Система управления в реальном времени
Архитектура референтной модели

Система управления в реальном времени ( RCS ) — это архитектура эталонной модели , подходящая для многих областей проблем управления вычислениями в реальном времени , требующих интенсивного программного обеспечения . Она определяет типы функций, необходимых в интеллектуальной системе управления в реальном времени , и то, как эти функции соотносятся друг с другом.

Пример применения RCS-3 для рабочей станции обработки , содержащей станок, буфер деталей и робота с системой технического зрения . RCS-3 создает многоуровневый граф узлов обработки, каждый из которых содержит модуль декомпозиции задачи (TD), моделирования мира (WM) и сенсорной обработки (SP). Эти модули тесно связаны друг с другом с помощью системы связи.

RCS не является проектом системы и не является спецификацией того, как реализовать определенные системы . RCS предписывает иерархическую модель управления , основанную на наборе обоснованных инженерных принципов для организации сложности системы . Все узлы управления на всех уровнях используют общую модель узла. [1]

Также RCS предоставляет комплексную методологию для проектирования, разработки, интеграции и тестирования систем управления. Архитекторы итеративно разделяют системные задачи и информацию на более мелкие, конечные подмножества, которые являются контролируемыми и эффективными. RCS фокусируется на интеллектуальном управлении , которое адаптируется к неопределенным и неструктурированным рабочим средам. Ключевыми проблемами являются восприятие, восприятие, знания, затраты, обучение, планирование и исполнение. [1]

Обзор

Архитектура эталонной модели — это каноническая форма, а не спецификация проектирования системы . Архитектура эталонной модели RCS объединяет планирование и управление движением в реальном времени с высокоуровневым планированием задач, решением проблем , моделированием мира, рекурсивной оценкой состояния, обработкой тактильных и визуальных изображений и анализом акустической сигнатуры. Фактически, эволюция концепции RCS была обусловлена ​​стремлением включить лучшие свойства и возможности большинства, если не всех, интеллектуальных систем управления, известных в настоящее время в литературе, от подчинения до SOAR, от классных досок до объектно-ориентированного программирования. [2]

RCS (система управления в реальном времени) разработана в архитектуру интеллектуального агента , предназначенную для обеспечения любого уровня интеллектуального поведения, вплоть до человеческого уровня производительности. RCS была вдохновлена ​​теоретической моделью мозжечка, части мозга, отвечающей за тонкую моторную координацию и управление сознательными движениями. Первоначально она была разработана для сенсорно-интерактивного целенаправленного управления лабораторными манипуляторами. За три десятилетия она превратилась в архитектуру управления в реальном времени для интеллектуальных станков, систем автоматизации производства и интеллектуальных автономных транспортных средств. [3]

RCS применяется во многих проблемных областях, включая примеры производства и примеры транспортных систем . Системы на основе архитектуры RCS были разработаны и реализованы в различной степени для широкого спектра приложений, которые включают загрузку и выгрузку деталей и инструментов в станках, управление рабочими станциями обработки, выполнение роботизированной зачистки и снятия фасок, а также управление телероботами космической станции, несколькими автономными подводными аппаратами, беспилотными наземными аппаратами, системами автоматизации добычи угля , системами обработки почты почтовой службы и системами автоматизации эксплуатации подводных лодок. [2]

История

RCS развивалась через множество версий в течение ряда лет, поскольку понимание сложности и изощренности интеллектуального поведения возросло. Первая реализация была разработана для сенсорно-интерактивной робототехники Барберой в середине 1970-х годов. [4]

РКС-1

Основы парадигмы управления RCS-1

В RCS-1 акцент делался на объединении команд с сенсорной обратной связью, чтобы вычислить правильный ответ на каждую комбинацию целей и состояний. Приложением было управление рукой робота с помощью структурированной системы светового зрения в задачах визуального преследования. RCS-1 находился под сильным влиянием биологических моделей , таких как модель Марра-Альбуса, [5] и арифметического компьютера мозжечка ( CMAC). [6] мозжечка . [2]

CMAC становится конечным автоматом , когда некоторые из его выходов напрямую подаются обратно на вход, поэтому RCS-1 был реализован как набор конечных автоматов, организованных в иерархию уровней управления. На каждом уровне команда ввода эффективно выбирает поведение, которое управляется обратной связью в стиле стимул-реакция . Таким образом, CMAC стал эталонным строительным блоком модели RCS-1, как показано на рисунке.

