Перспективы (точки роста) интеллектуальной мобильной робототехники и системы автономного распознавания базовых навигационных образов

Перспективы (точки роста) интеллектуальной мобильной робототехники и системы автономного распознавания базовых навигационных образов

Для актуальной задачи оперативного обнаружения, идентификации и распознавания опасных техноэкологических происшествий (ТЭХ) предложены принципы виртуального проектирования системы Управление_ТЭП, базирующиеся на создании и функционировании специализированной информационно-аналитической системы (И...

Full description

Saved in:
Bibliographic Details
Date:2008
Main Authors: Писаренко, В.Г., Панасюк, Ю.Я., Писаренко, Ю.В.
Format: Article
Language:Russian
Published: Інститут проблем штучного інтелекту МОН України та НАН України 2008
Subjects:
Управление и информационное обеспечение мехатронных и робототехнических систем
Online Access:http://dspace.nbuv.gov.ua/handle/123456789/7047
Tags: Add Tag
No Tags, Be the first to tag this record!
Journal Title:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Cite this:Перспективы (точки роста) интеллектуальной мобильной робототехники и системы автономного распознавания базовых навигационных образов / В.Г. Писаренко, Ю.Я. Панасюк, Ю.В. Писаренко // Штучний інтелект. — 2008. — № 3. — С. 472-481. — Бібліогр.: 5 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id irk-123456789-7047
record_format dspace
spelling irk-123456789-70472010-03-23T12:02:08Z Перспективы (точки роста) интеллектуальной мобильной робототехники и системы автономного распознавания базовых навигационных образов Писаренко, В.Г. Панасюк, Ю.Я. Писаренко, Ю.В. Управление и информационное обеспечение мехатронных и робототехнических систем Для актуальной задачи оперативного обнаружения, идентификации и распознавания опасных техноэкологических происшествий (ТЭХ) предложены принципы виртуального проектирования системы Управление_ТЭП, базирующиеся на создании и функционировании специализированной информационно-аналитической системы (ИАС_top), предназначенной для выполнения задач распознавания нечетких образов (основных групп опасных техноэкологических происшествий (ТЭП), трактуемых как соответствующие кластеры в многомерном пространстве атрибутов, связанных с множеством известных и/или ожидаемых ТЭП), оценки сценариев их дальнейшего развития (с помощью имитационного моделирования, – с использованием современной информационно-вычислительной техники), и оценки материального ущерба, отвечающего каждому сценарию развития. Для актуального завдання оперативного виявлення, iдентифiкацiї й розпiзнавання небезпечних техноекологiчних подiй (ТЕП) запропонованi принципи віртуального проектування системи Керування ТЕП, які базуються на створеннi й функцiонуваннi спецiалiзованої iнформацiйно- аналiтичної системи (IАС_top), призначеної для виконання завдань розпiзнавання нечiтких образiв (основних груп небезпечних техноекологічних подiй (ТЕП), трактованих як вiдповiднi кластери в багатомiрному просторi атрибутiв, пов’язаних з безлiччю вiдомих i/або очiкуваних ТЕП), оцiнки сценарiїв iх подальшого розвитку (за допомогою iмiтацiйного моделювання, – з використанням сучасної інформаційно-обчислювальної технiки), i оцiнки матерiального збитку, який вiдповiдає кожному сценарiю розвитку. For an actual problem of operative detection, identification and recognition of dangerous technological ecological accidents (TEA) principles of virtual designing of TEA-management system, basing on creation and functioning of the specialized information-analytical system intended for performance of problems of recognition of fuzzy images (the basic groups of the dangerous technological ecological accidents (TEA) treated as corresponding clusters in multivariate space of attributes, connected with set of known or expected TEA’s), estimations of scripts of their further development (with imitating modelling), and estimations of the material damage corresponding to each script of development are offered. 2008 Article Перспективы (точки роста) интеллектуальной мобильной робототехники и системы автономного распознавания базовых навигационных образов / В.Г. Писаренко, Ю.Я. Панасюк, Ю.В. Писаренко // Штучний інтелект. — 2008. — № 3. — С. 472-481. — Бібліогр.: 5 назв. — рос. 1561-5359 http://dspace.nbuv.gov.ua/handle/123456789/7047 004.896 ru Інститут проблем штучного інтелекту МОН України та НАН України
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
language Russian
topic Управление и информационное обеспечение мехатронных и робототехнических систем
Управление и информационное обеспечение мехатронных и робототехнических систем
spellingShingle Управление и информационное обеспечение мехатронных и робототехнических систем
Управление и информационное обеспечение мехатронных и робототехнических систем
Писаренко, В.Г.
Панасюк, Ю.Я.
Писаренко, Ю.В.
