Совместное поведение агентов в динамически меняющейся среде, основанное на субъективных картах

1. Совместное поведение агентов в динамически меняющейся среде, основанное на субъективных картах Крупадерова Валентина, 545 гр.

2. О чем? • О представлении карт субъектов (subjective map), которые позволяют роботам в мультиагентной системе принимать решения в динамической враждебной среде • О методе организации совместного поведения роботов на основе карт субъектов • О сравнении этого метода со стандартным методом, с или без разделения информации

3. Карта субъектов • Что это? Карта субъектов – это карта среды, которую каждый агент создает и поддерживает сам, без учета реального соответствия представлений у всех агентов • Что в них хорошего? Из-за свой субъективности такие карты не зависят от некорректной информации, которая может поступить от других агентов

4. Коммуникации в мультиагентных системах • Предполагается, что в мультиагентных системах коммуникации помогают роботам получать знания об окружающей среде. При этом роботам нужна общая система координат. Например, мировая. Тогда, чтобы преобразовать результаты своих наблюдений в мировые координаты, каждый робот должен локализовать себя. И ошибки локализации часто бывают слишком большие, чтобы их игнорировать • Робот может вычислить свою позицию с помощью навигационного счисления даже в незнакомой среде, но накапливающимися ошибками пренебречь нельзя

5. Общая система позиционирования • Kurazume и др. [2] предложили принцип общей системы позиционирования для группы роботов, чтобы бороться с ошибками навигационного счисления. Идея, предложенная в [2] - все время оставлять несколько роботов стоять неподвижно, чтобы остальные могли из использовать как вехи. Тогда навигационного счисления вообще можно избежать. Но в этом случае роботы вынуждены двигаться группами и должны быть оснащены специальными приборами, чтобы точно измерять относительные позиции роботов

6. Разделение информации: метод • Способы локализации роботов и получения их пространственной конфигурации через разделение информации представленные в [3, 4, 5]. Kato и др. [4] и Nakamura и др. [5],используют геометрические ограничения на положение роботов. • Роботы • одновременно видят друг друга • находят пространственные конфигурации, сформированные по их позициям и удовлетворяющие неравенству треугольника • используют разделяемую карту окружающей среды.

7. Разделение информации:минусы • Для определения глобальных координат, позиция одного робота используется в качестве базовой, поэтому ошибки локализации не влияют на обмен информацией, но зависят от того, как базовый робот установил свои координаты • Чтобы одновременно обозревать несколько роботов, используются всенаправленные (omnidirectional) камеры, вместо обычных, с ограниченным числом углов обзора. Так что для роботов, использующих обычные камеры, этот метод не подходит.

8. Объединенный метод локализации • Даже при условии, что есть методы для устранения ошибок локализации, все равно остается вопрос – как соединить карты нескольких роботов и как поддерживать общую карту. Средневзвешенное информации от каждого робота может работать, только если ошибки невелики и промоделированы. Fox et al. [6] предлагают объединенный метод локализации Маркова для систем роботов. Каждый робот находи свои координаты и использует данные других роботов, основанные на глобальном позиционировании в мировой системе координат.

9. Объединенный метод локализации: плюсы и минусы • Этот метод не предполагает, что все роботы будут видеть друг друга одновременно, но предполагает, что ошибки обзора могут быть смоделированы и затратами на коммуникации в системе можно пренебречь • Но если у одного робота произойдет серьезная непредусмотренная ошибка в локализации , это отразится на карте, используемой всеми роботами. Сложно назначить веса или моделировать так, чтобы этого избежать, потому что всегда есть ошибки, которые проектировщик не учел , и во многих ситуациях робот не может распознать ошибки моделирования

10. Восстанавливаемая локализация • Scott и др. [7] предложили восстанавливаемую локализацию по Монте-Карло. Робот сбрасывает свои последние наблюдения и восстанавливает предыдущее значение локализации, если обнаруживает значительное несоответствие данных вычисленных координат и измерений сенсоров. Экспериментальные результаты были показаны в среде RoboCup. Этот метод вычисления своих координат достаточно надежен, но при восстановлении предыдущей локализации может быть задержка, и тогда это отразится на всех роботах, которые используют общую карту.

11. Метод субъективных карт: обоснование • Новый подход: использовать субъективные карты вместо разделяемых карт • Предполагается, что относительное положение роботов друг относительно друга важнее их абсолютного положения в среде и роботы могут измерить относительное положения объектов более точно, чем абсолютное. • Столкновения, аварии или другие изменения в среде, которыми нельзя пренебречь, не повлияют на карту. • Поле потенциалов на субъективных картах определяется в терминах подзадач, таких как ведение мяча или удар в створ ворот, и это поле меняется динамически, так что робот может решать, что делать в конкретный момент

