novtexmechМехатроника, автоматизация, управлениеMekhatronika, Avtomatizatsiya, Upravlenie1684-64272619-1253Commercial Publisher «New Technologies»10.17587/mau.23.596-606novtexmech-1270Research ArticleРОБОТЫ, МЕХАТРОНИКА И РОБОТОТЕХНИЧЕСКИЕ СИСТЕМЫROBOT, MECHATRONICS AND ROBOTIC SYSTEMSТехнологии искусственного интеллекта в задачах управления автономным необитаемым подводным аппаратомArtifi cial Intelligence Technologies in the Autonomous Underwater Vehicle Control SystemsМашошинА. И.MashoshinA. I.

д-р техн. наук, проф.

г. Санкт-Петербург

Dr. Tech. Sc., Chief of Research Center

St. Petersburg, 197046

aimashoshin@mail.ruАО "Концерн "ЦНИИ "Электроприбор"РоссияJSC "Concern" Central Research Institute "Elektropribor"Russian Federation2022031120222311596606Copyright © Commercial Publisher «New Technologies», 20222022Commercial Publisher «New Technologies»Commercial Publisher «New Technologies»https://mech.novtex.ru/jour/about/submissions#copyrightNoticehttps://mech.novtex.ru/jour/article/view/1270

Целью работы является изложение опыта разработки с использованием технологий искусственного интеллекта (ИИ) алгоритмов, реализуемых в системе управления АНПА. Изложен взгляд автора на содержаниие понятия ИИ применительно к созданию сложных технических систем. Выделены две наиболее перспективные, по мнению автора, технологии ИИ: 1) разработка базового алгоритма и его совершенствование на основе результатов всестороннего моделирования в различных условиях эксплуатации; 2) создание проблемно-ориентированной искусственной нейронной сети и ее глубокое обучение с использованием большого количества экспериментально полученного обучающего материала. Констатируется, что обе технологии достаточно трудоемки и требуют продолжительного времени для реализации. Но если в технологии моделирования ключевую роль играет полнота и адекватность моделирования условий, в которых предполагается функционирование создаваемой системы, то в технологии машинного обучения на передний план выходит наличие достаточного количества обучающего материала (в случае разработки систем технического зрения — изображений распознаваемых объектов, число которых может исчисляться многими тысячами). В работе приведена структура мультиагентной системы управления АНПА, сделан акцент на сложности решаемых ею задач и необходимости применения при ее создании технологий ИИ. Показано, что из всех задач, решаемых системой управления АНПА, методы ИИ наиболее востребованы для решения двух категорий задач: 1) распознавания сложившейся на данный момент ситуации и принятия в этой ситуации адекватного решения в интересах выполнения маршрутного задания; 2) поиск назначенного донного объекта среди множества других донных объектов естественного и искусственного происхождения. Применение технологий ИИ продемонстрировано на примере разработки с использованием специально созданного стенда моделирования алгоритма управления АНПА при обходе протяженного препятствия. Предложено задачу обнаружения и распознавания назначенного донного объекта решать с применением технологии глубокого обучения проблемно-ориентированной искусственной нейронной сети с той особенностью, что обучающий материал формируется программным путем в виде цифровых изображений искомого донного объекта на выходе гидроакустических, оптических и электромагнитных средств мониторинга дна в различных условиях их наблюдения.

The purpose of the paper is to present the experience of developing algorithms implemented in the AUV control system using artificial intelligence (AI) technologies. The author’s view on the content of the concept of AI in relation to the creation of complex technical systems is presented. Two of the most promising, according to the author, AI technologies are identified: 1) development of the basic algorithm and its improvement based on the results of comprehensive modeling in various operating conditions; 2) creation of a problem-oriented artificial neural network and its deep learning using a large amount of experimentally obtained training material. It is stated that both technologies are quite time-consuming and require a long time to implement. But if the completeness and adequacy of modeling of the conditions in which the system being created is supposed to function plays a key role in modeling technology, then in machine learning technology, the availability of a sufficient amount of training material comes to the fore (in the case of developing vision systems — images of recognizable objects, the number of which can number many thousands).The paper presents the structure of the multi-agent control system of AUV, focuses on the complexity of the tasks it solves and the need to use AI technologies in its creation. It is shown that of all the tasks solved by the AUV control system, AI methods are most in demand for solving two categories of tasks: 1) recognition of the current situation and making an adequate decision in this situation in the interests of completing the route task; 2) search for the designated bottom object among many other bottom objects of natural and artificial origin. The use of AI technologies is demonstrated by the example of the development using a specially created simulation stand of the AUV control algorithm when bypassing an extended. It is proposed to solve the problem of detecting and recognizing a designated bottom object using deep learning technology of a problem-oriented artificial neural network with the peculiarity that the training material is formed programmatically in the form of digital images of the desired bottom object at the output of hydroacoustic, optical and electromagnetic means of monitoring the bottom in various conditions of their observation.