Перспективы (точки роста) интеллектуальной мобильной робототехники и системы автономного распознавания базовых навигационных образов
description Для актуальной задачи оперативного обнаружения, идентификации и распознавания опасных техноэкологических происшествий (ТЭХ) предложены принципы виртуального проектирования системы Управление_ТЭП, базирующиеся на создании и функционировании специализированной информационно-аналитической системы (ИАС_top), предназначенной для выполнения задач распознавания нечетких образов (основных групп опасных техноэкологических происшествий (ТЭП), трактуемых как соответствующие кластеры в многомерном пространстве атрибутов, связанных с множеством известных и/или ожидаемых ТЭП), оценки сценариев их дальнейшего развития (с помощью имитационного моделирования, – с использованием современной информационно-вычислительной техники), и оценки материального ущерба, отвечающего каждому сценарию развития.
format Article
author Писаренко, В.Г.
Панасюк, Ю.Я.
Писаренко, Ю.В.
author_facet Писаренко, В.Г.
Панасюк, Ю.Я.
Писаренко, Ю.В.
author_sort Писаренко, В.Г.
title Перспективы (точки роста) интеллектуальной мобильной робототехники и системы автономного распознавания базовых навигационных образов
title_short Перспективы (точки роста) интеллектуальной мобильной робототехники и системы автономного распознавания базовых навигационных образов
title_full Перспективы (точки роста) интеллектуальной мобильной робототехники и системы автономного распознавания базовых навигационных образов
title_fullStr Перспективы (точки роста) интеллектуальной мобильной робототехники и системы автономного распознавания базовых навигационных образов
title_full_unstemmed Перспективы (точки роста) интеллектуальной мобильной робототехники и системы автономного распознавания базовых навигационных образов
title_sort перспективы (точки роста) интеллектуальной мобильной робототехники и системы автономного распознавания базовых навигационных образов
publisher Інститут проблем штучного інтелекту МОН України та НАН України
publishDate 2008
topic_facet Управление и информационное обеспечение мехатронных и робототехнических систем
url http://dspace.nbuv.gov.ua/handle/123456789/7047
citation_txt Перспективы (точки роста) интеллектуальной мобильной робототехники и системы автономного распознавания базовых навигационных образов / В.Г. Писаренко, Ю.Я. Панасюк, Ю.В. Писаренко // Штучний інтелект. — 2008. — № 3. — С. 472-481. — Бібліогр.: 5 назв. — рос.
work_keys_str_mv AT pisarenkovg perspektivytočkirostaintellektualʹnojmobilʹnojrobototehnikiisistemyavtonomnogoraspoznavaniâbazovyhnavigacionnyhobrazov
AT panasûkûâ perspektivytočkirostaintellektualʹnojmobilʹnojrobototehnikiisistemyavtonomnogoraspoznavaniâbazovyhnavigacionnyhobrazov
AT pisarenkoûv perspektivytočkirostaintellektualʹnojmobilʹnojrobototehnikiisistemyavtonomnogoraspoznavaniâbazovyhnavigacionnyhobrazov
first_indexed 2025-07-02T09:50:40Z
last_indexed 2025-07-02T09:50:40Z
_version_ 1836528268307595264
fulltext «Искусственный интеллект» 3’2008 472 6П УДК 004.896 В.Г. Писаренко, Ю.Я. Панасюк, Ю.В. Писаренко Институт кибернетики им. В.М. Глушкова НАН Украины, г. Киев jvpisarenko@gmail.com Перспективы (точки роста) интеллектуальной мобильной робототехники и системы автономного распознавания базовых навигационных образов Для актуальной задачи оперативного обнаружения, идентификации и распознавания опасных техноэкологических происшествий (ТЭХ) предложены принципы виртуального проектирования системы Управление_ТЭП, базирующиеся на создании и функционировании специализированной информационно-аналитической системы (ИАС_top), предназначенной для выполнения задач распознавания нечетких образов (основных групп опасных техноэкологических происшествий (ТЭП), трактуемых как соответствующие кластеры в многомерном пространстве атрибутов, связанных с множеством известных и/или ожидаемых ТЭП), оценки сценариев их дальнейшего развития (с помощью имитационного моделирования, – с использованием современной информационно-вычислительной техники), и оценки материального ущерба, отвечающего каждому сценарию развития. Введение Сказанное можно иллюстрировать следующей граф-схемой – Структурно-функ- циональная схема – граф основных режимов функционирования интеллектуальной системы УПРАВЛЕНИЕ_ТЭП поддержки принятия управленческих решений по идентификации и нейтрализации опасного экологического происшествия (ЭП), показанной на рис. 1. Рисунок 1 иллюстрирует наличие основных трех режимов функционирования всей системы УПРАВЛЕНИЕ_ТЭП при проектировании: 1. Функционирование Главного Ситуационного Центра. 