Аннотация

Цель исследования – рассмотрение интеллектуальных аспектов развития и внедрения интегрированных мультиагентных робототехнических систем.

В результате проведенного исследования было выявлено, что увеличение области применения мультиагентных робототехнических систем позволит расширить масштабы применения интегрированных технологий для более качественной обработки информации в разных отраслях деятельности. Мультиагентные робототехнические системы позволят человечеству не принимать непосредственного участия в областях, связанных с тяжелой или опасной для жизни деятельностью.

Ключевые слова: мультиагентные робототехнические системы, интеллектуальный агент.

Abstract. The purpose of the study is to consider the intellectual aspects of the development and implementation of integrated multi-agent robotic systems. As a result of the study, it was revealed that increasing the scope of multi-agent robotic systems will expand the scope of integrated technologies for better information processing in various industries. Multi-agent robotic systems will allow humanity not to take a direct part in areas related to heavy or life-threatening activities.

Keywords: multi-agent robotic systems, intelligent agent.

Введение

В современном мире необходимо учитывать стремительные тенденции развития технологий в сфере интеллектуального управления, а также в области обработки данных, связанных с появлением глобального числа научных открытий, в таких отраслях как: машиностроение, телекоммуникационные системы, энергетика и т. д.

Высокоинтеллектуальные технологии стали активно внедряться уже с середины XX века, что привело к автоматизации осуществления опасной либо тяжелой для человека работы [1]. Рассматривая область применения робототехнических систем, стоит отметить следующие сферы: осуществление военных операций, формирование сборных конструкций различных уровней сложности, обслуживание складов, производство деталей, индустрия развлечений, медицина, а также освоение планет Солнечной системы.

Процесс внедрения робототехнических систем приводит к увеличению уровня интеллектуализации как людей, так и их деятельности [2]. Такая зависимость формирует новую тенденцию развития производительности бизнес-структур, влияет на мировоззрение персонала и образ жизни.

Область развития интеллектуальных робототехнических систем

На сегодняшний день выделяется явная тенденция роста внедрения интеллектуальных робототехнических систем. К примеру, стоит отметить область пассажирских перевозок, а именно «Google driverless car» – серия беспилотных автомобилей, напрямую связанная с перевозом пассажиров, которая уже была успешно протестирована. Подобная интеллектуальная робототехническая система управления транспортным средством дает возможность адекватно производить оценку ситуации на дороге как в городе, так и на пересеченной местности [3]. Многие автопроизводители, анализируя область деятельности конкурентов, а также перспективы роста прибыли с расширением сегмента целевой аудитории, посредством распространения таких моделей, заявили о расширении своих мощностей, которые позволять освоить данное производство.

Стоит обратить внимание на разработки в области антропоморфных роботов (например, «ASIMO», «iCub», «Repliee Q2»). Сфера производства таких систем привлекает к себе внимание из-за возможностей в применении ежедневно для решения широкого спектра задач [4]. В связи с тем, что элементы, формирующие систему антропоморфных роботов, отличаются высокой стоимостью и достаточно небольшой автономностью, данный вид разработок не получил серьезного распространения на рынках сбыта. Однако уже сейчас роботы-андроиды применяются для проведения экскурсионных мероприятий, обучения детей, а также присмотра за людьми с ограниченными возможностями.

Интеллектуальные робототехнические системы нашли свое применение и в области здравоохранения. Стоит обратить внимание на разработку современного роботизированного аппарата «Da Vinci», посредством которого было проведено более 200 тыс. операций по всему миру, а также применение бионических протезов и систему искусственного зрения, управляемые нейрокомпьютерными интерфейсами [5].

Интеллектуальные робототехнические системы дают возможность расширить научно-исследовательскому миру область внедрения различный инновационных разработок, которые позволят существенно облегчить труд персонала. В долгосрочной перспективе, в процессе развития интеллекта технических систем предполагается, что роботы статут заменой системы управления в области государственной политики и будут являться полноценными управляющими единицами [6].

Интеграция мультиагентных робототехнических систем

В настоящее время скорость появления технических новинок и внедрения интеллектуальных робототехнических систем бесспорно колоссальна, но не стоит всецело полагаться на такие разработки. В результате проведенного анализа производственных мощностей были зафиксированы глобальные отличия по возможностям выполнения задач человеком и современными робототехническими системами [7]. Выявленные недоработки возможно решить посредством применения нейросетевого подхода. Такого рода нейросетевые разработки дают возможность интеллектуальным робототехническим системам с легкостью взаимодействовать с данными различного формата. Но на сегодняшний день существует ряд ограничений в использовании данных технологий по числу выполняемых функций, скорости осуществления операций, радиусу действия и т. д. Поэтому основное внимание сконцентрировано на идее применения мультиагентных систем, которые дают возможность выполнять существенный объем функций, благодаря наличию большого количества интеллектуальных агентов. Мультиагентные системы глобально внедрены в сферу логистики, сельхозоуборочных работ, картографировании и т. д. Основой мультиагентного похода служит понятие интеллектуального агента, который сформирован и функционирует как самоорганизованная специализированная компьютерная программа, а точнее как компонент искусственного интеллекта . Данная методика сосредотачивает внутри своей системы следующие элементы [8]:

• Распределенный искусственный интеллект (distributed AI);
• Распределенные решатели задач (distributed problem solving);
• Параллельные вычисления.