автономный необитаемый подводный аппаратискусственный интеллектимитационное моделированиеискусственные нейронные сетиглубокое обучениеautonomous underwater vehicleartificial intelligencesimulationartificial neural networksdeep learningРабота выполнена при поддержке Российского научного фонда (проект 22-29-00320).The work was supported by the Russian Science Foundation (project 22-29-00320).ReferencesИнзарцев А. В., Киселев Л. В., Костенко В. В., Матвиенко Ю. В., Павин А. М., Щербатюк А. Ф. Подводные робототехнические комплексы: системы, технологии, применение. Владивосток: Дальнаука, 2018. 368 с.Inzartsev A. V., Kiselev L. V., Kostenko V. V., Matvienko Yu. V., Pa-vin A. M., Shcherbatyuk A. F. Underwater robotic complexes: systems, technologies, applications, Vladivostok, Dalnauka, 2018, 368 p. (in Russian).Инзарцев А. В. и др. Применение автономного необитаемого подводного аппарата для научных исследований в Арктике // Подводные исследования и робототехника. 2007. № 2(4). С. 5—14.Inzartsev A. V. et al. Application of an autonomous uninhabited underwater vehicle for scientific research in the Arctic, Underwater research and robotics, 2007, no. 2(4), pp. 5—14 (in Russian).Millar G., Mackay L. Maneuvering Under the Ice // Sea Technology. 2015. Vol. 56, N. 4. P. 35—38.Millar G., Mackay L., Maneuvering Under the Ice, Sea Technology, 2015, vol. 56, no. 4, pp. 35—38.Аполлонов Е. М., Бачурин А. А., Горохов А. И., Пономарев Л. О. О возможности и необходимости создания сверхбольшого необитаемого подводного аппарата // Сб. Матер. XIII Всеросс. науч.-практ. Конф. "Перспективные системы и задачи управления". Ростов-на-Дону — Таганрог: ЮФУ, 2018. С. 34—42.Apollonov E. M., Bachurin A. A., Gorokhov I., Ponomarev L. O. On the possibility and necessity of creating an ultralarge uninhabited underwater vehicle, Collection of materials of the XIII All-Russian Scientific and Practical Conference "Perspective systems and management tasks", Rostov-on-Don — Taganrog, SFU, 2018, pp. 34—42 (in Russian).Jane’s unmanned maritime vehicle. 2019-2020. Ed. Kelvin Wong. IHS Markit. Coulsdon, Surrey, UK, 2020.Wong K. ed. Jane’s unmanned maritime vehicle, 20192020, IHS Markit, Coulsdon, Surrey, UK, 2020.Илларионов Г. Ю., Сиденко К. С., Бочаров Л. Ю. Угроза из глубины: XXI век. Хабаровск: КГУП "Хабаровская краевая типография", 2011. 304 с.Illarionov G. Yu., Si denko K. S., Bocharov L. Yu. Threat from the depths: XXI century, Khabarovsk, KGUP "Khabarovsk Regional Printing House", 201 1, 304 p. (in Russian).Кузьмицкий М. А., Гизитдинова М. Р. Мобильные подводные роботы в решении задач ВМФ: Современные технологии и перспективы // Фундаментальная и прикладная гидрофизика. 2011. Т. 4, № 3. С. 37—48.Kuzmitsky M. A., Gizitdinova M. R. Mobile underwater robots in solving Navy tasks: Modern technologies and prospects, Fundamental and applied hydrophysics, 2011, vol. 4, no. 3, pp. 37—48 (in Russian).Cebrowski A. K., Garstka J. J. Network-centric warfare: its origins and future // U. S. Naval Institute Proceedings. 1998. N. 1.Cebrowski A. K., Garstka J. J. Network-centric warfare: its origins and future, U. S. Naval Institute Proceedings, 1998, no. 1.Баулин В., Кондратьев А. Реализация концепции "сетецентрическая война" в ВМС США // Зарубежное военное обозрение. 2009. № 6. С. 61—67.Baulin V., Kondratiev A. Implementation of the concept of "network-centric war" in the US Navy, Foreign Military Review, 2009, no. 6, pp. 61—67 (in Russian).Тьюринг А. Могут ли машины мыслить? М.: Госиздательство физ.-мат. литературы, 1960.Turing A. Can machines think? Moscow State publishing of physics.