2. Формирование информационно-аналитической системы верхнего уровня (ИАС_top). 3. Функционирование информационно-аналитической системы верхнего уров- ня (ИАС_top, включая ИАС_tir). Функционирование технопарка интеллектуализированных роботов (ТИР), пред- назначенных для доразведки ЭП (под управлением ГСЦ с использованием средств ИАС _tir). В частности, первый режим функционирования системы УПРАВЛЕНИЕ _ТЭП обеспечивает передачу информации вдоль последовательности следующих вершин графа рис. 1: первичная информация об ЭП → блок 12 → блок 17 → блок 22 → блок 2 → блок 3 → блок 4 →•блок 5 → блок 11 → блок 14 → блок 11 → блок 6, где →• означает, что данный переход по стрелке реализуется, если ответ предыдущего блока (блок 4) принимает значение «опасно»; в противном случае (значение «безопасно») дальнейшие меры СЦ не предпринимает (из-за неактуальности). Перспективы (точки роста) интеллектуальной мобильной робототехники… «Штучний інтелект» 3’2008 473 6П Рисунок 1 – Структурно-функциональная схема – граф основных режимов функционирования интеллектуальной системы УПРАВЛЕНИЕ _ТЭП На рис. 1. использована аббревиатура: ДР – доразведка; УР – уточнение рисков; ВОМН – выбор оптимальных мер нейтрализации; РОМН – реализация оптимальных мер нейтрализации; остальные обозначения приведены в работах авторов [1], [2]. Таким образом, работа первого режима завершается пополнением как факто- графической информации, так и структурированной информации в БД, БЗ, ИХ СЦi, собранной в процессе предварительной идентификации текущего ЭП, его доразведки и нейтрализации до состояния «безопасно». Иные режимы функционирования системы Управление_ТЭП подробно опи- саны в [2]. Из общих принципов формирования открытых информационных моделей и распределенных баз данных для поставленных целей оправдано выбрать близкий к оптимальному принцип структурирования БД, БЗ, СУБД для всей системы. В данной Иные средства разведки помимо ИРР Формирование специализированно й информационно- аналитической системы ИАС_top 6 Распознавание нечетких образов Оценка сценариев дальнейшего развития ЭП Оценка материального ущерба Проведение имитационного моделирования 22 ДР 7 Информационное хранилище 16 БД 18 БЗ 19 СУБД 20 ИХ CЦj, j=1..N 21 Создание ТИР 13 Функционирование ТИР 14 ИАС_tir 11 УР 8 ВОМН 9 РОМН 10 Идентификация внезапно возникшего ЭП 2 Оценка существующих рисков Принятие решений об опасности ожидаемых последствий ЭП/ЧС Главный ситуационный центр (ГСЦ) 1 Принятие решений о доразведке, ней- трализации ЭП/ЧС и завершении всех мероприятий 5 Писаренко В.Г., Панасюк Ю.Я., Писаренко Ю.В. «Искусственный интеллект» 3’2008 474 6П работе предлагается по этим причинам в качестве логической основы для такого структурирования выбрать некоторое вспомогательное (характеристическое) 12-мер- ное пространство, которое детально описано в работе авторов [2]. Ниже детально рассмотрим базовые компоненты проектирования технопарка интеллектуализированных роботов (ТИР) и интеллектуальные роботы-разведчики (ИРР). Основные классы компонентов конкретного проектируемого мобильного ИРР и ТИР в целом Перечислим основные классы проектируемого ИРР: 1. Сенсоры. 2. Информационно-управляющие (сбор, обработка данных, сопоставление с ин- формацией из бортового ИХ, принятие решений в соответствии с поставленной зада- чей / программой миссии робота). 3. Исполнительные приводы самодвижения (изменения собственного состояния ИРР). 4. Исполнительные приводы воздействия на внешнюю среду (с целью придать ей новое состояние, предусмотренное программой работ ИРР). 5. Энергопитание. 