پس، روباتیک گروهی مطالعه نحوه طراحی گروه هایی از روبات ها است که بدون تکیه بر زیرساخت های خارجی یا هر نوع کنترل متمرکز عمل می کنند. در یک گروه روباتی، رفتار جمعی روبات ها از تعاملات محلی بین روبات ها و بین روبات ها و محیطی که در آن عمل می کنند، ناشی می شود. طراحی ازدحام های روباتی بر اساس اصول هوش گروهی انجام می شود. این اصول تحقق سیستم هایی را ترویج می کند که دارای تلرانس خطا، مقیاس پذیر و انعطاف پذیر هستند. به نظر می رسد روباتیک گروهی یک رویکرد امیدوار کننده است وقتی که فعالیت های مختلف باید همزمان انجام شود، و زمانی که افزونگی زیاد و عدم وجود یک نقطه منفرد خرابی مورد نیاز است، و زمانی که از نظر فنی غیر ممکن است که زیر ساخت های مورد نیاز برای کنترل روبات ها را در یک مسیر متمرکز ایجاد کنیم. نمونه هایی از وظایفی که می توان با استفاده از روباتیک گروهی به گونه ای سودآور به عهده گرفت، مین زدایی، جستجو و نجات، اکتشافات سیاره ای یا زیر آب و نظارت است.
منشأ
رباتیک گروهی ریشه در هوش گروهی دارد و در واقع می توان آن را "هوش گروهی تجسم یافته" تعریف کرد. در ابتدا، تمرکز اصلی تحقیقات روباتیک گروهی مطالعه و تأیید تحقیقات بیولوژیکی بود. همکاری اولیه بین روباتیک ها و زیست شناسان به تحقیقات روباتیک گروهی خود راه انداز کمک کرد، که از آن زمان به بعد به خودی خود به یک حوزه تحقیقاتی تبدیل شده است. در سال های اخیر، تمرکز روباتیک گروهی در حال تغییر است: از یک زمینه روباتیک با الهام از زیست شناسی، روباتیک گروهی به طور فزاینده ای به یک حوزه مهندسی تبدیل می شود که تمرکز آن بر توسعه ابزارها و روش هایی برای حل مشکلات واقعی است.
ویژگی های روباتیک گروهی
یک ازدحام روباتی یک سیستم چند روباته خود سازمان یاب است که با افزونگی زیاد مشخص می شود. قابلیت های سنجش و ارتباط روبات ها محلی است و روبات ها به اطلاعات جهانی دسترسی ندارند. رفتار جمعی ازدحام روبات ها از تعاملات هر روبات جداگانه با همتایان خود و با محیط به وجود می آید. به طور معمول، یک گروه یا ازدحام روباتی از روبات های همگن تشکیل شده است، اگر چه برخی از نمونه های ازدحام روبات های ناهمگن وجود دارد.خواص مطلوب سیستم های روباتیک گروهی
به نظر می رسد ویژگی های فوق الذکر روباتیک گروهی باعث ارتقاء سیستم هایی می شود که مقاوم در برابر خطا، مقیاس پذیر و انعطاف پذیر هستند.روباتیک گروهی باعث توسعه سیستم هایی می شود که قادرند به خوبی با شکست یک یا چند روبات تشکیل دهنده خود کنار بیایند: از دست دادن روبات های جداگانه به معنای شکست کل گروه نیست. تحمل خطا با افزونگی زیاد ازدحام، فعال می شود: این گروه متکی به هیچ نهاد کنترل متمرکز، رهبران یا هر روبات فردی ای نیست که نقشی از پیش تعیین شده ایفا می کند.
روباتیک گروهی همچنین امکان توسعه سیستم هایی را فراهم می کند که بتوانند با تغییرات در اندازه گروه خود به خوبی کنار بیایند: در حالت ایده آل، معرفی یا حذف افراد باعث تغییر شدید در عملکرد گروه نمی شود. مقیاس پذیری با شناسایی و ارتباطات موضعی فعال می شود: به شرطی که معرفی و حذف روبات ها به طور چشمگیری چگالی ازدحام را تغییر ندهد، تعداد همتایانی که هر روبات جداگانه، در محدوده شناسایی و ارتباطش، با آنها تعامل خواهد داشت تقریباً ثابت است.
