Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

Система управления в реальном времени ( RCS ) - это архитектура эталонной модели , подходящая для многих областей задач управления вычислениями в реальном времени, требующих интенсивного использования программного обеспечения . Он определяет типы функций, необходимых в интеллектуальной системе управления в реальном времени , и то, как эти функции соотносятся друг с другом.

Пример применения RCS-3 рабочей станции для обработки, содержащей станок, буфер детали и робота с системой технического зрения . RCS-3 создает многоуровневый граф узлов обработки, каждый из которых содержит модуль декомпозиции задач (TD), моделирования мира (WM) и сенсорной обработки (SP). Эти модули тесно связаны друг с другом системой связи.

RCS не является системным дизайном и не является спецификацией реализации конкретных систем . RCS предписывает иерархическую модель управления, основанную на наборе хорошо обоснованных инженерных принципов для организации сложности системы . Все узлы управления на всех уровнях используют общую модель узла. [1]

Также RCS предоставляет комплексную методологию для проектирования, разработки, интеграции и тестирования систем управления. Архитектура итеративно разделяет системные задачи и информацию на более тонкие, конечные подмножества, которые можно контролировать и эффективно. RCS фокусируется на интеллектуальном управлении, которое адаптируется к неопределенным и неструктурированным операционным средам. Ключевыми проблемами являются восприятие, восприятие, знания, затраты, обучение, планирование и исполнение. [1]

Обзор [ править ]

Архитектура эталонной модели - это каноническая форма, а не спецификация системного проектирования . Архитектура эталонной модели RCS сочетает в себе планирование и управление движением в реальном времени с высокоуровневым планированием задач , решением проблем , моделированием мира , рекурсивной оценкой состояния, тактильной и визуальной обработкой изображений и анализом акустических сигнатур. Фактически, эволюция концепции RCS была вызвана попыткой включить лучшие свойства и возможности большинства, если не всех, интеллектуальных систем управления, известных в настоящее время в литературе, от включения до SOAR, от классных досок до объектно-ориентированных. программирование. [2]

RCS (система управления в реальном времени) представляет собой архитектуру интеллектуального агента, предназначенную для обеспечения любого уровня интеллектуального поведения, вплоть до человеческого уровня производительности. RCS был вдохновлен теоретической моделью мозжечка, части мозга, ответственной за координацию мелкой моторики и контроль сознательных движений. Первоначально он был разработан для сенсорно-интерактивного целенаправленного управления лабораторными манипуляторами. За три десятилетия она превратилась в архитектуру управления в реальном времени для интеллектуальных станков, систем автоматизации производства и интеллектуальных автономных транспортных средств. [3]

RCS применяется ко многим проблемным областям, включая примеры производства и примеры систем автомобилей . Системы, основанные на архитектуре RCS, были спроектированы и реализованы в различной степени для самых разных приложений, включая загрузку и разгрузку деталей и инструментов в станках, управление рабочими станциями обработки, выполнение роботизированных операций по удалению заусенцев и фаски, а также управление телроботами космических станций автономные подводные транспортные средства, беспилотные наземные транспортные средства, системы автоматизации добычи угля, системы обработки почты почтовой службы и системы автоматизации эксплуатации подводных лодок. [2]

История [ править ]

RCS эволюционировала в различные версии за несколько лет по мере того, как возросло понимание сложности и изощренности интеллектуального поведения. Первая реализация была разработана Barbera для сенсорно-интерактивной робототехники в середине 1970-х годов. [4]

RCS-1 [ править ]

Основы парадигмы управления RCS-1.

В RCS-1 акцент был сделан на сочетании команд с сенсорной обратной связью, чтобы вычислить правильную реакцию на каждую комбинацию целей и состояний. Приложение предназначалось для управления манипулятором робота со структурированной системой светового зрения в задачах визуального преследования. RCS-1 находился под сильным влиянием биологических моделей, таких как модель Марра-Альбуса [5] и арифметический компьютер модели мозжечка (CMAC). [6] из мозжечка . [2]

CMAC становится конечным автоматом, когда некоторые из его выходов подаются непосредственно на вход, поэтому RCS-1 был реализован как набор конечных автоматов, организованных в иерархию уровней управления. На каждом уровне команда ввода эффективно выбирает поведение, управляемое обратной связью в режиме « стимул-ответ» . Таким образом, CMAC стал строительным блоком эталонной модели RCS-1, как показано на рисунке.