6. Система загрузки ПО на борт ИРР. 7. Система связи с удаленным оператором. Элементы классификации техноэкологических происшествий, затрагивающих безопасность ценных инженерных сооружений Рассмотрим подмножество происшествий ТЭП, связанных по определению с возникновением высокого риска повреждения или уничтожения ценных инженерных сооружений. Это подмножество особенно важно при формировании и использовании упомянутого выше информационного хранилища (ИХ) данных поддержки функцио- нирования системы УПРАВЛЕНИЕ_ТЭП. Под ИНЖЕНЕРНЫМ СООРУЖЕНИЕМ (ИCi) и его ЗОНОЙ ВЛИЯНИЯ Zi ⊂ R4 (как части четырехмерного пространства-времени R4) будем понимать данное ИCi вместе с той частью ВНЕШНЕЙ СРЕДЫ (ВСi) в виде участков геоболочек Земли, которая содержит как источник природных ресурсов для ИCi, так и область непосредст- венного воздействия данного ИCi (включая зону загрязнения среды техногенными выбросами этого сооружения). Таким образом получаем [2]: Zi = ИCi U (ВCi). (1) Очевидно, размер пространственно-временной области Zi ⊂ R4 может из- меняться в значительных пределах в зависимости от стадии жизненного цикла ИCi, от гидро- и метеоусловий и от установленных уровней предельно допустимых концентраций (ПДК) каждого из химических компонентов вредных выбросов данного ИCi. В реальных условиях применения средств нейтрализации последствий возникшей и развивающейся техногенной катастрофы размер и форма области влияния Zi данного ИСi является предметом измерений средствами СТАЦИО- НАРНОГО МОНИТОРИНГА (СМ) и ОПЕРАТИВНОГО МОНИТОРИНГА (ОМ), а также методами численного моделирования. Перспективы (точки роста) интеллектуальной мобильной робототехники… «Штучний інтелект» 3’2008 475 6П Здесь под стационарным мониторингом будем понимать существующую в данной стране национальную сеть наземных станций периодического мониторинга метеорологических и гидрографических параметров атмосферы и гидросферы, мони- торинга уровня радиоактивности, станций периодического контроля состава воды в зонах водозабора, данные санитарно-эпидемиологического мониторинга и также данные контроля состояния лесных и сельскохозяйственных угодий с летательных аппаратов в обычном (штатном) режиме. Под оперативным мониторингом будем понимать дополнительные к стацио- нарному мониторингу технические средства, методы и результаты мониторинга метеорологических, гидрографических параметров и физико-химических параметров, осуществляемого с помощью мобильных средств регистрации (контактных и дистан- ционных) зоны воздействия (ЗВ) техногенной или природной катастрофы, включая данные оперативного дистанционного зондирования ЗВ в различных диапазонах длин волн с бортов специальных летательных аппаратов (пилотируемых или беспи- лотных) и с помощью спутниковой аппаратуры наблюдения земной поверхности. В связи с численным моделированием размера и формы зоны влияния разви- вающейся техногенной катастрофы целесообразно упомянуть полученную в нашей работе [2] лемму, в которой найдены достаточные условия, при которых существует при некотором t = t* минимум суммы материального ущерба Sу(t) от воздействия опасных экстремальных состояний (ЭС) вместе с затратами на нейтрализацию ЭС и с затратами Sи(t) на доразведку ЭС. Эта лемма может быть ключевой для принятия обоснованных решений об оптимальной стратегии доразведки, идентификации ЭС и принятия минимально достаточных адекватных мер нейтрализации ЭС. Названная лемма допускает обоб- щение на случаи техногенных и природных катастроф. Рассмотрим объединение М = Ui=1 N Zi зон влияния N крупных ИCi некоторого региона, представляющее собой многосязанное множество в R4. Все материальные объекты, содержащиеся в такой многосвязанной области М, будем называть ТЕХНОСФЕРОЙ (ТС) данного региона (рис. 2). Риcунок 2 – Техносфера региона Р1 как объединение зон влияния Zi инженерных сооружений ИСi: инженерные сооружения ИСi показаны малыми квадратами; их зоны влияния Zi показаны эллипсами Далее будет целесообразно классифицировать состояния компонентов техно- сферы (как атрибута ТС) с точки зрения возникновения ее экстремальных состояний. Прежде всего, выделим две группы состояний ТС: ШТАТНЫЕ СОСТОЯНИЯ (ТС_Ш) и ЭКСТРЕМАЛЬНЫЕ СОСТОЯНИЯ (ТС_Э). С точки зрения введенного Писаренко В.Г., Панасюк Ю.Я., Писаренко Ю.