سرانجام، روباتیک گروهی توسعه سیستم هایی را ترویج می دهد که قادر به مقابله با طیف وسیعی از محیط ها و شرایط عملیاتی هستند. انعطاف پذیری با طبیعت توزیع شده و خود سازماندهی شده یک دسته روبات امکان پذیر می شود: در ازدحام، روبات ها به طور پویا خود را به وظایف مختلفی اختصاص می دهند که با شرایط محیط و شرایط عملیاتی مطابقت داشته باشند. علاوه بر این، روبات ها بر اساس حس محلی و ارتباطات عمل می کنند و به زیرساخت های موجود یا به هیچ شکلی از اطلاعات جهانی تکیه نمی کنند.
کاربردهای بالقوه روباتیک گروهی
خواص سیستم های روباتیک گروهی، آنها را در چندین حوزه کاربردی بالقوه جذاب می کند.استفاده از روبات ها برای مقابله با کارهای خطرناک به وضوح جذاب است زیرا خطرات را برای انسان حذف کرده یا کاهش می دهد. ماهیت خطرناک این وظایف نشان دهنده خطر بالای از دست دادن روبات ها است. بنابراین، یک رویکرد مقاوم در برابر خطا مورد نیاز است و وظایف خطرناک را به یک حوزه کاربردی ایده آل برای ازدحام روباتی تبدیل می کند. نمونه ای از وظایف خطرناکی که می توان با استفاده از ازدحام های روباتی با آنها مقابله کرد، مین زدایی، جستجو و نجات و پاکسازی نشت مواد سمی است.
برنامه های بالقوه برای ازدحام روبات ها مواردی هستند که در آنها برآورد منابع مورد نیاز برای انجام کار، دشوار یا حتی غیرممکن است. به عنوان مثال، تخصیص منابع برای مدیریت نشت نفت می تواند بسیار دشوار باشد زیرا اغلب برآورد تولید نفت و پیش بینی تحول زمانی آن دشوار است. در این موارد، یک راه حل مورد نیاز است که مقیاس پذیر و انعطاف پذیر باشد. ازدحام روبات ها می تواند یک راه حل جذاب باشد: روبات ها را می توان به موقع اضافه یا حذف کرد تا منابع مناسب و نیازهای وظیفه ای خاص را برآورده کنند. مثال وظایفی که ممکن است به منابع پیشینی نامعلومی نیاز داشته باشند عبارتند از جستجو و نجات، ردیابی و پاکسازی.
یکی دیگر از حوزه های کاربردی بالقوه برای روباتیک ازدحام، وظایفی است که باید در محیط های بزرگ یا بدون ساختار انجام شود، که در آنها هیچ زیرساختی برای کنترل روبات ها - به عنوان مثال، هیچ شبکه ارتباطی موجود یا سیستم محلی سازی جهانی - وجود ندارد. ازدحام روبات ها می تواند برای چنین برنامه هایی استفاده شود زیرا آنها قادرند بدون نیاز به هیچ گونه زیر ساخت یا هر گونه هماهنگی خارجی به صورت مستقل عمل کنند. نمونه هایی از وظایف در محیط های بدون ساختار و بزرگ عبارتند از: اکتشافات زیر آب، اکتشافات سیاره ای فرازمینی، نظارت، مین روبی و جستجو و نجات.
برخی از محیط ها ممکن است با گذشت زمان به سرعت تغییر کنند. به عنوان مثال، در شرایط پس از زلزله، ساختمان ها ممکن است سقوط کنند - در نتیجه چیدمان محیط تغییر کرده و خطرات جدیدی ایجاد می شود. در این موارد، لازم است راه حل هایی پذیرفته شود که انعطاف پذیر بوده و بتوانند به سرعت به رویدادها واکنش نشان دهند. از روباتیک گروهی می توان برای توسعه سیستم های انعطاف پذیر استفاده کرد که می توانند به سرعت با شرایط جدید کار سازگار شوند. نمونه ای از وظایف در محیط هایی که با گذشت زمان تغییر می کنند عبارتند از گشت زنی، بازیابی بلایا و جستجو و نجات.
پیامدهای علمی رباتیک گروهی
روباتیک گروهی، علاوه بر ارتباط با برنامه های مهندسی، یک ابزار علمی ارزشمند است. در واقع، چندین مدل از سیستم های هوشمند ازدحام طبیعی با استفاده از ازدحام های روباتی، پالوده شده و اعتبار یافته اند. به عنوان مثال، Garnier و همکارانش مدل رفتار تصمیم گیرانه جمعی را در سوسک ها با استفاده از ازدحام روباتی اعتبار بخشی و تصدیق کردند.همچنین از روباتیک گروهی برای بررسی شرایطی که تحت آن برخی از رفتارهای اجتماعی پیچیده ممکن است ناشی از یک فرایند تکاملی باشد، استفاده می شود. به عنوان مثال، از ازدحام روبات ها برای مطالعه تکامل ارتباطات (و تصمیم گیری جمعی استفاده شده است.
