Архив статей журнала
Основными целями внедрения роботов в сельское хозяйство являются повышение эффективности и производительности, выполнение трудоемких и опасных задач и решение вопроса нехватки рабочей силы. Технологические достижения в области обнаружения и управления, а также машинного обучения позволили автономным роботам выполнять больше сельскохозяйственных задач. Такие задачи варьируются на всех этапах выращивания: от подготовки земли и посева до мониторинга и сбора урожая. Некоторые сельскохозяйственные роботы уже доступны, и ожидается, что в ближайшие годы их станет еще больше, поскольку технологии обработки больших данных, машинного зрения и легкого захвата и становятся все более точными. В настоящее время все большую актуальность приобретает внедрение нескольких взаимодействующих роботов в полевых условиях, так как оно имеет хорошие перспективы в снижении производственных затрат и повышении операционной эффективности. Целью данного исследования является разработка интеллектуальной системы управления группой мобильных роботов на основе мультиагентных нейрокогнитивных архитектур. Задача исследования состоит в разработке нейрокогнитивных алгоритмов управления мультиагентной робототехнической системой сельскохозяйственного назначения. В работе описан мультиагентный робототехнический комплекс для активной защиты растений в рамках системы «умного» поля. Представлена концепция системы управления группой мобильных роботов на основе моделирования мультиагентных нейрокогнитивных архитектур. Для обеспечения работы многоагентной гетерогенной группы автономных роботов предлагается использование нейрокогнитивной модели управления с реализацией отдельных интеллектуальных агентов как на каждом отдельном роботе, так и на базовых станциях обслуживания или серверах. При этом, учитывая реализацию рекурсивности в самой архитектуре, задача масштабирования подобной системы управления заметно упрощается. Использование агентов сенсоров и эффекторов для обеспечения обмена знаниями между роботами и центрами принятия решений позволяет минимизировать нагрузку на систему связи и обеспечить запас отказоустойчивости системы управления. Полученные результаты могут быть применены для разработки универсальных систем управления и упрощения масштабирования для различных групп автономных роботов.
В отличие от существующих методов обучения систем искусственного интеллекта, подходы, основанные на федеративном обучении, не потребуют длительной и дорогостоящей процедуры подготовки обучающей выборки при создании и массовом практическом применении «умных» сельскохозяйственных систем, автономных беспилотных сельскохозяйственных машин и роботов, а полученные системой принятия решений знания будут актуализироваться на постоянной основе. Целью исследования является разработка и внедрение сквозной технологии федеративного обучения для искусственного интеллекта, отсутствие которой сегодня препятствует созданию интегрированных информационно-управляющих систем для растениеводства и животноводства («умные» сельскохозяйственные системы), основанных на групповом применении беспилотных наземных и воздушных сельскохозяйственных машин и роботов. Внедрение подобных интеллектуальных систем необходимо для сохранения и повышения производимой продукции и обеспечения устойчивого развития сельского хозяйства. В статье описаны нейрокогнитивные методы и алгоритмы федеративного обучения интеллектуальных систем управления сельскохозяйственными процессами в реальной среде. Также предлагается структура обмена данными и знаниями в системе «умного» поля на основе распределенной сети интеллектуальных агентов, управляющих системами «умного» поля на различных сельскохозяйственных угодьях, на основе федеративного обучения. Каждый интеллектуальный агент представляет собой программную модель нейрокогнитивных процессов рассуждения и принятия решений в рамках решения определенной задачи. Предложенная структура будет способствовать совместному накоплению базы знаний в области сельского хозяйства и сможет стать основой множества различных интеллектуальных агентов, эффективно выполняющих конкретные задачи в рамках распределенной сети систем управления «умными» полями. Также приводится описание интеллектуальных агентов, выполняющих различные задачи в реальной среде. Приведены примеры разрабатываемых на автономных робототехнических и программных комплексов, на основе которых планируется апробация предложенной концепции федеративного обучения систем «умного» поля. Вместе с тем в статье описаны ожидаемые эффекты внедрения технологий, основанных на разрабатываемых методах и алгоритмах федеративного обучения интеллектуальных агентов, управляющих системами умного поля.