Иерархия этих строительных блоков использовалась для реализации иерархии поведения, например, наблюдаемой Тинбергеном [7] и другими. RCS-1 во многих отношениях похож на архитектуру подчинения Брукса [8], за исключением того, что RCS выбирает поведение до факта посредством целей, выраженных в командах, а не постфактум посредством подчинения. [2]

RCS-2 [ править ]

Парадигма управления RCS-2.

Следующее поколение, RCS-2, был разработан Барбера, Фицджеральд, Кент и другие для производственного контроля в NIST Automated Manufacturing Research Facility (AMRF) в начале 1980. [9] [10] [11] Базовый строительный блок RCS-2 показан на рисунке.

Функция H оставалась исполнителем таблицы состояний конечного автомата . Новой особенностью RCS-2 было включение функции G, состоящей из ряда алгоритмов сенсорной обработки, включая алгоритмы анализа структурированного света и капель. RCS-2 использовался для определения восьмиуровневой иерархии, состоящей из уровней управления сервоприводом, преобразованием координат, электронным перемещением, задачей, рабочей станцией, ячейкой, магазином и оборудованием.

Фактически были построены только первые шесть уровней. Две из рабочих станций AMRF полностью реализовали пять уровней RCS-2. Система управления для армейского полевого робота-погрузчика (FMR) [12] также была реализована в RCS-2, как и проект полуавтономного наземного транспортного средства TMAP . [2]

RCS-3 [ править ]

Парадигма управления RCS-3.

RCS-3 был разработан для проекта NBS / DARPA Multiple Autonomous Undersea Vehicle (MAUV) [13] и был адаптирован для архитектуры системы управления телероботами стандартной эталонной модели NASA / NBS (NASREM), разработанной для космической станции Flight Telerobotic Servicer [14] Базовый строительный блок RCS-3 показан на рисунке.

Основные новые функции, представленные в RCS-3, - это модель мира и интерфейс оператора. Включение модели мира обеспечивает основу для планирования задач и сенсорной обработки на основе моделей. Это привело к доработке модулей декомпозиции задач (TD), так что у каждого из них есть назначитель задания, а также планировщик и исполнитель для каждой из подсистем, которым назначено задание. Это примерно соответствует трехуровневой иерархии контроля Саридиса [15] . [2]

RCS-4 [ править ]

Парадигма управления RCS-4.

RCS-4 разрабатывается с 1990-х годов отделом роботизированных систем NIST. Базовый строительный блок показан на рисунке). Принципиальная новая функция в RCS-4 - это явное представление системы оценочных суждений (VJ). Модули VJ предоставляют системе управления RCS-4 функции, обеспечиваемые лимбической системой биологическому мозгу . Модули VJ содержат процессы, которые вычисляют стоимость , выгоду и риск запланированных действий и придают значение объектам., материалы, территория, ситуации, события и исходы. Переменные состояния-значения определяют, какие цели важны и какие объекты или регионы следует обслуживать, атаковать, защищать, оказывать помощь или иным образом действовать. Ценностные суждения или оценочные функции являются неотъемлемой частью любой формы планирования или обучения. Применение оценочных суждений к интеллектуальным системам управления было рассмотрено Джорджем Пью. [16] Структура и функции модулей VJ более полно разработаны в Albus (1991). [2] [17]

RCS-4 также использует термин «генерация поведения» (BG) вместо термина «декомпозиция задачи 5» (TD) RCS-3. Цель этого изменения - подчеркнуть степень автономности принятия решений . RCS-4 предназначена для решения весьма автономных приложений в неструктурированных средах , где высокая пропускная способность связь невозможна, например, беспилотные автомобили , работающих на поле боя , глубокие подводный , или на далеких планетах . Эти приложения требуют автономных оценочных суждений и сложных возможностей восприятия в реальном времени . RCS-3 по-прежнему будет использоваться для менее требовательных приложений, таких как производство , строительство или телеробототехника.для работы в космосе или на мелководье под водой, где окружающая среда более структурирована, а полоса пропускания связи с человеческим интерфейсом менее ограничена. В этих приложениях ценностные суждения часто неявно представлены в процессах планирования задач или в операциях, вводимых человеком. [2]