تحقیق جاری
در این بخش، طبقه بندی ارائه شده توسط Brambilla و همکارانش را دنبال می کنیم.طرح
طراحی گروهی از روبات ها یک تلاش دشوار است: الزامات معمولاً در سطح جمعی بیان می شوند، اما طراح باید سخت افزار و رفتار را در سطح روبات های فردی تعریف کند. روبات های حاصله باید به گونه ای با یکدیگر تعامل داشته باشند که رفتار جهانی این گروه نیازهای مطلوب را برآورده کند. رویکردهای مربوط به مشکل طراحی در روباتیک گروهی را می توان به دو دسته تقسیم کرد: طراحی دستی و طراحی خودکار.در طراحی دستی، طراح یک فرایند آزمایش و خطا را دنبال می کند که در آن رفتارهای هر روبات توسعه داده می شود، آزمایش می شود و بهبود می یابد تا رفتار جمعی مورد نظر به دست آید. معماری نرم افزاری که بیشتر در روباتیک گروهی مورد استفاده قرار می گیرد، ماشین حالت محدود احتمالی (probabilistic finite state machine) است. از ماشین های حالت محدود احتمالی برای به دست آوردن چندین رفتار جمعی از جمله تجمع و تخصیص وظایف استفاده شده است. رویکرد رایج دیگر مبتنی بر فیزیک مجازی است. در این رویکرد، روبات ها و محیط از طریق نیروهای مجازی با هم تعامل دارند. این رویکرد به ویژه برای سازماندهی فضایی رفتارهای جمعی، مانند شکل گیری الگو و حرکت جمعی مناسب است. در حال حاضر، محدودیت اصلی طراحی دستی این است که کاملاً به نبوغ و تخصص طراح انسانی وابسته است: طراحی یک ازدحام روباتی بیشتر یک هنر است تا یک علم. یک روش سیستماتیک و کلی برای طراحی ازدحام روبات ها هنوز وجود ندارد، حتی اگر چه چند پیشنهاد اولیه ارائه شده است.
در روباتیک گروهی، طراحی خودکار بیشتر با استفاده از رویکرد روباتیک تکاملی انجام شده است. به طور معمول، روبات های فردی توسط یک شبکه عصبی کنترل می شوند که پارامترهای آن از طریق تکامل مصنوعی به دست می آید. از روباتیک تکاملی برای توسعه چندین رفتار جمعی از جمله حمل و نقل جمعی و توسعه شبکه های ارتباطی استفاده شده است. یکی از محدودیت های اصلی روباتیک تکاملی این است که تعریف و ارائه یک محیط تکاملی مؤثر اغلب دشوار و پرهزینه است.
تحلیل و بررسی
تجزیه و تحلیل ازدحام روبات ها معمولاً به مدل ها متکی است. یک مدل ازدحام روبات ها را می توان در دو سطح به دست آورد: سطح میکروسکوپی، که مدل سازی رفتارهای تک تک روبات ها است. یا سطح کلان، که مدل سازی رفتار جمعی ازدحام است.مدل سازی سطح میکروسکوپی شامل ایجاد نمایشی دقیق از هر روبات جداگانه در گروه است. متأسفانه، مدل سازی میکروسکوپی به دلیل تعداد زیادی روبات درگیر، مشکل ساز است. اغلب، مدل سازی میکروسکوپی متکی به شبیه سازی های مبتنی بر رایانه است.
مدل های ماکروسکوپی از پیچیدگی و مقیاس پذیری اجباری برای مدل سازی هر روبات جداگانه با در نظر گرفتن رفتار جمعی گروه جلوگیری می کنند. یکی از متداول ترین رویکردهای مدل سازی ماکروسکوپی استفاده از معادلات نرخ یا معادلات دیفرانسیل است. معادلات نرخ، تکامل زمانی نسبت روبات ها را در یک حالت خاص توصیف می کند، یعنی روبات هایی که در حال انجام یک عمل خاص یا در منطقه خاصی از محیط هستند. معادلات نرخ برای مدل سازی بسیاری از رفتارهای جمعی، از جمله خوشه بندی اشیاء و تغذیه انطباقی استفاده شده است. رویکرد متداول دیگر استفاده از زنجیره های مارکوف است که به محققان اجازه می دهد تا به طور رسمی ویژگی های یک دسته روبات را تأیید کنند. از نظریه کنترل همچنین برای تجزیه و تحلیل این که آیا یک دسته ربات در نهایت به یک حالت ماکروسکوپی مطلوب همگرا می شود یا نه، استفاده شده است.
