При выполнении заданий в команде роботы должны уметь координировать свои усилия, например, выполнять различные подзадачи, следить за разными частями целевой среды и так далее. Поэтому в последние несколько лет ученые-компьютерщики разрабатывали вычислительные модели, предназначенные для координации действий и поведения различных роботов в команде.
Исследователи из Технологического университета Лулеа в Швеции недавно представили новый метод координации действий нескольких агентов, который объединяет задачу на основе аукциона с деревьями поведения — математическими моделями, часто используемыми в компьютерных науках для выполнения планов. Этот метод, представленный в статье, предварительно опубликованной на сайте arXiv, позволяет эффективно организовать действия нескольких роботов, работающих для достижения общей цели, особенно когда они выполняют задачи, охватывающие различные этапы.
«Мы обнаружили потребность в гибкой и реактивной архитектуре распределения задач для координации многоагентных систем», — рассказал изданию Tech Xplore Никлас Дальквист, один из исследователей, проводивших исследование. «Ранее я уже работал с деревьями поведения, поэтому я подумал, что их объединение со схемой распределения задач может привести к созданию гибкой структуры, которая также позволит легко интегрировать новые типы задач и различных агентов».
Архитектура, разработанная Дальквистом и его коллегами, основана на рыночном подходе, который лежит в основе функционирования аукционов. По сути, отдельные роботы-агенты в команде оценивают стоимость, связанную с выполнением различных подзадач, которые необходимо выполнить, размещая «ставки» через центральную систему аукциона. Впоследствии эта аукционная система анализирует эти «заявки» и назначает оптимальные задания каждому из агентов.
«Наша архитектура также имеет локальный уровень, состоящий из дерева поведения, который направляет отдельных агентов на выполнение выделенного задания», — пояснил Дальквист. «Это дает то преимущество, что нет необходимости в централизованном подразделении, обладающем полными глобальными знаниями о системе, все, что нужно — это заявки от агентов, а также снижает вычислительную нагрузку».