Методология [ править ]

На рисунке пример методологии RCS для разработки системы управления для автономного движения по дороге в повседневных дорожных условиях резюмирован в шесть этапов. [18]

Шесть шагов методологии RCS для получения и представления знаний.
  • Шаг 1 состоит из интенсивного анализа знаний предметной области из учебных пособий и профильных экспертов. Сценарии разрабатываются и анализируются для каждой задачи и подзадачи. Результатом этого шага является структурирование процедурных знаний в дереве декомпозиции задач с более простыми и простыми задачами на каждом уровне. В каждом эшелоне определяется словарь команд (глаголы действия с целевыми состояниями, параметрами и ограничениями), чтобы вызвать поведение задачи в каждом эшелоне. [18]
  • Шаг 2 определяет иерархическую структуру организационных единиц, которые будут выполнять команды, определенные на шаге 1. Для каждого подразделения указаны его обязанности и ответственность в ответ на каждую команду. Это аналогично установлению иерархической структуры работ для проекта развития или определению организационной схемы для бизнеса или военной операции. [18]
  • Шаг 3 определяет обработку, которая запускается в каждом модуле после получения входной команды. Для каждой входной команды определяется граф состояний (или таблица состояний, или расширенный конечный автомат), который обеспечивает план (или процедуру для составления плана) для выполнения заданной задачи. Команда ввода выбирает (или вызывает создание) подходящую таблицу состояний, выполнение которой генерирует серию команд вывода для единиц следующего нижнего эшелона. Библиотека таблиц состояний содержит набор процедурных правил, чувствительных к состоянию, которые идентифицируют все условия ветвления задач и задают соответствующие параметры перехода между состояниями и выходные команды. [18]

Результатом шага 3 является то, что каждая организационная единица имеет для каждой входной команды таблицу состояний упорядоченных производственных правил, каждое из которых подходит для выполнения расширенным конечным автоматом (FSA). Последовательность подкоманд вывода, необходимая для выполнения команды ввода, генерируется ситуациями (т. Е. Условиями ветвления), которые заставляют FSA переходить от одной подкоманды вывода к следующей. [18]

  • На шаге 4 каждая из ситуаций, определенных на шаге 3, анализируется, чтобы выявить их зависимости от состояний мира и задач. Этот шаг определяет подробные отношения между сущностями, событиями и состояниями мира, которые делают конкретную ситуацию истинной. [18]
  • На шаге 5 мы идентифицируем и называем все объекты и сущности вместе с их конкретными функциями и атрибутами, которые имеют отношение к обнаружению вышеуказанных состояний и ситуаций в мире. [18]
  • На шаге 6 мы используем контекст конкретных задач для определения расстояний и, следовательно, разрешений, при которых соответствующие объекты и сущности должны быть измерены и распознаны компонентом обработки сенсорной информации. Это устанавливает набор требований и / или спецификаций для сенсорной системы для поддержки каждой подзадачной деятельности. [18]

Программное обеспечение [ править ]

Программное обеспечение систем управления в реальном времени.

На основе архитектуры эталонной модели RCS NIST разработал программную библиотеку системы управления в реальном времени . Это архив бесплатного кода C ++, Java и Ada, скриптов, инструментов, make-файлов и документации, разработанный в помощь программистам программного обеспечения для использования в системах управления в реальном времени , особенно тех, которые используют архитектуру эталонной модели для проектирования интеллектуальных систем. [19]

Приложения [ править ]

  • ISAM Framework - это приложение RCS для производственной области.
  • 4D-RCS Эталонная модель архитектуры является применение RCS к домену автомобиля, и
  • Стандартная эталонная модель NASA / NBS для архитектуры систем управления телероботами (NASREM) - это приложение для космической области.