Иерархия этих строительных блоков использовалась для реализации иерархии поведения, подобной той, которую наблюдали Тинберген [7] и другие. RCS-1 во многих отношениях похожа на архитектуру подчинения Брукса [8] , за исключением того, что RCS выбирает поведение до факта через цели, выраженные в командах, а не после факта через подчинение. [2]

РКС-2

Парадигма управления RCS-2

Следующее поколение, RCS-2, было разработано Барберой, Фицджеральдом, Кентом и другими для управления производством в Научно-исследовательском центре автоматизированного производства NIST (AMRF) в начале 1980-х годов. [9] [10] [11] Основной строительный блок RCS-2 показан на рисунке.

Функция H осталась конечно-автоматным исполнителем таблицы состояний. Новой функцией RCS-2 стало включение функции G, состоящей из ряда алгоритмов обработки сенсорных данных, включая структурированный свет и алгоритмы анализа пятен. RCS-2 использовался для определения восьмиуровневой иерархии, состоящей из уровней управления Servo, Coordinate Transform, E-Move, Task, Workstation, Cell, Shop и Facility.

Фактически были построены только первые шесть уровней. Две рабочие станции AMRF полностью реализовали пять уровней RCS-2. Система управления для армейского полевого робота для обработки материалов (FMR) [12] также была реализована в RCS-2, как и проект полуавтономного наземного транспортного средства TMAP . [2]

РКС-3

Парадигма управления RCS-3

RCS-3 был разработан для проекта NBS/DARPA Multiple Autonomous Undersea Vehicle (MAUV) [13] и был адаптирован для стандартной эталонной модели архитектуры системы управления телероботом NASA/NBS (NASREM), разработанной для космической станции Flight Telerobotic Servicer [14]. Основной строительный блок RCS-3 показан на рисунке.

Главными новыми функциями, введенными в RCS-3, являются Модель Мира и интерфейс оператора. Включение Модели Мира обеспечивает основу для планирования задач и для сенсорной обработки на основе модели. Это привело к уточнению модулей декомпозиции задач (TD), так что каждый из них имеет назначающего работу, а также планировщика и исполнителя для каждой из подсистем, назначенных на работу. Это примерно соответствует трехуровневой иерархии управления Саридиса [15] . [2]

РКС-4

Парадигма управления RCS-4

RCS-4 разрабатывается с 1990-х годов Отделом робототехнических систем NIST. Основной строительный блок показан на рисунке). Принципиальной новой особенностью RCS-4 является явное представление системы оценочных суждений (VJ). Модули VJ предоставляют системе управления RCS-4 тип функций, предоставляемых биологическому мозгу лимбической системой . Модули VJ содержат процессы, которые вычисляют стоимость , выгоду и риск запланированных действий и которые придают ценность объектам , материалам, территории, ситуациям, событиям и результатам. Переменные состояния ценности определяют, какие цели важны и какие объекты или регионы следует уделять внимание, атаковать, защищать, помогать или иным образом воздействовать на них. Оценочные суждения или функции оценки являются неотъемлемой частью любой формы планирования или обучения. Применение оценочных суждений к интеллектуальным системам управления было рассмотрено Джорджем Пью. [16] Структура и функция модулей VJ более полно разработаны в Albus (1991). [2] [17]

RCS-4 также использует термин генерация поведения (BG) вместо термина RCS-3 задача 5 декомпозиция (TD). Цель этого изменения - подчеркнуть степень автономного принятия решений . RCS-4 разработан для высокоавтономных приложений в неструктурированных средах, где невозможна высокоскоростная связь , например, беспилотные летательные аппараты, работающие на поле боя , глубоко под водой или на далеких планетах . Эти приложения требуют автономных оценочных суждений и сложных возможностей восприятия в реальном времени . RCS-3 будет по-прежнему использоваться для менее требовательных приложений, таких как производство , строительство или телеробототехника для ближнего космоса или мелководных подводных операций, где среды более структурированы, а полоса пропускания связи с человеческим интерфейсом менее ограничена. В этих приложениях оценочные суждения часто неявно представлены в процессах планирования задач или во вводе данных человеком-оператором. [2]