В. «Искусственный интеллект» 3’2008 476 6П выше понятия зоны влияния Zi искусственного сооружения ИCi состояние (событие) ТС_Ш следует понимать как одновременное выполнение условий нахождения каждого искусственного сооружения и каждой части внешней среды ВCj в штатном состоянии ТС_Ш )=( ∩i (ИCi _Ш)) ∩(∩j (ВCj _Ш)), (2) где (ИCi _Ш) – искусственное сооружение ИCi в штатном состоянии, (ВCj _Ш) – внешняя среда в штатном состоянии из зоны влияния сооружения ИCi. Будем выделять также два типа экстремальных состояний техносферы: ЭКСТРЕМАЛЬНЫЕ СОСТОЯНИЯ ТЕХНОСФЕРЫ ТИПОВЫЕ (ТС-ЭТ) и ЭКСТРЕМАЛЬНЫЕ СОСТОЯНИЯ ТЕХНОСФЕРЫ СЛОЖНЫЕ (ТС-ЭС). Так, cтруктуру состояния ТС-ЭТ определим следующим образом: ТС-ЭТ= {(∩j (ВCj _Ш)) ∩ (ИCi _НШ хотя бы для одного значeния і = 1,...,N)} U U ((ВCj _НШ) хотя бы для одного значения j = 1,…,N) ∩ (Ui (ИCi _Ш ))}, (3) где ИCi_НШ – нештатное состояние искусственного сооружения ИCi; ВCj_НШ – не- штатное состояние искусственного сооружения ИCj. При этом все прочие экстремальные состояния техносферы будем называть ЭКСТРЕМАЛЬНЫМИ СОСТОЯНИЯМИ ТЕХНОСФЕРЫ СЛОЖНЫМИ (ТС-ЭС). Так что ТС = =(ТС-ЭТ) U (ТС-ЭС). (4) Пример 1. Для двух инженерных сооружений в регионе (N = 2) состояние ТС_ЭТ имеет с учетом (3) вид: ТС_ЭТ=[(ИC1_НШ)∩(ИC2_Ш)∩(ВC1_НШ)∩(ВC2_Ш)] U [(ИC1_НШ)∩(ИC2_Ш)∩ (ВC1_Ш) ∩(ВC2_НШ)]U [(ИC1_HШ)∩(ИC2_Ш)∩(ВC1_НШ)]∩(ВC2_HШ)] U[(ИC1_Ш) ∩ (ИC2_HШ)∩(ВC1_НШ)∩(ВC2_Ш)] U [(ИC1_Ш)∩(ИC2_НШ)∩(ВC1_НШ)]∩(ВC2_HШ)] U [(ИC1 (5) _Ш)∩(ИC2_НШ)∩(ВC1_Ш)∩(ВC2_HШ)] U [(ИC1_Ш)∩(ИC2_НШ)∩(ВC1_НШ) ∩(ВC2_HШ)] U[(ИC1 _HШ)∩(ИC2_НШ)∩(ВC1_Ш)∩(ВC2_HШ)] U[(ИC1_HШ)∩ (ИC2_НШ)∩(ВC1_НШ)∩(ВC2_HШ)]. В целях более компактной записи выражений типа (5) введем в духе методов когнитивной графики следующие соответствия (с помощью символа ⇔ ): ИCi _Ш ⇔ i ; ИCi _НШ ⇔ i ; ВCj _Ш ⇔ j ; ВCj _HШ ⇔ j. (6) Тогда в обозначениях (6) можно для состава (5) множества: ЭКСТРЕМАЛЬНЫЕ СОСТОЯНИЯ ТЕХНОСФЕРЫ ТИПОВЫЕ записать следующее (более компактное и когнитивное) выражение: ТС_ЭТ= ( 1 2 1 2 ) U ( 1 2 1 2) U ( 1 2 1 2 )U ( 1 2 1 2) U ( 1 2 1 2) U ( 1 2 1 2 ) UU( 1 2 1 2 ).U ( 1 2 1 2 ) U ( 1 2 1 2 ) (7) На этом рассмотрение примера 1 предварительно закончено. Наряду с указанными двумя группами экстремальных состояний ТС-ЭТ и ТС-ЭС целесообразно для дальнейшего выделить как специальную подгруппу ТС-БП (БЕСПРЕЦЕДЕНТНЫЕ СОСТОЯНИЯ ТЕХНОСФЕРЫ) такие экстремальные сос- тояния техносферы, масштаб максимального ущерба от возникновения и развития которых не может быть оценен заранее из-за недостаточной изученности подобных состояний – вплоть до беспрецедентности подобных состояний (например, разру- шение с оплавлением промышленного атомного реактора типа РБМК считалось до апреля 1986 года не реализуемым). Группу ТС-БП целесообразно разбить на следую- щие три компонента: Перспективы (точки роста) интеллектуальной мобильной робототехники… «Штучний інтелект» 3’2008 477 6П − «особо крупная авария» некоторого инженерного сооружения ИCi (подгруппа ИС-А); − эксперимент с новыми инженерными сооружениями высокой плотности энергии (подгруппа ИС-Э); − опасное экологическое происшествие (ОЭП) из-за взаимодействия нештатной си- туации ИСi_НШ (на некотором ИСj) и внeштатной ситуации ВCj _НШ во внешней среде. Часть элементов множества ТС_БП принадлежит множеству ТС_ЭТ, другая часть принадлежит множеству ТС-ЭС в соответствии с рис. 3: Рисунок 3 – Отношения множеств ТС_БП , ТС_ЭТ и ТС-ЭС . Понятие «особо крупная авария» позже определим в терминах ожидаемого экономического и социального ущерба. Таким образом, получаем для структуры подгруппы ЭКСТРЕМАЛЬНЫЕ СОСТОЯНИЯ ТЕХНОСФЕРЫ СЛОЖНЫЕ (ТС-ЭБП) ⊂ ТС_Э следующее: (ТС-ЭБП)= (ИС-А) U (ИС-Э) U (ОЭП). (8) Для дальнейших целей обеспечения мониторинга (ТС_ЭС_М) экстремальных состояний техносферы и для управления (ТС_ЭС_У) экстремальными состояниями техносферы целесообразно создание, развитие и применение следующих трех типов технологий: − Технологий Стационарного Мониторинга (ТСМ); − Информационно-аналитических систем (ИАС); − Технопарк Интеллектуализированных Роботов (ТИР). Структура логических отношений мониторинга и управления экстремальными состояниями техносферы приведена в табл. 2.1 в работе [2]. Актуальность резервной системы ИРР распознавания базовых навигационных образов Для автономной навигации мобильного интеллектуализированного робота- разведчика (ИРР) необходимо помимо основной навигационной системы (типа GPS в воздушной среде или систем гидроакустического ориентирования необитаемого подводного аппарата (НПА) с использованием системы донных буйков-маячков, генерирующих акустические пеленг-сигналы), необходимо размещение на НПА ре- зервной системы распознавания и идентификации базовых навигационных образов. Так, для беспилотного БПЛА это резервная система распознавания ориентации ЛГ (нужно определить 3 координаты: центр линии горизонта, угол места центра ЛГ, угол крена аппарата по отношению к горизонту, ориентацию горизонта к БПЛА: «верх/низ»). Такая резервная система навигации нужна, очевидно, для тех нередких случаев, когда по разным причинам навигационная информация от основной (штат- ной) системы неработоспособна (например сигналы GPS, принимаемые БПЛА в воздушной среде, могут быть неполными из-за экранировки части навигационных Писаренко В.