Intelligente kooperative Mehr-Agenten-Systeme

Forschungsprojekt P 13937Intelligente kooperative Mehr-Agenten-SystemePeter KOPACEK11.10.1999 Seit zirka 15 Jahren gibt es den Begriff Multi-Agenten-Systeme (Multi-Agent-Systems - MAS). Sie wurden als ein Teilgebiet der "Künstlichen Intelligenz" betrachtet und bisher überwiegend im "Software-Engineering" angewandt. Intelligente Agenten in diesem Sinne sind Softwarepakete geeignet zur eigenständigen Lösung von Teilaufgaben. Dazu müssen Sie intelligent, kommunikativ, kooperativ und autonom sein. Bedingt durch neuere Entwicklungen auf dem Gebiet der Fertigungsautomatisierung (IMS - "Intelligent Manufacturing Systems", agile Systeme) lag der Gedanke nahe, die gewonnen Erkenntnisse auch für diesen Zweek anzuwenden. Die Agenten sind in diesem Fall mobile Roboter (Hardwareagenten) welche in der Lage sind eine globale Aufgabe gemeinsarn zu lösen. In einigen industriellen Anwendungen arbeiten derzeit bereits mehrere mobile Roboter zusammen (kooperierende Roboter). Diese sind jedoch, zum Unterschied von MAS, nicht in der Lage ihre Aufgaben selbst zu definieren. Die Roboter (Agenten) arbeiten dabei in einer sich dynamisch ändernden Umgebung bestehend aus festen und beweglichen Hindernissen. Letztere können beeinflußbar (andere Agenten) und unbeeinflußbar (sonstige bewegliche Hindernisse) sein. Zur Beeinflussung anderer Agenten im Sinne einer optimalen Problemlösung ist eine ständige Interaktion -erforderlich. Interaktionen können softwaremaßig (z.B. Daten- bzw. Informationsaustausch) abhängend von der Komplexität des Systems erfolgen. Ziel des gegenständlichen Projektes ist, aufbauend auf den Ergebnissen eines Vorprojektes, die Entwicklung von Steuerungsalgorithmen für das intelligente und autonome Gruppenverhalten von Agenten (Robotern) - hauptsächlich in Konfliktsituationen. Dafür ist im Wesentlichen die Lösung zweier Teilaufgaben erforderlich: Kommunikation als Basis für das lernende Verhalten zwischen den Agenten und die Entwicklung von Interaktionsmustern - Kombinationen bestehend aus kooperativen und koordinierenden Interaktionen - zur Generierung von optimalen Aktionen unter Anwendung der KI-Methoden (künstliche neuronale Netze und Neurofuzzyalgorithmen). Die im Rahmen dieses Projektes entwickelten Algorithmen werden in einer Gruppe von homogenen und heterogenen mobilen Robotern (Hardwareagenten) für die mögliche Anwendungen in Klein- und Mittelbetrieben - z.B. zur Durchführung von Transportaufgaben in einer Fertigungsanlage -implementiert und getestet. Dieses Forschungsprojekt wird im Rahmen eines Kooperationsabkommens zwischen dem FWF (Fonds zur Förderung der wissenschaftlichen Forschung) und dem KOSEF (Korea Science and Engineering Foundation) - unterzeichnet am 28. November 1998 durchgeführt. Das Projekt wird vom Institut für Handhabungsgeräte und Robotertechnik (IHRT) der Technischen Universität Wien und vom Korea Advanced Institute for Science and Technology (KAIST) in Kooperation ausgeführt.

Es wurde versucht einen Beitrag zur Navigation mobiler, intelligenter Roboter zu leisten. Im Gegensatz zu stationären, unintelligenten Robotern stellt die Bahnplanung bei mobilen Robotern ein neues Anwendungsgebiet der Steuerungs- und Regelungstechnik dar. Dieses Gebiet wird zukünftig immer mehr an Bedeutung gewinnen, da sich diese Roboter immer schneller (2,5 m/s und mehr) - im Gegensatz zu den heutigen (ungefähr 0,5 m/s) bewegen werden. Bei der Bahnplanung mobiler Roboter sind heute und zukünftig bereits feste und bewegliche Hindernisse mit einzubeziehen. So sind beispielsweise feste Hindernisse auf der Produktionsebene Maschinen, Lagerplätze, Wände, Säulen,..... Bewegliche Hindernisse sind andere Roboter, Transportfahrzeuge, menschliche Wesen, ..... Aus der Vielzahl der bereits bekannten Bahnplanungsalgorithmen wurden drei Methoden, nämlich Bahnplanung mit Hilfe von Fuzzy-Methoden sowie Bahnplanung mit Hilfe von neuronalen Netzen und als Kombination der beiden Bahnplanung mittels Neurofuzzy-Methoden noch wenig behandelt. Die meisten bisher bekannten Arbeiten beschäftigen sich mit theoretischen Abhandlungen, wobei aber keinerlei Versuchsergebnisse angegeben werden. Es wurde daher - aufbauend auf bekannten Arbeiten - versucht, diese auf kommerziell verfügbare mobile, intelligente Roboterplattformen anzuwenden. Für die Versuche standen die mobile Roboterplattform Nomad 200, ein Khepera Miniroboter sowie ein Miniroboter Roby-Go, der am IHRT entwickelt wurde, zur Verfügung. In standardisierten Arbeitsumgebungen, welche allerdings in diesem Fall nur feste Hindernisse umfassten, wurden an beiden Robotern alle drei Methoden implementiert und überprüft. Um die praktischen Versuche zu minimieren, gingen diesen ausführliche Simulationen voraus. Die Untersuchungen zeigten, dass sich in der praktischen Anwendung alle drei Methoden gleich gut bewährten. Bei den Fuzzy-Methoden hängt Erfolg und Misserfolg davon ab, inwieweit das Regelwerk eine ausgewogene Mischung zwischen Anzahl der Regeln und Genauigkeit aufweist. Bei den neuronalen Netzen geht es im wesentlichen darum die Lernphase zu minimieren, was durch eine ausreichende zur Verfügung Stellung von Musterdaten gewährleistet werden kann. Allerdings ist die Gewinnung von Musterdaten relativ zeit- und kostenaufwendig, da der Roboter von Hand gefahren werden muss, um möglichst viele Datensätze zu speichern. Bei den praktischen Versuchen trat überwiegend das Problem auf, dass infolge der Strahlungswinkel der Sensoren tote Zonen zurückblieben. Befindet sich nur ein schmales Hindernis in dieser Zone, sind die Sensoren nicht in der Lage dieses zu erkennen. Darüber hinaus ergab sich bei Nomad 200 durch die Anordnung der Sensoren - Höhenunterschied zwischen Sensorring und Boden - dass sehr flache Hindernisse nicht erkannt wurden. Zukünftig sollte daher die Sensortechnologie entscheidend verbessert werden. Die Ergebnisse wurden zwischenzeitlich zur Bahnplanung und Kollisionsvermeidung von sich schnell bewegenden ( 2.5m/s ) Minirobotern in Umgebungen mit bis zu 9 bewegten Hindernissen erfolgreich eingesetzt.