- Код статьи
- 10.31857/S0005231023120127-1
- DOI
- 10.31857/S0005231023120127
- Тип публикации
- Статья
- Статус публикации
- Опубликовано
- Авторы
- Том/ Выпуск
- Том / Номер выпуска 12
- Страницы
- 146-168
- Аннотация
- Показана актуальность создания интеллектуальных роботов различного назначения, способных эффективным образом решать сложные многоэтапные задачи целенаправленной деятельности в априори неописанных проблемных средах. Предложены оригинальные по содержанию элементы продукционной модели представления знаний безотносительно к конкретной предметной области. Построенная таким образом модель представления знаний позволяет интеллектуальным роботам автоматически планировать целенаправленную деятельность в условиях неопределенности, опираясь на обобщенное описание возможных закономерностей проблемной среды. Разработаны процедуры автоматического синтеза графа “видимости”, определяющего формальным образом воспринимаемый интеллектуальным роботом участок проблемной среды. Это, в свою очередь, позволяет роботу автоматически формировать локально-оптимальный маршрут целенаправленного перемещения в априори неописанных условиях функционирования. Синтезированы процедуры автоматического планирования интеллектуальным роботом целенаправленной деятельности, связанной с преобразованием текущей ситуации проблемной среды в заданную целевую ситуацию в условиях неопределенности.
- Ключевые слова
- интеллектуальный робот многоэтапное поведение проблемная среда элементы модели представления знаний Акты поведения граф “видимости” планирование целенаправленной деятельности
- Дата публикации
- 15.12.2023
- Год выхода
- 2023
- Всего подписок
- 0
- Всего просмотров
- 5
Библиография
- 1. Melekhin V.B., Khachumov M.V. Planning polyphasic behavior of autonomous intelligent mobile systems in uncertain environments // Inform. Control. Syst. 2021. V. 113. No. 4. P. 28-36.
- 2. Амосов Н.М. Алгоритмы разума. Киев: Наукова думка, 1979.
- 3. Kelly A. Mobile Robotics: Mathematics, Models, and Methods. Cambridge: Cambridge University Press, 2013.
- 4. Давыдов О.И., Платонов А.К. Роботы и искусственный интеллект. Технократический подход // Препринт ИПМ им. М.В. Келдыша. 2017. № 112. 24 с.
- 5. Гаазе-Рапопорт М.Г., Поспелов Д.А. От амебы к роботу. Модели поведения. 4 изд., стереотип. М.: URSS, 2019.
- 6. Kober J., Peters J. Learning Motor Skills: From Algorithms to Robot Experiments. Cham: Springer, 2014.
- 7. Абасов И.Б., Игнатьев В.В., Орехов В.В. Дизайн автономного мобильного робототехнического комплекса // Междунар. науч.-исслед. журн. 2019. № 1-1. С. 3340-3351.
- 8. Russell S., Norvig P. Artificial Intelligence: A Modern Approach. 4 ed. Pearson, 2020.
- 9. Вагин В.Н. Дедуктивный вывод на знаниях / Искусственный интеллект. В 3-х кн. Кн. 2. Методы и модели. Справочник: под ред. Д.А. Поспелова. М.: Радио и связь, 1990. С. 89-105.
- 10. Абросимов В.К. Нейронная пространственно-временная модель движения объектов управления // Нейрокомпьютеры. Разработка, применение. 2014. № 3. С. 26-35.
- 11. Бодин О.Н., Безбородова О.Е., Спиркин А.Н., Шерстнев В.В. Бионические системы управления робототехническими комплексами. Пенза: ПГУ, 2022.
- 12. Редько В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики. М.: Ленанд, 2019.
- 13. Каляев А.В., Чернухин Ю.В., Носков В.Н., Каляев И.А. Однородные управляющие структуры адаптивных роботов. М.: Наука, 1990.
- 14. Мелехин В.Б., Хачумов М.В. Планирование поведения автономных интеллектуальных систем в условиях неопределенности: под ред. проф. М.В. Хачумова. СПб.: Политехника, 2022.
- 15. Павловский В.Е., Павловский В.В. Технологии SLAM для подвижных роботов: состояние и перспективы // Мехатроника, автоматизация, управление. 2016. Т. 1. № 6. С. 384-394.
- 16. Labbe M., Michaud F. RTAB-Map as an open-source lidar and visual simultaneous localization and mapping library for large-scale and long-term online operation // Field Robotics. 2019. No. 35. P. 416-446.
- 17. Носков В.П., Рубцов И.В. Ключевые вопросы создания интеллектуальных мобильных роботов // Инженер. журн.: наука и инновации. 2013. Вып. 3. С. 1-11.
- 18. Заева К.А., Семенов А.Б. Метод маршрутизации с препятствиями на основе параллельных вычислений // Вестник ТвГУ. Прикладная математика. 2016. Вып. 3. С. 85-95.
- 19. Tomas L.P., Michael A.W. An algorithm for planning collision-free paths among polyhedral obstacles // Commun. ACM. 1979. Vol. 22. No. 10. P. 560-570.
- 20. Поспелов Д.А. Ситуационное управление: теория и практика. 2-е изд., стереотип. М.: URSS, 2022.
- 21. Мелехин В.Б., Хачумов М.В. Элементы понятийного мышления в планировании поведения автономных интеллектуальных агентов // Мехатроника, автоматизация, управление. 2021. Т. 22. № 8. С. 411-419.
- 22. Melekhin V.B., Khachumov M.V. Fuzzy semantic networks as an adaptive model of knowledge representation of autonomous intelligent systems // Sci. Tech. Inf. Process. 2021. Vol. 48. No. 5. P. 1-8.
- 23. Заде Л. Понятие лингвистической переменной и его применение для принятия приближенных решений: пер. с англ. М.: Мир, 1976.
- 24. Мелехин В.Б., Хачумов М.В. Процедуры самообучения автономных интеллектуальных мобильных систем в нестабильных априори неописанных проблемных средах // Мехатроника, автоматизация, управление. 2022. Т. 23. №7. С. 356-366.
- 25. Мелехин В.Б., Хачумов М.В. Принцип построения процедур планирования поведения автономных интеллектуальных роботов на основе полипеременных условно-зависимых предикатов // АиТ. 2022. № 4. С. 140-154.
