнаруженные.

Собранные ресурсы, как следует из названия, — это ресурсы, которые были собраны и сохранены роботизированной системой. Однако в данном случае важна близость хранилища ресурсов к тому месту, где их нужно будет использовать.

Вторая категория ресурсов, которые обнаружены, но не собраны, включает в себя ресурсы, которые были идентифицированы с определенной степенью точности как присутствующие в определенных местах в окружающей среде. Степень точности этой идентификации может существенно повлиять на уровень надежности, соответствующий ресурсам этой категории.

Последняя категория — это ресурсы, которые, по прогнозам, будут находиться в окружающей среде, но еще не были обнаружены. Важность этой категории будет меняться обратно пропорционально тому, какая часть окружающей среды исследована в настоящее время. Например, на ранних этапах разведки система может предсказать, что будет доступно определенное количество определенного материала, но как только разведочные работы будут продолжены, прогнозируемые ресурсы будут преобразованы в обнаруженные ресурсы. По мере проведения разведки точность прогнозирования ресурсов также может повышаться [8].

Процесс прогнозирования ресурсов, имеющихся в данной среде, может потребовать предварительных знаний об определенных характеристиках окружающей среды, включая геологическую и другую информацию. С этой целью ученые исследовали алгоритмы отбора проб окружающей среды с использованием мобильных роботов [4]. В качестве альтернативы определенные среды могут постоянно контролироваться роботами.

Распознавание ресурсов в окружающей робота среде может быть достигнуто многими способами, например:

• Сейсмология отражения (по концепции похожая на радиолокацию) использовалась для обнаружения нефти и природного газа [7];
• Магниторазведка может использоваться для обнаружения рудных месторождений [10];
• Визуальное распознавание поверхностных ресурсов может быть выполнено путем обработки изображений с использованием обученных глубоких сверхточных нейронных сетей [5].

Вышеупомянутые методы могут определить многие ресурсы, необходимые для репликации роботов. Для роботов с дополнительными потребностями в идентификации ресурсов могут потребоваться дополнительные методы.

Как только ресурсы идентифицированы, роботы должны иметь возможность самостоятельно их собирать.

2. Репликационное оборудование должно уметь производить требуемый дизайн робота. В качестве репликационного оборудования могут выступать 3D принтеры [9].

Даже если оборудование может воспроизвести детали робота, оно все равно может иметь ограничения или потенциальные ошибки. Проблемы могут вызывать:

• Заклинивание оборудования;
• Несоответствие печатных деталей друг другу;
• Неблагоприятные условия окружающей среды.

3. Текущие цели, как показано на рисунке 3, имеют отношение к решению воспроизвести нового робота или нет. Эти цели определяют необходимость изготовления нового робота и его конструкцию. Эта информация также может вызывать необходимость увеличения количества роботов или оптимизации конструкции.

Рисунок 3. Общие цели самовоспроизводства роботов

Увеличение количества роботов может потребоваться для определенных исследовательских работ или для поддержки запланированных будущих прогнозов производства роботов. Альтернативное соображение заключается в том, что дизайн может потребоваться для конкретной задачи, которая имеет необходимое преимущество, например, для достижения и сбора ресурса, который находится вне досягаемости текущих роботов в системе.

В зависимости от выбора пользователя или реализации проектных ограничений, может случиться так, что система роботов ограничена наличием определенного максимального количества роботов.

Коэффициент пропускной способности системы, изображенный на рисунке 4, характеризует способность системы поддерживать большее количество роботов, чтобы информировать процесс принятия решений «строить или не строить» [12]. Одним из примеров ограничения может быть централизованное управление и связь, так что количество роботов, которыми центральный робот может управлять или с которыми может общаться, ограничено. Другим ограничением может быть необходимость в том, чтобы роботам для продолжения работы в течение долгого времени требовался определенный ресурс, например, энергия или запасные части. Наконец, количество роботов, которые может иметь система, также может быть ограничено пространством, доступным в операционной среде. Небольшие площади, очевидно, потребуют меньшего количества роботов для оптимальной производительности.

Рисунок 4. Пример ограничений на максимальное количество необходимых роботов

Принятие решений о самовоспроизводстве роботов

Шаг событий моделирования информирует системы управления моделируемых роботов о результатах действий робототехнической системы. На этапе принятия решения система определяет, какие действия следует выполнить на следующих этапах. На каждом временном шаге моделирования роботы в системе роботов выполняют задачи, связанные с приобретением ресурсов, преобразованием ресурсов или сборкой новых роботов [11].