12. Генерация субъективных карт • В футболе роботов • Есть игроки той же команды и противники, мяч, некоторые ориентиры на поле • Робот может различать «своих» и «чужих», но идентифицировать других роботов не может. • Каждый робот делает следующее • Локализует себя • Оценивает положение мяча, товарищей по команде и противников в глобальной система координат, если видит кого-то из них • Рассылает результаты локализации и оценки «своим» • Получает от них аналогичные сообщения

13. Генерация субъективных карт • Конструирует субъективную карту • Если оба, робот и другой игрок его команды , видят мяч, робот сдвигает координаты, переданные ему этим игроком, основываясь на положении мяча, и добавляет данные на субъективную карту • В другом случае, робот просто добавляет по чужим данным на свою карту все объекты, которые не видит • Вычисляет поле потенциалов и определяет свои дальнейшие действия

14. Пример 1 • Есть два робота. Они установили свои координаты, оба видят мяч, но друг друга не видят • Если не учитывать ошибки локализации, может появится противоречие • Можно брать среднее от данных обоих роботов

15. Пример 1 (а) без учета ошибок локализации (b) усредненная карта

16. Усреднение • Если использовать взвешенное среднее от положения мяча, то можно получить одинаковую картинку для обоих роботов • Но усредненное положение может не совпадать с действительным положением

17. Усреднение: минусы • Данные для конкретного робота из-за усреднения могут ухудшиться, так как в этом случае используется разделяемая информация • Во многих случаях нам не нужны глобальные координаты роботов – нужно только их относительное положение • Ситуация может ухудшится, если роботы видят друг друга. Придется предположить, что несколько роботов могут видеть друг друга одновременно, чтобы использовать какие-то геометрические ограничения. А для движущихся роботов с камерами с ограниченным числом углов обзора это предположение не выполнится.

18. Что делать? • Будем предполагать, что каждый робот считает свои измерения верными, строит субъективную карту и определяет по ней свои действия • Например, робот А по своим измерениям положения мяча вычисляет координаты робота В через положение робота В относительно мяча

19. Субъективные карты (с) субъективная карта робота А (d) субъективная карта робота B

20. Субъективные карты • При использовании субъективных карт, хоть ошибок локализации избежать и не удается, ошибки одного робота не влияют на вычисления другого • Значит, метод субъективных карт подходит для задач, когда абсолютное положение объектов не важно, а ошибки локализации могут быть значительными

21. Поле потенциалов: что дано • Поле потенциалов каждый робот конструирует сам по своей субъективной карте и использует его для принятия решений • Робот может совершать 4 действия: двигаться вперед, поворачиваться направо/налево и бить по мячу • Робот выбирает такое действие, которое ориентировано на пик потенциала на поле или на мяч, если он находится на пике • Голова робота поворачивается, чтобы следить за мячом или искать его, если мяч вне поля зрения. Если мяч рядом с роботом, он бьет по мячу в направлении ворот

22. Поле потенциалов: определение • Поле потенциалов V (x; y) робота i состоит из трех потенциалов: • VT - функция от позиции игрока своей команды j, ixTj • VO - функция от положения соперника k, ixOk • VB – функция от положения мяча ixball • Все положения – из субъективной карты • Робот использует результаты своих наблюдений для ixOk и ixball , если видит их.В противном случае, использует данные других игроков своей команды, чтобы нанести на свою карту те объекты, которых он не видит

23. Поле потенциалов: как строить • Потенциалы высчитываются следующим образом • где ixjиijобозначают позицию и отклонение от объекта j, измеренные роботом i.

24. Поле потенциалов: как строить • Потенциал мяча определяется таким образом, чтобы робот, ближайший к мячу, мог захватить его, а другие роботы заняли позиции, в которых они могут поддержать атаку • Функция потенциала робота i выглядит следующим образом:

25. Пример 2: расстановка

26. Пример 2: поле потенциалов робота А (b) VOробота А (a) VTробота А (с) VBробота А (d) поле потенциалов робота А

27. Пример 2: поле потенциалов робота В (b) VOробота B (a) VTробота B (с) VBробота B (d) поле потенциалов робота B

28. Эксперимент: условия • Рассматриваем поле и роботов для RoboCup Sony four-legged robot league 2002 • На поле есть 6 меток, двое ворот и один мяч • Задача – забить мяч в ворота противника

29. Эксперимент: условия • Из-за неидеальных условий освещения и низкого разрешения камеры, роботы не могут стабильно распознавать друг друга в своей системе «видения» • Программа локализации (self-localization) основана на CarnegieMelon University's CM-Pack'01 [8]. • Чтобы проверить работу метода, на спине каждого робота размещен цветной маркер, и с помощью камеры, расположенной над полем, измеряются положения роботов и мяча

30. Эксперимент: условия • Используются два робота – А и В, и сравниваются решения робота А при использовании следующих методов: • [I] роботы не разделяют информацию • [II] робот В отправляет информацию роботу А, и робот А использует разделяемую карту, построенную по усредненному положению мяча • [III] робот В отправляет информацию роботу А, и робот А использует свою субъективную карту

31. Эксперимент: критерий оценивания • В качестве критерия оценки эффективности метода берется отношение количества раз, когда решение робота А совпало с тем решением, которое робот А принял, получив данные о своем положении, положении робота В и мяча от внешней камеры (overhead camera (OC)), к числу принятых решений.

