Исследование возможностей автоматизированных транспортных средств с помощью агентного моделирования

Исследование возможностей автоматизированных транспортных средств с помощью агентного моделирования

Юго-западный исследовательский институт (SwRI) известен в мире благодаря своему участию в проектах NASA. Например, в создании и запуске автоматических межпланетных станций «Новые горизонты» («New Horizons») и «Юнона» («Juno») для изучения Плутона и Юпитера. SwRI является лидером в таких областях исследований как энергоэффективность, энергосбережение, геонаука, турбомашины. Институт выполняет научные и технологические проекты как для государственных, так и для частных заказчиков.

Проблема

Одна из областей исследований SwRI — системы автоматического вождения. Институт работает в этом направлении с 2006 года и уже имеет ряд разработок: автоматические системы управления для грузовиков, внедорожников, военной техники и беспилотных летательных аппаратов (дронов). Эти транспортные средства не требуют участия человека в управлении, какие бы задачи они не выполняли: от разведывательных операций до простых перевозок.

Однако инженеры SwRI решили не останавливаться на достигнутом и сделать автономные транспортные средства независимыми не только от водителя, но и от центрального пункта управления. Идея заключалась в том, что транспортные средства (ТС) должны взаимодействовать друг с другом децентрализованно, делиться с другими ТС информацией о своем местоположении и окружающем пространстве, а затем на основании этих данных самостоятельно принимать решения о действиях. Такие технологии могут найти применение в оборонной промышленности: беспилотные ТС могли бы доставлять припасы в зоны боевых действий, участвовать в разминировании, разведке и других операциях, где в целях безопасности можно заменить людей машинами.

Моделирование и изучение подобных систем в реальном мире потребовало бы много времени и денег, поэтому инженеры SwRI решили изучить возможности автономных ТС виртуально — с помощью имитационного моделирования.

Решение

Обобщённая карта области, полученная благодаря объединению полученной агентами информации

Рисунок 1. Обобщённая карта области, полученная благодаря объединению полученной агентами информации

Чтобы исследовать алгоритмы распределения задач и оценить их эффективность, инженеры построили агентную имитационную модель. Агентное моделирование оказалось самым эффективным способом для отражения множества взаимодействующих виртуальных ТС, наделенных разными свойствами.

ТС перемещались по ограниченной территории и распознавали имеющиеся там препятствия. Их задачей было найти случайно разбросанные по этой территории капсулы и заправить их топливом.

У каждого ТС были специальные датчики, с помощью которых оно изучало окружающую среду и получало информацию о препятствиях, после чего делилось этой информацией с другими агентами. Все ТС имели разные способности: одни могли только искать капсулы, вторые могли проверять, пуста найденная капсула или уже заполнена топливом, а третьи — заправлять капсулы. Таким образом, выполнить поставленную задачу было можно только работая сообща и делясь друг с другом необходимой информацией.

Диаграмма состояния агента

Рисунок 2. Диаграмма состояния агента

На правой части рис. 1 можно увидеть результаты изучения окружающей среды каждым ТС, на левой части — общая карта области, полученная благодаря объединению полученной агентами информации. Обобщённая карта распространялась среди всех агентов, каждый из них мог пользоваться данными, собранными всей командой.

Для заправки капсул необходимо было объединяться в команды, основываясь на индивидуальных особенностях каждого агента. Когда обладающее поисковой способностью ТС находило капсулу, оно подавало сигнал ближайшим ТС, обладающим необходимыми способностями: определять заполненность капсул и заправлять их топливом. Они создавали команду и общими усилиями выполняли задание. На рис. 2 можно увидеть диаграмму состояния агента из этой модели, описывающую его поведение.

Результаты

С помощью AnyLogic инженеры SwRI изучили поведение агентов в кооперативной сети и доказали, что подобные сети могут быть созданы в реальной жизни. Был получен вывод, что в AnyLogic можно разрабатывать алгоритмы выполнения агентами любых доступных для них задач, виртуально тестировать эффективность этих алгоритмов, после чего воплощать их в реальных автоматизированных транспортных средствах. Таким образом, например, можно создать автоматизированных дронов и наземных роботов, выполняющих разведывательные или охранные функции.

Узнать о проекте больше можно из презентации на Конференции AnyLogic 2016 (на англ.):

Похожие проекты

Другие истории успеха