Автономні інтелектуальні безлюдні системи: методи та моделі управління, що задовольняють критерій автономності
DOI:
https://doi.org/10.18664/ikszt.v28i4.296391Ключові слова:
штучний інтелект, автономна інтелектуальна безлюдна система, нечітка логічна система, управління планом реалізації дійАнотація
При створенні нових поколінь безлюдних систем (БС) основна увага приділяється проблемі підвищення їхнього рівня автономності. Застосування штучного інтелекту (ШІ) для завдань управління БС у невпорядкованому оточенні є одним із напрямів підвищення їхнього рівня автономності. Сьогодні є актуальним створення третього покоління ШІ для врахування особливостей завдань управління в автономних інтелектуальних БС (АІБС). Управління в АІБС є процесом підтримки реалізації плану дій у реальному часі, на кожному етапі плану приймається рішення з урахуванням поточного стану виконання плану, поточної ситуації та можливості виконати частину плану дій, що залишилася, для досягнення мети. У статті розглянуто методи програмного управління та методи управління на основі знань у вигляді правил. Наведено структуру багатошарової розподіленої нечіткої логічної системи (НЛС), що включає множину незалежних локальних НЛС з традиційними лінгвістичними змінними (ЛЗ) і факти з контекстної пам’яті. Розглянуто модифікований механізм нечіткого виведення, який завдяки введенню нечіткого фактора впевненості отримав можливість уніфіковано обробляти як ЛЗ, так і факти. Наведено приклад застосування НЛС в АІБС і результати комп’ютерних експериментів з колісним роботом.
Посилання
Joseph L., Mondal A. K. (eds). Autonomous Driving and Advanced Driver-Assistance Systems (ADAS). Applications, Development, Legal Issues, and Testing, 1st edn. CRC Press, Boca Raton, 2021. URL: https://doi.org/10.1201/9781003048381.
Lockheed M. The Future of Autonomy. Isn't Human-Less. It's Human More, 2022. Accessed 25 Sept 2022. URL: https://www.lockheedmartin.com/en-us/capabilities/autonomous-unmanned-systems.html.
The Future of Autonomy. Isn't Human-Less. It's Human More. Lockheed Martin, 2022. Accessed: August 25, 2022. URL: https://www.lockheedmartin.com/en-us/capabilities/autonomous-unmanned-systems.html.
Chen H. et al. From Automation System to Autonomous System: An Architecture Perspective. J. of Marine Sci. and Eng. 9(6), 2021. URL: https://doi.org/10.3390/jmse9060645.
Rail Technical Strategy Capability Delivery Plan, 2017. URL: https://www.rssb.co.uk/rts/Documents/2017-01-27-rail-technical-strategy-capability-delivery-plan-brochure.pdf.
Zhang T. et al. Current trends in the development of intelligent unmanned autonomous systems. Frontiers Inf. Technol. Electron. Eng. Vol. 18, Feb. 2017. P. 68–85. doi: 10.1631/FITEE.1601650.
Reis J., Cohen Y., Melao N., Costa J. and Jorge D. High-Tech Defense Industries: Developing Autonomous Intelligent Systems. Appl. Sci. Vol. 11, 4920, 2021. doi: 10.3390/app11114920.
Chen J., Sun J., Wang G. From Unmanned Systems to Autonomous Intelligent Systems. Engineering 12: 2022. P. 16-19. URL: https://doi.org/10.1016/j.eng.2021.10.007.
Czerwinski M., Hernandez J., Mcduff D. Building an AI that feels. Appl. Sci. Vol.11, 4920, Apr. 2021. doi: 10.3390/app11114920.
Kargin А., Petrenko T. Feeling Artificial Intelligence for AI-Enabled Autonomous Systems. Conference Proceedings of 2022 IEEE Global Conference on Artificial Intelligence and Internet of Things (GCAIoT) Alamein New City, Egypt. 18-21 December 2022. P. 88-93.
Huang M., Rust R. Artificial Intelligence in Service. J. of Service Res. 21(2), 2018. P. 155-172. URL: https://doi.org/10.1177/1094670517752459.