Методология

На рисунке представлен пример методологии RCS для проектирования системы управления автономным вождением на дороге в повседневных условиях дорожного движения, состоящий из шести этапов. [18]

Шесть шагов методологии RCS для получения и представления знаний
  • Шаг 1 состоит из интенсивного анализа знаний предметной области из учебных пособий и экспертов по предметной области. Сценарии разрабатываются и анализируются для каждой задачи и подзадачи. Результатом этого шага является структурирование процедурных знаний в дерево декомпозиции задачи с все более и более простыми задачами на каждом эшелоне. На каждом эшелоне определяется словарь команд (глаголов действий с целевыми состояниями, параметрами и ограничениями) для вызова поведения задачи на каждом эшелоне. [18]
  • Шаг 2 определяет иерархическую структуру организационных подразделений, которые будут выполнять команды, определенные на шаге 1. Для каждого подразделения указаны его обязанности и ответственность в ответ на каждую команду. Это аналогично установлению структуры разбивки работ для проекта разработки или определению организационной схемы для деловой или военной операции. [18]
  • Шаг 3 определяет обработку, которая запускается в каждом блоке при получении входной команды. Для каждой входной команды определяется граф состояний (или таблица состояний или расширенный конечный автомат), который предоставляет план (или процедуру для составления плана) для выполнения заданной задачи. Входная команда выбирает (или вызывает генерацию) соответствующую таблицу состояний, выполнение которой генерирует серию выходных команд для блоков на следующем нижнем уровне. Библиотека таблиц состояний содержит набор процедурных правил, чувствительных к состоянию, которые идентифицируют все условия ветвления задачи и указывают соответствующие параметры перехода состояния и выходной команды. [18]

Результатом шага 3 является то, что каждая организационная единица имеет для каждой входной команды таблицу состояний упорядоченных правил производства, каждое из которых подходит для выполнения расширенным конечным автоматом (FSA). Последовательность выходных подкоманд, необходимых для выполнения входной команды, генерируется ситуациями (т. е. условиями ветвления), которые заставляют FSA переходить от одной выходной подкоманды к следующей. [18]

  • На шаге 4 каждая из ситуаций, определенных на шаге 3, анализируется для выявления их зависимостей от состояний мира и задач. Этот шаг определяет подробные отношения между сущностями, событиями и состояниями мира, которые приводят к тому, что конкретная ситуация становится истинной. [18]
  • На шаге 5 мы идентифицируем и называем все объекты и сущности вместе с их конкретными характеристиками и атрибутами, которые имеют отношение к обнаружению вышеуказанных состояний и ситуаций мира. [18]
  • На шаге 6 мы используем контекст конкретных действий задачи, чтобы установить расстояния и, следовательно, разрешения, на которых соответствующие объекты и сущности должны быть измерены и распознаны компонентом сенсорной обработки. Это устанавливает набор требований и/или спецификаций для сенсорной системы для поддержки каждой подзадачи. [18]

Программное обеспечение

Программное обеспечение для систем управления в реальном времени

На основе архитектуры эталонной модели RCS NIST разработал библиотеку программного обеспечения для систем управления в реальном времени . Это архив свободного кода C++, Java и Ada, скриптов, инструментов, make-файлов и документации, разработанной для помощи программистам программного обеспечения, которое будет использоваться в системах управления в реальном времени , особенно тех, которые используют архитектуру эталонной модели для проектирования интеллектуальных систем. [19]

Приложения

  • ISAM Framework — это приложение RCS для сферы производства.
  • Архитектура эталонной модели 4D-RCS представляет собой приложение RCS к области транспортных средств и
  • Стандартная эталонная модель NASA/NBS для архитектуры систем управления телероботами (NASREM) применяется в космической сфере.