Г., Панасюк Ю.Я., Писаренко Ю.В. «Искусственный интеллект» 3’2008 478 6П спутников искусствеными сооружениями или другими объектами, а для НПА в водной среде часть сигналов от системы донных буйков-маячков может экраниро- ваться морским рельефом или элементами обследуемого подводного сооружения или затонувшего судна). В качестве примера экстремальных ситуаций, требующих использования резервных средств навигации на НПА, приведем случай операции спасения с помощью НПА двух операторов обитаемого ПА «Пайсис-3» в конце августа – сентября 2003 г. на глубине 420 м в 150 милях на юго-запад от ирландского г. Корк [3]. Доставленный срочно самолетом из США (г. Сан-Диего) НПА «Курв-3» должен был проводить спасение операторов при ветре на поверхности до 20 м/с и высоте волны 3,6 м. В те- чение часа в этих сложных условиях НПА «Курв-3» доставил специальный Т-образный рычаг, ввел его в открытый люк «Пайсис-3», после чего аппарат с операторами был поднят на поверхность. При этом о размещении и работе донных буйков-маячков не могло быть и речи из-за крайне сжатых сроков для спасения жизней экипажей затонувше- го обитаемого ПА (вся процедура спасения экипажа с момента аварии длилась 75 часов 50 минут при гарантированном запасе автономности и обеспечения жизни людей аппарата «Пайсис-3» всего лишь 72 часа). В качестве примера актуальности наличия резервной системы навигации для БПЛА приведем технические требования к созданию беспилотного истребителя 1-го поколения (согласно концепции российского проекта [4]) для успешного противо- действия новейшим истребителям 5-го поколения стран НАТО, таких как: F-22 Raptor, F-35, EF-2000 «Тайфун». В настоящее время корпорация Lockheed Martin, исполняю- щая (с большими задержками сроков) заказы Пентагона на разработку новейших истребителей 5-го поколения F-22 Raptor, F-35 Joint Strike Fighter, F-16, затратила более $1,5 трлн, что на $ 300 млрд превысило первоначальные планы. При этом от создаваемого БПЛА, концепция которого изложена кратко в ра- боте [4], требуется обеспечение безопасности полета независимо от метеоусловий, обеспечение достижения скорости полета до 1,6 Маха, максимального статического потолка 18 500 м, максимального времени разгона по скорости до 600 – 1100 км/ч за 13 сек, длины разбега по-самолетному 180 м, разработка бортовой системы искусст- венного интеллекта навигации для выполнения основных боевых задач и отладка перспективных технологий, не уступающих внедряемым на пилотируемых истреби- телях 5-го поколения [4]. При должном уровне искусственного интеллекта дистанционно управляемого БПЛА первого поколения по результатам математического моделирования ближнего воздушного боя с пилотируемым истребителем F-22 показал, что такой беспилотник способен обеспечить вероятность победы в бою 46 %, а вероятность выживания бес- пилотника 53 %, тогда как истребитель 5-го поколения F-22 в таком бою одерживает победу в 47 % случаев. Важно, что «при этом не учитывается возможность поражения противника на F-22 таранным ударом и психологический аспект смертельного поединка человека с роботом» [4]. Безусловно при этом на БПЛА необходимо максимально дублировать основные компоненты системы управления. Стоимость такого истребителя БПЛА 1-го поколения оценивается при серийном изготовлении около $ 10 млн, что по крайней мере на порядок ниже, чем стоимость серийного пилотируемого истребителя 5-го поколения [4]. По заказу США фирма Northrop Grumman разрабатывает беспилотный истребитель-невидимку X47, который уже в 2011 г. должен приземляться в автоматическом режиме на палубу авианосца [5], что потребует создания для этого БПЛА высокого уровня искусственного интеллекта, способного, в частности, уверенно распознавать навигационные знаки на авианосце. Перспективы (точки роста) интеллектуальной мобильной робототехники… «Штучний інтелект» 3’2008 479 6П Алгоритм обработки входных видеоданных для распознавания линии горизонта БПЛА В качестве примера рассмотрим несложный алгоритм [4] обработки входных видеоданных для распознавания линии горизонта (ЛГ) искусственным интеллектом БПЛА. Пример. Пусть задана MxN – матрица пикселей