یک روش ترکیبی برای مدل سازی ازدحام روبات ها بر اساس معادلات فوکر پلانک و لانگوین است. با استفاده از این معادلات، می توان هم رفتار هر یک از روبات ها را در قالب یک مؤلفه قطعی از مدل، و هم رفتار جمعی ازدحام، در قالب یک مؤلفه تصادفی از مدل را مدل سازی کرد.
رفتارهای جمعی
بخش عمده ای از تلاش های تحقیقاتی در زمینه روباتیک گروهی یا روباتیک ازدحام به منظور مطالعه رفتارهای جمعی انجام می شود. رفتارهای جمعی را می توان در پنج گروه اصلی دسته بندی کرد: رفتارهای سازماندهی فضایی، رفتارهای ناوبری، رفتارهای تصمیم گیری، رفتارهای متقابل انسان ها، و سایر رفتارها.رفتارهای سازماندهی فضایی بر چگونگی سازماندهی و توزیع روبات ها و اشیاء در فضا متمرکز است. نمونه هایی از چنین رفتارهایی عبارتند از: تجمع، شکل گیری الگو، تشکیل زنجیره، خود مونتاژی، و خوشه بندی / مونتاژ اجسام.
رفتارهای ناوبری بر چگونگی هماهنگی حرکت یک دسته روبات متمرکز است. نمونه هایی از چنین رفتارهایی عبارتند از: اکتشاف جمعی، حرکت جمعی، و حمل و نقل جمعی.
رفتارهای تصمیم گیری جمعی بر چگونگی تأثیر روبات ها بر یکدیگر در تصمیم گیری متمرکز است. به طور خاص، از تصمیم گیری جمعی می توان برای دستیابی به اجماع در مورد یک جایگزین واحد، یا تخصیص به جایگزین های مختلف استفاده کرد.
رفتارهای متقابل انسان - ازدحام متمرکز بر این است که چگونه یک اپراتور انسانی می تواند ازدحامی را کنترل کرده و اطلاعات بازخورد را از آن دریافت کند. به عنوان مثال، روبات ها می توانند حرکات یک اپراتور انسانی را به طور توزیع شده تشخیص دهند یا بر اساس ورودی های بصری و صوتی، گروه ایجاد کنند.
رفتارهای دیگری که در دسته بندی های ذکر شده قبلی قرار نمی گیرند عبارتند از تشخیص خطای جمعی و تنظیم اندازه گروه.
مسائل باز
روباتیک گروهی، علیرغم پتانسیل آن برای تقویت استحکام، مقیاس پذیری و انعطاف پذیری، هنوز برای حل مشکلات دنیای واقعی به کار گرفته نشده است. عوامل محدود کننده مختلف مانع از جذب سیستم های روباتیک گروهی در دنیای واقعی می شوند. تحقیقات بیشتری در مورد سخت افزارهای روباتیک برای غلبه بر کاستی های سخت افزاری که عملکرد سیستم های روباتیک فعلی را محدود می کنند، مورد نیاز است، در حالی که تحقیقات بیشتری در مورد کنترل رفتاری برای کشف روش های مؤثر برای تعامل یک اپراتور انسانی با یک گروه روبات مورد نیاز است. برای ارائه مطالعات موردی قانع کننده - به ویژه برای نشان دادن روباتیک گروهی در برنامه های کاربردی در فضای باز (به عنوان مثال، برای حذف زباله)، بلکه برای توسعه موارد تجاری و مدل های تجاری که نشان می دهد چگونه و در کجا روباتیک گروهی می تواند مؤثرتر از سایر روش ها باشد، به تلاش های بیشتری نیاز است. در نهایت، هنوز یک روش مهندسی برای سیستم های روباتیک گروهی وجود ندارد که شامل معیارهای استاندارد، آزمایش های ارزیابی عملکرد و تکنیک های تجزیه و تحلیل رسمی برای تأیید و تضمین خواص سیستم های روباتیک ازدحام باشد.منبع: scholarpedia