Ссылки

  1. ^ ab Обзор областей исследований NIST ISD. Последнее обновление: 5/12/2003. Доступ 2 августа 2009.
  2. ^ abcdefgh Джеймс С. Альбус (1992). Архитектура эталонной модели для проектирования интеллектуальных систем Архивировано 16 сентября 2008 г. в Отделе интеллектуальных систем Wayback Machine , Лаборатория машиностроения, Национальный институт стандартов и технологий.
  3. ^ Джим Альбус, Тони Барбера, Крейг Шленофф (2004). «RCS: Архитектура интеллектуального агента» В: Труды конференции AAAI 2004 г.: Семинар по архитектурам интеллектуальных агентов: объединение сильных сторон программной инженерии и когнитивных систем, Сан-Хосе, Калифорния .
  4. ^ AJ Barbera, JS Albus, ML Fitzgerald (1979). «Иерархическое управление роботами с использованием микрокомпьютеров». В: Труды 9-го Международного симпозиума по промышленным роботам , Вашингтон, округ Колумбия, март 1979 г.
  5. ^ JS Albus (1971). «Теория мозжечковой функции». В: Mathematical Biosciences , Vol. 10, pgs. 25–61, 1971
  6. ^ JS Albus (1975). «Новый подход к управлению манипулятором: контроллер артикуляции мозжечковой модели (CMAC)». В: Transactions ASME , сентябрь 1975 г.
  7. ^ Нико Тинберген (1951). Изучение инстинкта . Кларендон, Оксфорд.
  8. ^ Родни Брукс (1986). «Надежная многоуровневая система управления для мобильного робота». В: IEEE Journal of Robotics and Automation . Vol. RA-2, [1], март 1986.
  9. ^ JA Simpson, RJ Hocken, JS Albus (1983). «Исследовательский центр автоматизированного производства Национального бюро стандартов». В: Journal of Manufacturing Systems , том 1, № 1, 1983.
  10. ^ JS Albus, C. McLean, AJ Barbera, ML Fitzgerald (1982). "Архитектура для сенсорно-интерактивного управления роботами в реальном времени в производственной среде". В: 4-й симпозиум IFAC/IFIP по проблемам управления информацией в производственных технологиях . Гейтерсберг, Мэриленд, октябрь 1982 г.
  11. ^ EW Kent, JS Albus (1984). «Модели сервомиров как интерфейсы между системами управления роботами и сенсорными данными». В: Robotica , том 2, № 1, январь 1984 г.
  12. ^ HG McCain, RD Kilmer, S. Szabo, A. Abrishamian (1986). «Иерархически управляемый автономный робот для тяжелых военных полевых приложений». В: Труды Международной конференции по интеллектуальным автономным системам . Амстердам, Нидерланды, 8–11 декабря 1986 г.
  13. ^ JS Albus (1988). Описание системы и архитектура проектирования для нескольких автономных подводных аппаратов . Национальный институт стандартов и технологий, Технический отчет 37 1251, Гейтерсберг, Мэриленд, сентябрь 1988 г.
  14. ^ JS Albus, HG McCain, R. Lumia (1989). NASA/NBS Стандартная эталонная модель для архитектуры системы управления телероботами (NASREM) . Национальный институт стандартов и технологий, Технический отчет 1235, Гейтерсберг, Мэриленд, апрель 1989 г.
  15. ^ Джордж Н. Саридис (1985). Основы теории интеллектуального управления . Семинар IEEE по интеллектуальному управлению, 1985
  16. ^ GE Pugh, GL Lucas, (1980). Применение теории принятия решений, основанной на ценностях, к управлению и координации современных тактических систем управления авиацией . Decision-Science Applications, Inc., Отчет № 218, апрель 1980 г.
  17. ^ JS Albus (1991). «Очерк теории интеллекта». В: IEEE Trans. on Systems, Man, and Cybernetics . Vol. 21, No. 3, May/June 1991.
  18. ^ abcdefgh Джеймс С. Альбус и Энтони Дж. Барбера (2005). RCS: Когнитивная архитектура для интеллектуальных многоагентных систем. Национальный институт стандартов и технологий, Гейтерсберг, Мэриленд 20899
  19. ^ Библиотека систем управления в реальном времени – Программное обеспечение и документация на nist.gov. Доступ 4 августа 2009 г.
На Викискладе есть медиафайлы по теме Архитектура эталонной модели RCS .
  • RCS Архитектура систем управления в реальном времени Домашняя страница NIST
Взято с "https://en.wikipedia.org/w/index.php?title=Система_управления_в_реальном_времени&oldid=1265271225#Методология"