яркости {Вij } некоторого фик- сированного кадра, выбранного из выходного файла бортовой цифровой видеокамеры, размещенной на БПЛА и зафиксировавшей зону горизонта с борта БПЛА на некоторый момент времени t (Примеры кадра – рис. 4 – 8). Рисунок 4 – Схема алгоритма обработки входных видеоданных для распознавания линии горизонта у БПЛА Предлагаем показанную на рис. 4 схему несложного алгоритма определения параметров линии горизонта, наблюдаемого в выбранный момент времени t с борта БПЛА с помощью видеокамеры Блок А выполняет расчет вектора горизонтального градиента g_gradi для каждой строки – i, i = 1, 2, …, N. Выходной файл из блока А подается на вход блока В, в котором анализируются все N векторов g_gradi и при этом определяются границы кластеров Кs и полное число таких кластеров в исходной матрице. При этом каждый кластер по определению состоит из тех и только тех пиксе- лов, которые имеют одинаковую яркость Вij = consts и при этом каждый пиксел данного кластера принадлежит либо границе этого кластера либо соприкасается с другим/другими пикселами этого же кластера по вертикали или по горизонтали. Выходной файл из блока В передается на вход блока С, в котором производится определение линии горизонта (ЛГ) с помощью группы решающих правил (опреде- ление положения в кадре центра линии горизонта, угла места центра ЛГ, угла крена БПЛА по отношению к горизонту, «верх/низ»-ориентация горизонта к БПЛА. Используемые в блоке С решающие правлила имеют следующий вид: Правило_1. Если число кластеров к = 2 (освещение – день), граница кластеров – прямая линия, то эта прямая совпадает с ЛГ. Причем верх там, где яркость пикселов кластера наибольшая из 2 возможных. Правило_2. Если число кластеров к>2, то заключаем, что линия горизонта пер- пендикулярна тому семейству Sk * отрезков параллельных прямых (составленных из частей границ кластеров), которое наиболее мощно (больше количество точек) из всех имеющихся семейств {Sk} (максимальное количество семейств, очевидно, равно NхМ). Расчет линии g_grad1 для строки-1 Расчет линии g_gradN для строки-N А Выявление границ кластeров В Определение линии горизонта (ЛГ) с помощью группы решающих правил С Писаренко В.Г., Панасюк Ю.Я., Писаренко Ю.В. «Искусственный интеллект» 3’2008 480 6П При этом положения линии горизонта (по углу места и ориентация «верх/низ») могут оставаться неопределенными и тогда будет необходима дополнительная информация для определения этих данных. 8888888888S8888888888888 888888888888888888888888 888888888888888888888888 888888888888888888888888 888888888888888888888888 888888888888888888888888 888888888888888888888888 888888888888888888888888 8 111111111111111111111111 111111111111111111111111 111111111111111111111111 111111111111111111111111 111111111111111111111111 111111111111111111111111 111111111111111111111111 111111111111111111111111 111111111111111111111111 111111111111111111111111 111111111111111111111111 111111111111111111111111 111111111111111111111111 21 24 888888888888888888888888 888888888888888888888811 888888888888888888881111 888888888888888888111111 888888888888888811111111 888888888888881111111111 888888888888111111111111 888888888811111111111111 888888881111111111111111 888888111111111111111111 888811111111111111111111 881111111111111111111111 12 111111111111111111111111 111111111111111111111111 111111111111111111111111 111111111111111111111111 111111111111111111111111 111111111111111111111111 111111111111111111111111 111111111111111111111111 111111111111111111111111 24 88888888888888888888888888 88888888888888888888888888 88888888888888888888888888 88888888888888888888888888 88888888888888888888888888 88888888888888888888888888 88888888888888888888888888 88846666668888888888888888 88844666666888846666668888 88844455555588844666666888 88844455555588844455555588 88844455555588844455555588 12 11144455555511144455555511 11144455555511144455555511 11144455555511144455555511 11114455555511114455555511 11111455555511111455555511 11111111111111111111111111 11111111111111111111111111 11111111111111111111111111 11111111111111111111111111 24 Рисунок 5 Рисунок 6 Рисунок 7 На вход алгоритма из рис. 3 подавались последовательно изображения матрицы яркости пикселов соответственно рис. 5, рис. 6, рис. 7. Результат распознавания при- веден ниже. Для рис. 5 выявлен результат: центр линии горизонта (ЛГ) на уровне 