Распределенный искусственный интеллект характеризуется следующими признаками:

• Распределение задач между агентами;
• Распределение властных полномочий;
• Коммуникация агентов.

Распределенный искусственный интеллект акцентирует свои силы на выполнении поставленных задач [9]. Такая система представлена в виде сети мягко связанных внутри системы решателей, которые совместно работают для решения логических задач. Каждый узел такой сети обладает неодинаковым опытом, различными ресурсами и должен определенным образом преобразовывать поведение в зависимости об обстановки во внешней среде (рис. 1).

Интенсивное развитие методов нейросетевого подхода дает возможность сделать существенный скачок в области взаимодействия пользователя с компьютером. Идея формирования «интеллектуальных агентов», где пользователь вовлечен в совместный процесс решения задач стала основой современных разработок. Такая концепция взаимодействия позволяет интеллектуальному агенту и пользователю принимать непосредственное участие в процессе запуска задач, решения логических условий и в управлении их деятельностью.

Немаловажным достоинством такого тандема является то, что интеллектуальный агент размещается во внешней среде, с которой он беспрепятственно взаимодействует. Зачастую внешняя среда не поддается контролю интеллектуального агента, но он может влиять на нее. Такой агент характеризуется представленные свойствами:

• реактивность — агент коммуницирует с внешним окружением и отвечает на изменения в ней, совершая манипуляции, направленные на выполнение поставленных задач;
• проактивность — агент демонстрирует контролируемое целями поведение, отражая инициативу, совершая действия, направленные на выполнение поставленных задач;
• социальность — агент контактирует со сторонними сущностями внешней среды (другими агентами, людьми и т. д.) для выполнения поставленных задач.

Тенденция непрерывного развития области применения робототехнических систем порождает концепцию увеличения общего количества подобных систем и определяет конкретные перспективы для формирования мультиагентной робототехнической системы. Данные технологии априори аккумулируют большой экономический потенциал, высокую эффективность, а также надежность. Области применения мультиагентных робототехнических систем, сформированных на основе нейросетей, увеличиваются в разы, ввиду использования узкоспециализированных робототехнических технологий [10].

Повсеместное внедрение вышеописанных систем дает возможность сформировать объемную информационную структуру, которая позволит выполнять экономическое планирование в отраслях производства и логистики.

Выводы

Стоит отметить, что в настоящее время у пользователей появляются масштабные возможности интеллектуального развития, а также расширяются области использования мультиагентных робототехнических систем в повседневной жизни. Перспективы применения подобных систем позволят повсеместно использовать представленные интегрированные системы, которые дают возможность увеличить скорость, а также качество производства товаров и услуг. Мультиагентные робототехнические системы дают возможность изучать всевозможные узконаправленные сферы освоения пространства как на территории нашей планеты, так и за пределами. Масштабные возможности применения этих технологий сулят безграничные перспективы использования, что позволит развить автоматизированные системы для личного развития.

Литература

1. Сафонова Т.В. Обзор технологий создания интеллектуальных геоинформационных систем // Информационные технологии и системы: управление, экономика, транспорт, право. 2020. №3(39). С.18-27.
2. Сафонова Т.В. Мультиагентные системы // Информационные технологии и системы: управление, экономика, транспорт, право. 2020. №4(40). С.12-29.
3. Сафонова Т.В, Колбина О.Н., Яготинцева Н.В, Мокряк А.В. Определение состояния лесного массива в гис с использованием мультиагентного подхода // Международный научно-исследовательский журнал No 4 (106) Часть 1. С. 73–77.
4. Истомин Е.П. Геоинформационная система управления пространственно-распределенными разнородными гидрометеорологическими данными для принятия управленческих решений по оптимизации регулирования отпуска тепла на ТЭЦ / Е.П. Истомин, С.Ю. Степанов, О.Н. Колбина и др. // Естественные и технические науки. 2019. № 4 (130). С. 134–136.
5. Истомин Е.П. Модели обработки гетерогенных данных с помощью ГИС программ для решения задач оценки вероятностных событий / Е.П. Истомин, С.Ю. Степанов, О.Н. Колбина и др. // Наука, образование, общество. 2015. № 4 (6). С. 20–27.
6. Сафонова Т.В, Колбина О.Н., Яготинцева Н.В, Мокряк А.В. Использование мультиагентных систем в лесном хозяйстве // IOP Conference Series: Наука о Земле и окружающей среде. № 806 (2021) 012028.
7. Колбина О.Н., Истомин Е.П., Яготинцева Н.В. Каламбет М.В. Особенности создания базы данных для IoT-системы городского лесоуправления в городе Санкт-Петербурге // IOP Conference Series: Наука о Земле и окружающей сред, 2021, № 876(1), 012039.
8. Манько С.В., Лохин В.М., Романов М.П. Концепция построения мультиагентных робототехнических систем // Российский технологический журнал. 2015. Т. 1 № 3 (8). – С. 156-165.
9. Макаров И.М., Лохин В.М., Манько С.В. и др. Мультиагентные робототехнические системы: примеры и перспективы применения // Мехатроника, автоматизация, управление. М.: Новые технологии, 2012. № 2. – С. 22-32.
10. Сафонова Т.В, Колбина О.Н., Яготинцева Н.В, Мокряк А.В. Применение мультиагентных систем в логистике // Информационные технологии и системы: управление, экономика, транспорт, право. 2022. №1(41). С.4-10.