-mat. literature, 1960 (in Russian).Turing A. Computing Machinery and Intelligence // Mind.1950. V. LIX, N. 236. P. 433—460.Turing A. Computing Machinery and Intelligence, Mind, 1950, V. LIX, no. 236. pp. 433—460.What is Artificial Intelligence? URL: http://www-formal.stanford.edu/jmc/whatisai/whatisai.html.What is Artificial Intelligence?, available at: http://wwwformal.stanford.edu/jmc/whatisai/whatisai.html).Искусственный интеллект в СССР. URL: http://ainews.ru/2017/10/iskusstvennyj_intellekt_v_sssr.html.Artificial intelligence in the USSR, available at: http://ainews.ru/2017/10/iskusstvennyj_intellekt_v_sssr.html) (in Russian).Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение. М.: ДМК Пресс, 2017. 652 с.Goodfellow Ya., Benjio I., Courville A. Deep learning, Moscow, DMK Press, 2017, 652 p. (in Russian).Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. СПб.: Питер. 2018. 480 с.Nikolenko S., Kadurin A., Arkhangelskaya E. Deep learning, St. Petersburg, Peter, 2018, 480 p. (in Russian).Национальная стратегия развития искусственного интеллекта на период до 2030 года. Утверждена указом Президента РФ от 10 октября 2019 г. № 490.National strategy for the development of artificial intelligence for the period up to 2030. Approved by Decree of the President of the Russian Federation No. 490, 17 dated October 10, 2019 (in Russian).Концепции развития регулирования отношений в сфере технологий искусственного интеллекта и робототехники до 2024 года. Утверждена распоряжением Правительства РФ от 19 августа 2020 г. № 2129-р.The concept of development of regulation of relations in the field of artificial intelligence and robotics technologies until 2024. Approved by the Decree of the Government of the Russian Federation dated August 19, 2020, No. 2129-p. (in Russian).Artificial Intelligence Journey. URL: https://ai-journey.ruArtificial Intelligence Journey, available at: https:// aijourney.ruNewborn M. Deep Blue: An artificial intelligence milestone. Springer, 2003. 346 p.Newborn M. Deep Blue: An artificial intelligence milestone, Springer, 2003, 346 p.Gorodetsky V. I., Grushin M. S., Khabalov A. V. Multiagent system (review), News of artificial intelligence, 1998, no. 2, pp. 64—116 (in Russian).Gorodetsky V. I., Grushin M. S., Khabalov A. V. Multiagent system (review), News of artificial intelligence, 1998, no. 2, pp. 64—116 (in Russian).Ржевский Г. А., Скобелев П. О. Как управлять сложными системами? Мультиагентные технологии для создания интеллектуальных систем управления предприятиями. Самара: Офорт, 2015. 290 с.Rzhevsky G. A., Skobelev P. O. How to manage complex systems? Multi-agent technologies for the creation of intelligent enterprise management systems, Samara, Etching, 2015, 290 p. (in Russian).Innocenti B. A multi-agent architecture with distributed coordination for an autonomous robot. Ph.D. dissertation, Universitat de Girona, 2009.Innocenti B. A multi-agent distributed coordination with architecture for an Autonomous robot. Ph.D. dissertation, Universitat de Girona, 2009.Борейко А. А., Инзарцев А. В., Машошин А. И., Павин А. М., Пашкевич И. В. Система управления АНПА большой автономности на базе мультиагентного подхода // Подводные исследования и робототехника. 2019. № 2 (28). С. 23—31.Boreyko A. A., Inzartsev A. V., Mashoshin A. I., Pavin A. M., Pashkevich I. V. Control system of large-scale autonomous autonomous vehicle based on a multi-agent approach, Underwater research and robotics, 2019, no. 2 (28), pp. 23—31 (in Russian).