16/24 высоты кадра, крен равен нулю, «верх» (небо) над ЛГ. Два кластера по яркости (Оп- ределено по Правилу-1). Для рис. 6 выявлен результат: центр линии горизонта (ЛГ) на уровне 18/24 высоты кадра, крен вправо на угол = arctg 6/24, «верх» (небо) над ЛГ. Два кластера по яркости (Определено по Правилу-1). Для рис. 7 выявлен результат: центр линии горизонта (ЛГ) на уровне 9/24 высоты кадра, крен равен нулю, «верх» (небо) над ЛГ. Восемь кластеров по яркости (Опре- делено по Правилу-2, после чего учтено Правило-1). Выводы Предложены принципы виртуального проектирования системы Управление_ТЭП, базирующиеся на создании и функционировании специализированной информационно- аналитической системы (ИАС_top), предназначенной для выполнения задач распоз- навания нечетких образов (основных групп опасных техноэкологических происшествий (ТЭП), трактуемых как соответствующие кластеры в многомерном пространстве атрибутов, связанных с множеством известных и/или ожидаемых ТЭП), оценки сценариев их дальнейшего развития (с помощью имитационного моделирования, – с использова- нием современной информационно-вычислительной техники), и оценки материального ущерба, отвечающего каждому сценарию развития. Перспективы (точки роста) интеллектуальной мобильной робототехники… «Штучний інтелект» 3’2008 481 6П Приведены элементы классификации техноэкологических происшествий, за- трагивающих безопасность ценных инженерных сооружений, которые необходимы для системы Управление_ТЭП. Получен алгоритм обработки входных видеоданных для распознавания линии горизонта для БПЛА с элементами искусственного интеллекта. Литература 1. Писаренко Ю.В. Віртуальне проектування інтелектуалізованих роботів для розвідки і нейтралізації небезпечних екологічних подій: Автореф дисертації...канд.техн.наук. – Інститут кібернетики ім. В.М. Глушкова НАН України, Київ, 2006. – 20 с. 2. Писаренко В.Г., Писаренко Ю.В. Информационные технологии управления опасными техно- экологическими происшествиями. – М.: Изд-во «Зодиак», 2007. – 112 с. 3. Сахаров Б. Основы практического применения необитаемых подводных аппаратов // Морской сборник. – 2007. – № 5. – стр. 64-68. 4. Левицкий С.В. Массовый беспилотный самолет-истребитель – асимметричное средство завоевания господства в воздухе // Научно-технический сборник Военно-воздушной академии им. проф. Н.Е. Жу- ковского. – 2008. – Т. 9, №3. – С. 9-15. 5. Сандар А. Война роботов // Der Spiegel. – 2007. – C. 62-65. В.Г. Писаренко, Ю.Г. Кривонос, Ю.Я. Панасюк, Ю.В. Писаренко Перспективи (точки зростання) інтелектуальної мобільної робототехніки та системи автономного розпізнавання базових навігаційних образів Для актуального завдання оперативного виявлення, iдентифiкацiї й розпiзнавання небезпечних техноекологiчних подiй (ТЕП) запропонованi принципи віртуального проектування системи Керування ТЕП, які базуються на створеннi й функцiонуваннi спецiалiзованої iнформацiйно- аналiтичної системи (IАС_top), призначеної для виконання завдань розпiзнавання нечiтких образiв (основних груп небезпечних техноекологічних подiй (ТЕП), трактованих як вiдповiднi кластери в багатомiрному просторi атрибутiв, пов’язаних з безлiччю вiдомих i/або очiкуваних ТЕП), оцiнки сценарiїв iх подальшого розвитку (за допомогою iмiтацiйного моделювання, – з використанням сучасної інформаційно-обчислювальної технiки), i оцiнки матерiального збитку, який вiдповiдає кожному сценарiю розвитку. V. Pisarenko, Yu. Krivinos, Yu. Panasyuk, J. Pisarenko The Perspectives (growth points) of Intellectual Mobile Robotics and Recognition Autonomous System of the Basic Navigation Images For an actual problem of operative detection, identification and recognition of dangerous technological ecological accidents (TEA) principles of virtual designing of TEA-management system, basing on creation and functioning of the specialized information-analytical system intended for performance of problems of recognition of fuzzy images (the basic groups of the dangerous technological ecological accidents (TEA) treated as corresponding clusters in multivariate space of attributes, connected with set of known or expected TEA’s), estimations of scripts of their further development (with imitating modelling), and estimations of the material damage corresponding to each script of development are offered. Статья поступила в редакцию 01.07.2008.

Similar Items