Планирование целенаправленной деятельности автономным роботом на основе противоречивых сведений в условиях недоопределенности

Обоснована целесообразность формирования и хранения в модели представления знаний автономного робота противоречивых сведений о закономерностях преобразования различных ситуаций проблемной среды (ПС), происодящих в результате отрабатываемых роботом действий. Такая необходимость обусловлена тем, что априори построить и задать автономному роботу подробное формальное описание модели ПС на практике не представляется возможным. Таким образом, робот фактически вынужден функционировать в априори недоопределенных ПС. Это, в свою очередь, приводит к тому, что в идентичных условиях согласно заданной модели ПС, но с учетом ее фактических особенностей, к требуемому результату для достижения заданной цели могут приводить различные отрабатываемые роботом действия. Следовательно, в реальных условиях функционирования автономный робот может столкнуться с возникновением противоречивых сведений, когда в идентичных условиях согласно заданной модели ПС сформированный план целенаправленной деятельности, который ранее был результативным, требует существенной корректировки для достижения заданной цели. Такая корректировка сформированного плана поведения, как правило, связана с изучением роботом закономерностей целенаправленного преобразования ситуаций фактической ПС и пополнением процедурных знаний. Таким образом, использование противоречивых данных, связанных с неполнотой априори заданных знаний, обеспечивает автономному роботу возможность расширить сведения о закономерностях априори недоопределенной ПС и на этой основе увеличить функциональные возможности.
Для решения поставленной задачи в статье предложена структура типовых элементов представления противоречивых знаний, включающих различные элементарные акты поведения, отработка которых позволяет автономному роботу получить заданный результат путем выполнения различных действий в аналогичных условиях функционирования с учетом их индивидуальных особенностей, не отраженных в модели описания текущей ситуации ПС. Разработаны когнитивные инструменты, обеспечивающие автономному роботу возможность организации эффективного сочетания процедур планирования целенаправленного поведения на основе заданной модели представления знаний и процедур самообучения в априори недоопределенных условиях нестабильной ПС. В целом рассмотренные когнитивные инструменты планирования целесообразной деятельности автономного робота позволяют ему расширить функциональные возможности и адаптироваться на этой основе к сложным априори недоопределенным условиям функционирования.

1. Назаретов В. М., Ким Д. П. Робототехника и гибкие автоматизированные производства. В 9 кн., кн. 6: Техническая имитация интеллекта / Под ред. И. М. Макарова. М.: Высшая школа, 1986. 144 с.

2. Газе-Рапопорт М. Г., Поспелов Д. А. От амебы к роботу. Модели поведения. 4 изд., стереотип. М.: URSS, 2019. 304 с.

3. Мелехин В. Б., Хачумов М. В. Управление целенаправленной деятельностью автономных летающих роботов в нестабильном окружении. СПб.: Политехника, 2023. 248 с.

4. Каляев А. В., Чернухин Ю. В., Носков В. Н., Каляев И. А. Однородные управляющие структуры адаптивных роботов. М.: Наука, 1990. 147 с.

5. Russell S., Norvig P. Artificial Intelligence: A Modern Approach, 4 ed., Pearson, 2020, 1216 p.

6. Kelli A. Mobile Robotics: Mathematics, Models, and Methods. Cambridge: Cambridge University Press, 2013. 808 p.

7. Вагин В. Н., Деревянко А. В., Кутепов В. П. Алгоритмы параллельного логического вывода и исследование их эффективности на компьютерных системах // Искусственный интеллект и принятие решений. 2017. № 1. С. 3—9.

8. Мелехин В. Б. Модель представления и получения новых знаний автономным интеллектуальным роботом на основе логики условно-зависимых предикатов // Известия РАН. Теория и системы управления. 2019. № 5. С. 87—107.

9. Курпатов А. В. Мышление. Системное исследование. М.: Капитал, 2022. 672 с.

10. Губайновский В. А. Искусственный интеллект и мозг человека. М.: Наука, 2019. 254 с.

11. Филимонов А. Б., Филимонов Н. Б. Ситуационный подход в автоматизации управления техническими объектами // Мехатроника, автоматизация, управление. 2018. Т. 19, № 9. С. 563—578.

12. Zaden L. A. The concept of a linguistic variable and its application to approximate reasoning, Part I // Information Sciences. 1975. Vol. 8. P. 199—249; Part II // Information Sciences. 1975. Vol. 8. P. 301—357; Part III // Information Sciences. 1975. Vol. 9. P. 43—80.

13. Мелехин В. Б., Хачумов М. В. Планирование поведения автономных интеллектуальных систем в условиях неопределенности. СПб.: Политехника, 2022. 276 с.

14. Melekhin V. B., Khachumov M. V. Fuzzy semantic networks as an adaptive model of knowledge representation of autonomous intelligent systems // Scientific and Technical Information Processing. 2021. Vol. 48, N. 5. P. 333—341.

15. Мелехин В. Б., Хачумов М. В. Планирование целенаправленной деятельности автономным интеллектуальным роботом с обновлением знаний в кратковременной памяти // Мехатроника, автоматизация управление. 2024. Т. 25, № 2. С. 79—92.