Ссылки [ править ]

  1. ^ a b Обзор областей исследований NIST ISD . Последнее обновление: 12.05.2003. Доступ 2 августа 2009 г.
  2. ^ a b c d e f g h Джеймс С. Альбус (1992). Архитектура эталонной модели для проектирования интеллектуальных систем. Архивировано 16 сентября 2008 г. в отделе интеллектуальных систем Wayback Machine Лаборатории производственной инженерии Национального института стандартов и технологий.
  3. ^ Джим Альбус, Тони Барбера, Крейг Шленофф (2004). « RCS: Архитектура интеллектуального агента » В: Proc. конференции AAAI 2004 года: Семинар по архитектуре интеллектуальных агентов: объединение сильных сторон разработки программного обеспечения и когнитивных систем, Сан-Хосе, Калифорния .
  4. ^ AJ Barbera, JS Albus, ML Fitzgerald (1979). «Иерархическое управление роботами с помощью микрокомпьютеров». В: Материалы 9-го Международного симпозиума по промышленным роботам , Вашингтон, округ Колумбия, март 1979 г.
  5. ^ JS Альбус (1971). «Теория функции мозжечка». В: Математические биологические науки , т. 10, стр. 25–61, 1971 г.
  6. ^ JS Albus (1975). «Новый подход к управлению манипулятором: контроллер артикуляции модели мозжечка (CMAC)». В: Транзакции ASME , сентябрь 1975 г.
  7. ↑ Нико Тинберген (1951). Изучение инстинкта . Кларендон, Оксфорд.
  8. ↑ Родни Брукс (1986). «Надежная многоуровневая система управления для мобильного робота». В: Журнал IEEE по робототехнике и автоматизации . Vol. РА-2, [1], март 1986 г.
  9. ^ JA Simpson, RJ Хокен, JS Albus (1983). «Научно-исследовательский центр автоматизированного производства Национального бюро стандартов». В: Journal of Manufacturing Systems , Vol. 1, № 1, 1983.
  10. ^ JS Альбус, С. Маклин, AJ Barbera, ML Fitzgerald (1982). «Архитектура сенсорно-интерактивного управления роботами в производственной среде в реальном времени». В: 4-й симпозиум IFAC / IFIP по проблемам управления информацией в производственных технологиях . Гейтерсбург, Мэриленд, октябрь 1982 г.
  11. Перейти ↑ EW Kent, JS Albus (1984). «Сервоприводные модели мира как интерфейсы между системами управления роботами и сенсорными данными». В: Robotica , Vol. 2, No 1, январь 1984 г.
  12. ^ HG Маккейну, RD Килмер, С. Сабо, А. Abrishamian (1986). «Иерархически управляемый автономный робот для полевых приложений с тяжелой нагрузкой». В: Материалы Международной конференции по интеллектуальным автономным системам . Амстердам, Нидерланды, 8–11 декабря 1986 г.
  13. ^ JS Albus (1988). Описание системы и проектная архитектура для нескольких автономных подводных аппаратов . Национальный институт стандартов и технологий, Технический отчет 37 1251, Гейтерсбург, Мэриленд, сентябрь 1988 г.
  14. ^ JS Альбус, HG Маккейн, Р. Lumia (1989). Стандартная эталонная модель NASA / NBS для архитектуры системы управления Telerobot (NASREM) . Национальный институт стандартов и технологий, Технический отчет 1235, Гейтерсбург, Мэриленд, апрель 1989 г.
  15. ^ Джордж Н. Саридис (1985). Основы теории интеллектуального управления . Семинар IEEE по интеллектуальному управлению, 1985 г.
  16. ^ GE Pugh, GL Лукас, (1980). Применение теории принятия решений, ориентированных на ценность, для управления и координации современных систем управления тактическим воздухом . Decision-Science Applications, Inc., Отчет № 218, апрель 1980 г.
  17. ^ JS Albus (1991). «Очерк теории интеллекта». В: IEEE Trans. по системам, человеку и кибернетике . Vol. 21, No. 3, май / июнь 1991 г.
  18. ^ a b c d e f g h Джеймс С. Альбус и Энтони Дж. Барбера (2005). RCS: когнитивная архитектура для интеллектуальных многоагентных систем . Национальный институт стандартов и технологий, Гейтерсбург, Мэриленд 20899
  19. ^ Библиотека систем управления в реальном времени –– Программное обеспечение и документация на nist.gov. Доступ 4 августа 2009 г.
  •  Эта статья включает материалы, являющиеся  общественным достоянием, с веб-сайта Национального института стандартов и технологий https://www.nist.gov .

Внешние ссылки [ править ]

  • RCS Архитектура систем управления в реальном времени Домашняя страница NIST