Лаптев К. З., Илларионов Г. Ю. Что может помешать подводному мореходству автономного необитаемого подводного аппарата // Сб. Матер. XIII Всеросс. науч.-практ. Конф. "Перспективные системы и задачи управления". Ростов-наДону: Южный федеральный университет, 2017. С. 138—146.Laptev K. Z., Illarionov G. Yu. What can hinder the underwater navigation of an autonomous uninhabited underwater vehicle, Collection of materials of the XIII All-Russian Scientific and Practical Conference "Perspective systems and management tasks", Rostov-on-Don, Southern Federal University, 2017, pp. 138—146 (in Russian).Инзарцев А. В., Багницкий А. В. Алгоритмы обхода локальных донных объектов для автономного подводного робота // Шестая Всерос. науч.- техн. конф. "Технические проблемы освоения мирового океана" (ТПОМО-6). Владивосток, 2015. С. 450—454.Inzartsev A. V., Bagnitsky A. V. Algorithms for circumventing local bottom objects for an autonomous underwater robot, Sixth All-Russian Scientific.- tech. conf. "Technical problems of the development of the world ocean" (TPOMO-6), Vladivostok, 2015, pp. 450—454 (in Russian).Тусеева И. Б., Тусеева Д. Б., Ким Юн-Ги. Алгоритм динамического окна для навигации автономных подводных аппаратов // Искусственный интеллект и принятие решений. 2013. № 3. С. 67—77.Tuseeva I. B., Tuseeva D. B., Kim Yun-gi. Dynamic window algorithm for navigation of autonomous underwater vehicles, Artificial intelligence and decision-making, 2013, no. 3, pp. 67—77 (in Russian).Galarza C., Masmitja I., Prat J., Gomariz S. Design of obstacle detection and avoidance system for Guanay II AUV // Appl. Sci. 2020. Vol. 10. P. 32—37.Galarza C., Masmitja I., Prat J., Gomariz S. Design of obstacle detection and avoidance system for Guanay II AUV, Appl. Sci., 2020, vol. 10, pp. 32—37.Lin C., Wang, H., Yuan J., Yu D., Li C. An improved recurrent neural network for unmanned underwater vehicle online obstacle avoidance // IEEEJ.Ocean. Eng. 2019. Vol. 44. P. 120—133.Lin C., Wang H., Yuan J., Yu D., Li C. An improved recurrent neural network for unmanned underwater vehicle online obstacle avoidance, IEEEJ.Ocean. Eng., 2019, vol. 44, pp. 120—133.Быкова В. С., Машошин А. И., Пашкевич И. В. Алгоритм обеспечения безопасности плавания автономного необитаемого подводного аппарата // Гироскопия и навигация. 2021. Т. 29, № 1 (112). С. 97—110.Bykova V. S., Mashoshin A. I., Pashkevich I. V. Safe Navigation Algorithm for Autonomous Underwater Vehicles, Gyroscopy and Navigation, 2021, vol.12, no.1, pp. 86—95 (in Russian).Инзарцев А. В., Панин М. А., Бобков В. А., Морозов М. А. Модельное решение задачи инспекции объектов промышленного оборудования с помощью АНПА на базе методики видеораспознавания характерных точек // Подводные исследования и робототехника. 2021. № 3 (37). С.23—35.Inzartsev A. V., Panin M. A., Bobkov V. A., Morozov M. A. Model solution of the problem of inspection of industrial equipment facilities with the help of ANPA based on the method of video recognition of characteristic points, Underwater research and robotics, 2021, no. 3 (37), pp. 23—35 (in Russian).Быкова В. С., Машошин А. И., Смирнов А. С. Об одном подходе к распознаванию донных объектов с использованием средств мониторинга дна, установленных на автономном необитаемом подводном аппарате // Труды конференции "Автоматизация-2022" (в печати).Bykova V. S., Mashoshin A. I., Smirnov A. S. One approach to the recognition of bottom objects using monitoring systems installed on an autonomous underwater vehicle, Proc. RusAutoCon-2022 (in press).

The authors declare that there are no conflicts of interest present.