Российские учёные из Ярославского государственного технического университета (ЯГТУ) создали уникальную технологию управления группами роботов. Разработанный ими алгоритм осуществляет имитацию роевого интеллекта животных, за счёт чего повышается эффективность ряда процессов, таких как сбор урожая, ликвидация разливов нефти, уборка больших помещений и др. Результаты проделанной работы уже были опубликованы в журнале Cyber-Physical Systems: Modelling and Intelligent Control.
Одна из актуальных задач робототехники заключается в оптимизации управления группами роботов в пространствах со сложной геометрией. При ведении какой-либо деятельности в таких пространствах роботам приходится постоянно огибать препятствия, что приводит к нарушению строя, в котором двигается группа. В конечном счёте некоторые роботы могут попросту отстать от основной группы или даже заблудиться. Это приводит к повышению энергозатрат и снижению качества работы.
Благодаря новому алгоритму роботы будут после встречи с препятствиями снова собираться в группу, поддерживая правильный строй. В основе алгоритма лежит поведение животных в природе. Это означает, что, двигаясь в группе роботы будут вести себя аналогично тому, как ведут себя птицы в стае или рыбы в косяке.
«В нашем алгоритме скомбинированы две стратегии: глобальная, копирующая элементы роевого интеллекта, позволяет роботам при движении в неопределённой среде держаться в группе и следовать за целью, а локальная помогает им формировать правильный строй, ориентируясь на движение «товарищей». Прямых аналогов нашей разработке сегодня в научной литературе не существует», — прокомментировал исследование доцент кафедры «Кибернетика» ЯГТУ Олег Марьясин.
Ещё одна особенность нового алгоритма заключается в том, что он наделяет роботов способностью ориентации с помощью так называемых маркерных индикаторов — особых признаков, которые появляются в процессе выполнения задач. Например, при уборке помещения такими индикаторами могут быть мокрый пол или следы моющего средства. По мнению учёных, этих данных в совокупности с информацией, получаемой от аудиовизуальных датчиков, будет достаточно, чтобы роботы действовали в группе максимально эффективно.