Процесс событий моделирования определяет результаты этих действий роботизированной системой. Процесс обработки событий моделирования состоит из циклического перебора задач, выполняемых в данный момент. Задачи, выполняемые в данный момент, определяются алгоритмом принятия решений и включают задачи для всей робототехнической системы на каждом временном шаге моделирования (т. е. список задач — это не очередь задач для отдельного робота, а список задач, которые каждый робот выполняет).

Для каждой из задач, выполняемых роботизированной системой, риск выполнения задачи используется для определения (со случайным вводом), была ли она неудачной или успешной на текущем временном шаге. В случае успеха оставшуюся продолжительность задачи уменьшают на единицу. Если оставшаяся продолжительность теперь равна нулю, то выполняются завершающие действия (т. е. собираются ресурсы, изготавливается деталь или собирается робот). В случае, если она не удалась, выполняются действия по сбою задачи, и она удаляется из активных задач, так как неудавшаяся задача отбрасывается.

Процесс принятия решений — это когда система назначает задачи роботам. Этот процесс включает в себя определение и назначение роботов для сборки, и какие роботы должны их строить, сколько роботов должны печатать компоненты и сколько роботов должны собирать ресурсы [13]. Для целей этой работы используется упрощенный алгоритм принятия решений, чтобы облегчить анализ производительности различных конфигураций системы в различных экспериментальных условиях. В этом алгоритме выбор того, когда строить нового робота и какого типа он должен быть, определяется с помощью простых критериев. Процесс начинается с определения всех бездействующих роботов, способных к сборке, а затем берется список типов сборных роботов и повторяется по порядку до тех пор, пока в очереди сборки не будет достаточно роботов для каждого бездействующего робота, способного к сборке. Если робот не может быть построен, сборщик просто бездействует.

После определения того, что должен собрать каждый из роботов (если что-то нужно), алгоритм принятия решения назначает всех простаивающих в данный момент роботов, способных печатать, для изготовления печатаемых компонентов. Эти назначения ограничены текущим количеством доступных исходных материалов для печати в робототехнической системе (роботы не будут назначены для задач печати, для которых материалы недоступны). После этих назначений все бездействующие роботы назначаются для сбора материалов из окружающей среды. Если роботы не возвращают материалы, предполагается, что в окружающей среде нет сырья, и система прекращает назначать роботов для задачи по сбору, как только это происходит. Стадия, на которой можно предположить, что дополнительные ресурсы недоступны для сбора, может быть более сложной в реальных случаях.

Список литературы:

1. C. Baldassano, N.E. Leonard “Explore vs. exploit: Task allocation for multi-robot foraging”. Preprint, 2009.
2. M. Badreldin, A. Hussein, A. Khamis “A Comparative Study between Optimization and Market-Based Approaches to Multi-Robot Task Allocation”. Adv. Artif. Intell., 2013.
3. Y. Cai “Intelligent Multi-Robot Cooperation for Target Searching and Foraging Tasks in Completely Unknown Environments”. University of Guelph, Guelph, ON, Canada, 2013.
4. M. Dunbabin, L. Marques “Robots for environmental monitoring: Significant advancements and applications”. IEEE Robot. Autom. Mag. 2012, pp. 24–39.
5. P.A. Dunker “A Biologically Inspired Robot for Lunar Exploration and Regolith Excavation”. Master’s Thesis, Case Western Reserve University, St. Louis, MO, USA, 2009.
6. M. Fibla, U.  Bernardet “Allostatic control for robot behaviour regulation: An extension to path planning”. Taipei, Taiwan, 2010, pp. 1935–1942.
7. J. Green, D. Vogt “A Robot Miner for Low Grade Narrow Tabular Ore Bodies: The Potential and the Challenge”. Pretoria, South Africa, November 2009.
8. D. Popa, K. Sreenath, F. Lewis “Robotic deployment for environmental sampling applications”. Budapest, Hungary, June 2005.
9. M. Russell, J. Straub “Software Design for an Intelligent Attitude Determination and Control System”. Logan, UT, USA, August 2015.
10. G.K. Shaffer, A. Stentz “A robotic system for underground coal mining”. Nice, France, May 1992, pp. 633–6380.
11. J. Straub, A. Jones “Simulation and Analysis of Self-Replicating Robot Decision-Making Systems”. Computers 10(1):9, 2021.
12. J. Suthakorn, A.B. Cushing, G. S. Chirikjian “An Autonomous Self-Replicating Robotic System”. IEEE/ASME International Conference on Advanced Intelligent Mechatronics: Kobe, Japan, 2003.
13. J. Von Neumann “The Theory of Self Reproducing Automata 1st ed.”. Burks, A.W., Ed. University of Illinois Press: Champaign, IL, USA, 1966.