Bachute M. R. and Subhedar J. M. Autonomous Driving Architectures: Insights of Machine Learning and Deep Learning Algorithms. Mach. Learn. with Appl. Vol. 6, Sep. 2021. doi: 10.1016/j.mlwa.2021.100164.
Winfield A. et al. IEEE P7001: A Proposed Standard on Transparency. Front. Robot. AI. Vol. 8, Jul. 2021. doi: 10.3389/frobt.2021.665729.
Huang H. The Autonomy Levels for Unmanned Systems (ALFUS) Framework: Interim Results, Proceedings of the Performance Metrics for Intelligent Systems (PerMIS). Workshop 2006, Gaithersburg, MD, Accessed: January 29, 2023. URL: https://tsapps.nist.gov/publication/get_pdf.cfm?pub_id=823586.
Kargin A., Petrenko T. Knowledge Distillation for Autonomous Intelligent Unmanned System. In: Witold Pedrycz, Shyi-Ming Chen. Advancements in Knowledge Distillation: Towards New Horizons of Intelligent Systems. Studies in Computational Intelligence. Vol. 1100. Springer International Publishing, 2023. P. 193-231.
Каргін А. О., Жуков С. В., Сєргєєв Д. А., Сілін Є. Л. Модель базового рівня штучного оточення автономних інтелектуальних безлюдних систем на прикладі мобільного роботу що обслуговує. Системи управління, навігації та зв'язку. 2023. Вип. 2(72). С. 107-113.
Michels K., Klawonn F., Kruse R., Nürnberger A. Fundamentals of Control Theory. In: Fuzzy Control. Studies in Fuzziness and Soft Computing. Vol. 200. Springer, Heidelberg, 2006. P. 57-234. URL: https://doi.org/10.1007/3-540-31766-x_2.
Garcia G., Luengo J., Herrera F. Data preprocessing in data mining. Intelligent Systems Reference Library. Springer Cham, 2015. URL: https://doi.org/10.1007/978-3-319-10247-4.
Klein L. A. Sensor and data fusion: A tool for information assessment and decision making, 2nd ed. Bellingham, Washington, USA: SPIE Press, 2012.
West P. et al. Symbolic Knowledge Distillation: from General Language Models to Commonsense Models. 2022. URL: https://doi.org/10.48550/arXiv.2110.07178.
Каргин А. А. Введение в интеллектуальные машины. Кн. 1. Интеллектуальные регуляторы. Донецк: Норд-Пресс, ДонНУ, 2010. 526 с.
How To Choose a Rules Engine, Waylay Whitepaper, Accessed: Mar. 15, 2019. URL: https://static.waylay.io/white-papers/010_How-to-Choose-a-Rules-Engine.pdf? _s=7t06pcdhyc3621dgs39l.
Piegat A. Fuzzy modelling and control. Heidelberg: Physica-Verlag Heidelberg New York, 2001.
Jackson P. Introduction to Expert Systems, 3rd edn. Addison-Wesley, Boston, 1998.
Kargin A., Petrenko T. Spatio-Temporal Data Interpretation Based on Perceptional Model. In: Mashtalir V, Ruban I, Levashenko V (eds) Advances in Spatio-Temporal Segmentation of Visual Data. Studies in Computational Intelligence. Vol. 876. Springer, Cham. 2020. P. 101-159. URL: https://doi.org/10.1007/978-3-030-35480-0.
Negnevitsky M. Artificial Intelligence: A Guide to Intelligent Systems. 2nd ed. Addison-Wesley, 2005. 415 p.
Kargin A., Petrenko T. Method of Using Data from Intelligent Machine Short-Term Memory in Fuzzy Logic System. 2021 IEEE 7th World Forum on Internet of Things (WF-IoT). 2021. P. 842-847. URL: https://doi.org/10.1109/wf-iot51360.2021.9594918.
Каргин А. А., Іванюк О. І. Модель ситуаційного планування й керування переміщеннями автономного роботу. Сучасні інформаційні системи. 2020. Т. 4, № 3. С. 41-51. doi: 10.20998/2522-9052.2020.3.05. URL: http://ais.khpi.edu.ua/article/view/2522-9052.2020.3.05.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
