Введение
На базе РГУ им. Канта разрабатывается робот для домашнего применения [1 – 3]. На сегодняшний день достигнуты следующие успехи:
- На базе комплекса ПО «Microsoft Robotics Studio» создана модель робота, состоящая из собственно физической модели робота (рис. 1) и моделируемого оборудования.
- Протестирована низкоуровневая система управления (СУ), которая позволяет непосредственно управлять узлами робота.
- Имеются наработки по системам технического зрения, распознавания голоса, навигации (рис. 2).
Дальнейшее развитие рассматриваемой модели состоит прежде всего в совершенствовании высокоуровневых алгоритмов управления роботом, а именно в создании высокоуровневой системы управления, которая должна обеспечить согласование работы уже отложенных алгоритмов, программирование более сложных поведенческих актов, а также накопление и обработку приобретенных знаний об окружающем предметном мире.
Рисунок 1 – Модель разрабатываемого робота.
Рисунок 2 – Общая схема СУ разрабатываемого робота.
1. Понятие нейроподобной растущей сети
Основные функции, которые должна выполнять разрабатываемая СУ, – это обучение, извлечение знаний, приобретение навыков и выработка стратегии поведения в каждой конкретной ситуации исходя из накопленного опыта. С точки зрения физиологии высшей нервной деятельности «мозг» робота должен уметь вырабатывать условные рефлексы и пользоваться ими [4].
Наиболее удобным и мощным, по мнению автора, инструментом по выработке и накоплению условных рефлексов является структура, разработанная В. А. Ященко: нейроподобные растущие сети (н – РС) [5 – 7]. Н – РС представляет собой связный ориентированный граф нейроподобных элементов. Принципы и правила установления связей, а также логика функционирования сети определяются ее логической структурой. Н – РС являются динамической структурой, которая изменяется в зависимости от значения и времени поступления информации на рецепторы, а также предыдущего состояния сети. В ней информация об объектах представляется ансамблями возбужденных вершин и связями между ними.
Запоминание описаний объектов и ситуаций сопровождается вводом в сеть новых вершин и дуг при переходе какой – либо группы рецепторов и нейроподобных элементов в состояние возбуждения. Переменный коэффициент связности позволяет управлять числом дуг, приходящих на вновь образуемые нейроподобные элементы, и числом нейроподобных элементов в сети.
2. Модель системы управления
Система управления разрабатываемой виртуальной модели домашнего робота основана на многомерной рецепторно – эффекторной нейроподобной растущей сети [7] (рис. 3). Рецепторные данные предоставляют следующие информационные пространства:
- тактильные датчики на корпусе робота;
- инфракрасные датчики;
- тактильные датчики рук-манипуляторов;
- система компьютерного слуха;
- система технического зрения;
- внутреннее состояние системы (скорости вращения двигателей, углы поворота колес и наклона корпуса, уровень заряда батареи, данные о неисправности того или иного оборудования и т. д.).
Эффекторная зона состоит из следующих слоев:
- управляющие силы манипулятором;
- сигналы двигателям и сервоприводам;
- сигналы веб – камеры;
- сигналы системе синтеза речи.
В качестве безусловных рефлексов (врожденные знаки и умения, автоматические реакции), использованы отлаженные механизмы блока движения и навигации (остановка перед препятствием, объезд препятствий [1]) и способности системы технического зрения выделять элементарные геометрические фигуры [8]).
Рисунок 3 – Схема многомерной рецепторно – эффекторной н – РС.
Заключение
В настоящий момент в программной среде Microsoft Robotics Studio создана виртуальная модель робота. Налажена работа некоторых низкоуровневых блоков управления, Автором и группой разработчиков ведется работа по созданию высокоуровневой системы управления на основе многомерной рецепторно – эффекторной нейроподобной растуще сети. Первоочередным результатом работы данной системы должен стать механизм установления ассоциативных связей между потоками информации из разных рецепторных зон, например связь зрительного изображеня шара с его звуковым обозначением.
Список литературы
- Корягин Е. В., Ложкин П. В., Прокопович П. А. Основные системы мобильных устройств // Вестник Российского государственного университета им. И. Канта 2008. №10.
- Корягин Е. В., Ложкин П. В., Кащенко Н. М., Толстель О. В. Интелектуальная система – домашний робот // Междунар. науч. – техн. конф. «Интелектуальные системы АIS'07». Дивноморское, 2007
- Куницин С. М., Толстель О. В., Шарапаев Л. А. Разработка прототипа домашнего робота // Х национальная конф. по исскуственному интелекту с международным участием КИИ – 2006: Тр. конф.: В 3т. М, 2006
- Данилова Н. Н. Физиология высшей нервной деятельности. Ростов н / Д., 2005
- Шевченко А. И. Ященко В. А. От искусственного интелекта к искусственной личности // Искусственный интелект. 2009. №3.
- Ященко В. А. Некоторые аспекты «нервной деятельности» интелектуальных систем и роботов // Там же №4.
- Jaschenko V. Neuron growing nets – new technology for information processing // International symposium «Computers in Europe. Past, present and future». 1998. P. 102 – 109.