معماری Subsumption
اسلاید 1: به نام خداارائه دهنده : حسام عمرانپور 85131071زمستان 85 موضوع : معماريSubsumption سمينار درس رباتيكز
اسلاید 2: فهرست مطالب:مدل سنتي معماريمعماري رفتارگرامعماري subsumption اهداف اصلی این تئوریمدل معماري AFSMارائه يك مثالمزايا و معايبنتيجه گيري22/1
اسلاید 3: مدل سنتي معماريشكستن يك عمل به 5 زيرعملورودي از يك طرف – عمل از طرف ديگر22/2
اسلاید 4: مدل سنتي معماريPerception : حسگر متصل به ربا ت Modeling : ورودی سنسورها را به یک وضعیت داخلی ربا ت مدل می کند Planning: از مکان جاری برای رسیدن به هدف برنامه ریزی می کند Task execution : plan را به دستورا ت حرکتی تبدیل می کند Motor control : باعث می شود دستورات اجرا شونداین روش تجزیه با توجه به شواهد که از زیست شناسی و تکامل بدست آمده مناسب نیستبه محض اینکه پیچیدگی محیط افزایش می یابد زمان لازم برای درک ومشاهده و مدل کردن و... به طور نمایی افزایش می یابد22/3
اسلاید 5: معماري رفتارگرا از دید رفتار شناسان هوشمندی نتیجه رفتار است به جای اینکه به اجزاء سازنده سیستم نگاه کنیم به رفتار آن نگاه می کنیم معماری رفتار گرا ازمدل دنیای سمبولیک و منطق سمبولیک استفاده نمی کندrow sensor date : نمایش اطلاعات به اطلاعات دریافتی از سنسورها نزدیک است و به صورت سمبولیک نیست.task decomposition : ترکیبی از قسمت های خود مختار که هر کدام به تنهای مسئول انجام یک task هستند.22/4
اسلاید 6: معماري subsumption مدلي از معماري رفتار گرا این روش توسط Rodeny A.Brooks در سال 1980 برای ساختن ربات های متحرک مسائل مر بوط به رفتار پیچیده را با ساختار کنترلی ساده حل مي كندسعي شده همانند طبیعت سیر تکاملی را دنبال کند 22/5
اسلاید 7: اهداف اصلی این تئوری : اهداف چندگانه : ربات اهداف چند گانه ای دارد در حالیکه اهداف با تقدم پا یین درحال اجرا هستند بايد پاسخگوی اهداف با تقدم بالا باشيم و یک رفتار واحد از ربا ت پدیدار گرددحسگرهای چندگانه : ربات دارای حسگرهای متعددی است كه خطا دارند ومعمولأ این حسگرها سبب بدست آمدن یک سری اطلاعات متناقض می شوند. باید بتوانيم تحت این شرایط تصمیم های مناسبی بگيريم 22/6
اسلاید 8: اهداف اصلی این تئوری : (ادامه) پایداری : براي ساخت يك ربات مطمئن حتي اگر بعضی از حسگرها ی آن یا بخشی ازسیستم ربات خرا ب شده باشد بايد اهداف خود را تطبيق دهد و اجرا كند –با معماري موازي لايه ها- قابلیت تکامل : بدون اینکه تغیییر زیادی در ساختار ربات بدهیم بايد بتوانیم توانایی ها و قدرت آن را افزا یش دهیم و باید بتوانیم یک سری قابلیت های عملیاتی جدید را بدون اینکه نیاز به خطا یابی زیادی داشته باشد به آن اضافه کنیم22/7
اسلاید 9: مدل معماريلایه صفر : جلوگيري از تصادم با اشیای در حال حرکت یا ساکن لایه 1 : حركت بطور تصادفی بدون برخورد با اشیا لایه 2: کشف دنیا با دیدن مکانها در فواصلی که به نظر قابل دسترس و هم جهت با ربات هستند لايه 3 :ساختن نقشه محیط و plan مسیرها از مکانی به مکانهای دیگرلايه 4 : توجه به استاتیک محیطلايه 5 : کنکاش برای شناخت دنیا در قالب اشیاء مشخص وانجام اموری که بااشیاء خاص مرتبطند لايه 6 : تنظیم و اجرای plan ها در مواردی که یک موقعیت محیط تغییر می کند لايه 7 : کنکاش درباره رفتار اشیاء مختلف در جهان واصلاح plan مطابق با آنها 22/8
اسلاید 10: فرضهای هدفمند :نداشتن یک مدل کلی از دنیا: سیستم سمبولیک در صورتی می تواند به درستی کار کند که تصویر واضح و روشن و بدون ابهامی از دنیا داشته باشد . بدست آوردن ا ین تصویر واضح و دقیق مستلزم انجام محاسبات پیچیده است که این عملیا ت پیچیده سیستم را کند می کند و در سیستم نویز ایجاد می کند . به دلیل وجود این نقاط ضعف بروکس فرضیه سیستم سمبولیک را به عنوان پایه هوش کنار گذاشت سیستم باید مشاهدات خود را بر پایه دنیای فیزیکی قرار دهد . در این فرضیه نمایش مرکزی از دنیا نداریم . بلکه بخشهای مختلف سیستم اطلاعات را از طریق حسگرها می گیرند و تمام هدف ها را به عنوان اعمال فیزیکی بدست می آورند 22/9