32. Эксперимент: условия • Каждое испытание завершалось после двух минут игры или после первого забитого гола • Начальные условия эксперимента: оба робота видят мяч. • Эксперименты проводились с тремя методами в двух вариантах: • робот В определил свое положение с ошибкой, не выходящей за пределы нормы • робот В определил свое положение с серьезной ошибкой • Под ошибкой, не выходящей за пределы нормы, понимается сдвиг на 0-80мм в зависимости от позиции и отклонение в пределах 20 мм

33. Эксперимент: условия • Под серьезной ошибкой подразумевается, что положение робота В инвертировалось относительно центра поля, и ориентация сдвинулась на 100 градусов. • Ошибка в относительном расстоянии до мяча в обоих случаях зависит от этого расстояния и максимум отклонения составляет 50 мм. • Для каждого начального состояния и каждого из шести условий было проведено 10 испытаний

34. Эксперимент: условия в картинках (а) первый вариант расположения роботов и мяча (b) второй вариант расположения роботов и мяча

35. Результаты

36. Результаты: подробнее • В первом случае, без разделения информации, роботы столкнулись. • С разделением информации при нормальной величине ошибки, они продемонстрировали более адекватное совместное поведение

37. Результаты: подробнее • Во втором случае, показатели при разделении карты и без него отличались не намного • При большой ошибке, результат для случаев усредненной и субъективной карт отличался заметно (а) усредненная карта (b) субъективная карта

38. Результаты: подробнее (а) движение роботов во втором случае при использовании усредненной карты (а) движение роботов во втором случае при использовании субъективной карты

39. Еще один случай • Рассмотрим еще один вариант начальных условий – робот В загораживает мяч для робота А • Чтобы установить положение мяча, робот А использует информацию, полученную от робота В. В этом случае субъективная и усредненная карты выглядят одинаково • Проблемы при такой расстановке – в случае использования метода без разделения данных

40. Результаты: третий случай (а) без разделения данных (b) субъективная карта

41. Результаты: третий случай (а) движение роботов в третьем случае при использовании субъективной карты

42. Итоги • Рассмотрели метод субъективных карт для команды роботов в динамически изменяющейся окружающей среде • Эксперимент показал, что этот метод достаточно эффективен • Например, в ситуации серьезной ошибки локализации, когда метод усредненной разделяемой карты теряет преимущество от использования общих данных, метод субъективных карт работает эффективно • Вообще, если поступающая информация – не лучшего качества, качественный метод позиционирования лучше количественного

43. Вопросы ?

44. Ссылки • [1] Manuela Veloso, William Uther, Masahiro Fujita, Minoru Asada, and Hiroaki Kitano. Playing soccer withlegged robots. In Proceedings of the 1998 IEEE/RSJ International Conference on Intelligent Robots andSystems, volume 1, pages 437{442, 1998. • [2] Ryo Kurazume and Shigeo Hirose. An experimental study of a cooperative positioning system. AutonomousRobots, 8(1):43{52, 2000. • [3] Yasushi Yagi, Shinichi Izuhara, and Masahiko Yachida. The integration of an environmental map observedby multiple mobile robots with omnidirectional image sensor copis. In Proceedings of the 1996 IEEE/RSJInternational Conference on Intelligent Robots and Systems, volume 2, pages 640{647, 1996.

45. Ссылки • [4] K. Kato, H. Ishiguro, and M. Barth. Identifying and localizing robots in a multi-robot system environment.In Proceedings of the 1999 IEEE/RSJ International Conference on Intelligent Robots and Systems, pages966-971, 1999. • [5] T. Nakamura, A. Ebina, M. Imai, T. Ogasawara, and H. Ishiguro. Real-time estimating spatial congurationbetween multiple robots by triangle and enumeration constraints. In Proceedings of the 2000 IEEE/RSJInternational Conference on Intelligent Robots and Systems, pages 2048{2054, 2000. • [6] Dieter Fox, Wolfram Burgard, Hannes Kruppa, and Sebastian Thrun. A probablistic approach to collaborativemulti-robot localization. Autonomous Robots, 3(8), 2000.

46. Ссылки • [7] Scott Lenser and Manuela Veloso. Sensor resetting localization for poorly modeled mobile robots. In Proceedingsof ICRA-2000, 2000. • [8] William Uther, Scott Lenser, James Bruce, Martin Hock, and Manuela Veloso. CM-Pack'01: Fast leggedrobot waking, robust localization, and team behaviors. In Andreas Birk, Silvia Coradeschi, and SatoshiTadokoro, editors, RoboCup 2001: Robot Soccer World Cup V, pages 693{696. Springer, Lecture Note inArticail Intelligence (2377), 2002.