اسلاید 11: فرضهای هدفمند : (ادامه)رفتارهای توزیع شده : عدم وجود بخش مركزي واينكه تمام رفتارها از یکپارچه سازی رفتارهای بدست آمده از کارها در بخشهای جداگانه ظاهر می شوند و موازي عمل مي كنند سازماندهی عامل ها : هر عامل از عامل های لایه های پایین خود آگاهی ندارد.عاملی که در لایه خاصی قرار دارد اجازه ندارد به طور مستقیم در کار عامل های لایه بالا تر دخا لت کند و فقط می تواند رفتار آنها را به وسیله تغییر در خروجی و ورودی آنها تغییر دهد –با توجه به مدل معماری top-down or buttom-up -22/10
اسلاید 12: لايه ها : یک رفتار را به صورت یک بلوک در نظر می گیریم که تعدادی ورودی و خروجی دارد هر رفتار در هر لحظه ورودی ها را چک می کند و بر اساس یک سری rule های ساده خروجی را تولید می کندیک رفتار را به سطوحی از مهارت ها می شکنیم – لايه ها –لایه های پایین می توانند لایه های بالاتر را کنترل کنند22/11
اسلاید 13: دو قسمت كلي طرح :Task accomplishing : یک کار بزرگ را به تعدادی عمل یا کار کوچک می شکنیم و از طریق ارتباط بین آنها تصمیم -گیری می کنیم . هر رفتار در داخل هر لایه به صورت یک ماشین متناهی ا لحالت نشان داده می شودFiring simultaneously : ممکن است در یک وضعیت چند قانون که با هم در تناقض هستند بتوانند اجرا شوند.چگونه می توان این تناقض را حل کرد؟ 22/12
اسلاید 14: ارتباط بین لایه ها ممکن است در یک وضعیت قسمت مقدم مربوط به چند قانون true شود در روش Subsumption لایه های پایین می توانند لایه های بالاتر را کنترل کنندلایه ها از طریق سیم ها به هم مر تبطند و از طریق سیگنالها به یکد یگر پیام می فرستند برای ارتباط و تعامل دو لایه ( دو رفتار) دو حالت را در نظرميگيريم Inhibition,Supresion 22/13
اسلاید 15: مهار و سركوب:Supresion (سركوب) : جلوی عبور یک سیگنال را می گیرد و سیگنال خودش را می فرستد Inhibition (مهار) : جلوی عبور یک سیگنال را می گیرد و می تواند زماندار باشد 22/14
اسلاید 16: الگوريتم انتخاب عمل:22/15
اسلاید 17: الگوريتم انتخاب عمل:عملی را به عنوان خروجی برمی گرداند که توسط لایه های زیرین مهار یا سرکوب نشده باشد اگر n تعداد رفتارها باشد زمان آنO(n2) است. 22/16
اسلاید 18: AFSM (Augment Finite State Machine ) ماشين حالت متناهي تقويت شدههر لايه در معماري به عنوان شبکه ای از پیام ها و سیگنالها برای ا رسال به AFSM ها بکار می روند(هر لايه يك AFSM مخصوص دارد) ذخيره شدن پيامها در رجيستر ها قالب پیامها در ابزارهای معماری رباتهای متحرک , 8 بیتی هستند . در این نوع از شبکه ها هر ماشین متناهی الحالت بهبود یافته (AFSM) مجموعهای از رجیستر ها وتایمر ها ی هشدار دهنده است که به یک ماشین متناهی الحالت معمولی ( FSM ) متصل میشود 22/17
اسلاید 19: AFSMFSM + تایمر داخلیمهار و سركوب توسط ايجاد حلقه در سيگنال دريافتي22/18
اسلاید 20: ارائه يك مثالبلند کردن جسم توسط ربات 22/19
اسلاید 21: مزايا و معايبمزایا : رفتارگرايي اجراي موازي طراحي تقويتي و تكاملي مقرون به صرفه كارا و مطمئن چون لايه ها مستقلندبه كارگيري آسان معايب : تصميم گيري برپايه اطلاعات محدود نداشتن اطلاعات در مورد محيط درحالیکه عاملها نیاز به شناختن محیط محلی خود دارندافزايش پيچدگي با زياد شدن رفتارها لزوم داشتن تجربه درطراحي مشكل بودن تقسيم لايه ها 22/20
اسلاید 22: نتيجه گيريشكسته شدن يك كار بزرگ به كارهاي كوچك و ساده شدن كنترل آنانعطاف پذیري سيستم باعث می شود سرعت طراحي و كار افزایش یابدحل رفتار های پیچیده در آن به سادگی امکان پذیر است می توان بدون اینکه پایداری و تعامل این معماری از بین برود آنرا گسترش داد معماری Subsumption برای ربات های ساده قابل انعطاف به خوبی کار می کند هیچ نیازی نیست تا یک واحد مستقل ازاتصال های داخلی شبکه را برای تلفیق رفتار های سطح بالا در نظربگیریم ( عدم نياز به كنترلر مركزي ) 22/21
اسلاید 23: مراجع :SUBSUMPTION ARCHITECTURE FOR THE CONTROL OF ROBOTSDaniel Toal , Colin Flanagan , Caimin Jones and Bob StrunzA Robot That Walks :Emergent Behavior from a Carefully Evolved NetworkBrooks,R.AA Robust Layered Control System ForA Mobile Robot Brooks,R.A22/22
اسلاید 24: با تشكر
نقد و بررسی ها
هیچ نظری برای این پاورپوینت نوشته نشده است.