Une méthode en ligne pour attribuer des tâches aux robots d’une équipe lors de scénarios de catastrophe naturelle

Une méthode en ligne pour attribuer des tâches aux robots d'une équipe lors de scénarios de catastrophe naturelle

Allocation de tâches multi-robots pour une équipe de 4 robots effectuant un ensemble d’environ 20 tâches – Le diagramme du haut montre les itinéraires tracés par 4 robots lorsqu’ils ont visité différentes tâches, comme décidé par l’exécution simulée de notre algorithme par chaque robot ; chaque robot commence et se termine au même dépôt, marqué par l’hexagone jaune. Le diagramme du bas montre comment notre algorithme fonctionne sur une instance de planification de tâches particulière du robot R4 (marqué par le cercle jaune dans le diagramme du haut ; l’emplacement des robots homologues à cette instance est marqué par le symbole X dans le diagramme du haut) . Ici, le bigraphe de gauche relie tous les robots à toutes les tâches disponibles, représentant ainsi diverses stratégies d’allocation potentielles. Le bigraphe de droite est le résultat de l’exécution de notre algorithme par le robot R4, ce qui indique que le robot R4 a maintenant choisi d’effectuer la tâche 20 ensuite. Crédit : Dr Payam Ghassemi.

Des équipes de robots pourraient aider les utilisateurs à effectuer de nombreuses tâches plus rapidement et plus efficacement, tout en mettant les agents humains à l’abri des dangers lors d’opérations dangereuses. Ces dernières années, certaines études ont particulièrement exploré le potentiel des essaims de robots pour assister les agents humains lors des missions de recherche et de sauvetage ; par exemple, en recherchant des survivants de catastrophes naturelles ou en leur livrant de la nourriture et des kits de survie.

Des chercheurs de l’Université de Buffalo ont récemment développé une technique qui pourrait améliorer les performances des équipes de robots lors des missions d’intervention en cas de catastrophe. Cette technique, introduite dans un article publié dans le journal d’Elsevier Robotique et systèmes autonomes, est conçu pour attribuer des tâches à différents robots d’une équipe, afin qu’ils puissent accomplir les missions le plus efficacement possible.

« Au cours des trois à quatre dernières années, nous avons exploré des moyens uniques de coordonner de grandes équipes de robots au sol et de drones pour aider à la cartographie des risques et aux opérations de recherche et de sauvetage qui sont essentielles aux applications d’intervention d’urgence et de catastrophe », a déclaré le Dr Souma. Chowdhury, l’un des chercheurs qui a dirigé l’étude, a déclaré Tech Xplore. « Au cours de ces explorations de recherche, nous avons convergé sur le besoin d’un algorithme qui peut rapidement (en déplacement) répartir les tâches entre les robots de l’équipe. »

Lorsqu’ils ont examiné des études de recherche antérieures, les chercheurs ont constaté que très peu de méthodes existantes d’attribution de tâches multi-robots étaient capables de gérer des tâches simultanées avec des délais stricts et de s’adapter à de nouvelles tâches inattendues pouvant survenir au cours d’une mission, tout en tenant compte de la distance de vol, capacité de charge utile et contraintes informatiques embarquées des robots du monde réel. Ils ont donc entrepris de développer une approche qui ferait avec succès toutes ces choses.

« Un autre objectif de notre étude était de démontrer les capacités de cette nouvelle méthode sur une application originale de réponse aux inondations, où une équipe de drones est utilisée pour livrer ou déposer rapidement des kits de survie à des emplacements de tâches spécifiés lors d’un scénario d’inondation simulé sur une distance de 20×30 km2 région », a déclaré le Dr Chowdhury.

Dans leur étude, le Dr Chowdhury et son collègue le Dr Payam Ghassemi ont considéré les équipes de robots et les tâches qu’ils sont censés accomplir comme deux ensembles de données distincts. Cela leur a permis de réduire la tâche de leur attribuer des problèmes, de sorte qu’il s’agissait principalement de mapper ou d’apparier des paires d’éléments de ces deux ensembles (c’est-à-dire un robot dans l’équipe avec la tâche qu’il accomplirait). Essentiellement, à tout moment où le modèle est requis pour prendre une décision, il connecte chaque robot inactif de l’ensemble 1 à l’une des tâches restantes de l’ensemble 2, via un « bord ».

« Notre technique utilise ensuite une fonction d’incitation pour pondérer ces bords, un poids plus élevé indiquant une affinité relative plus élevée d’un robot pour entreprendre la tâche connectée par le bord concerné », a déclaré le Dr Ghassemi, l’autre chercheur impliqué dans l’étude. « Un problème d’appariement bigraphe pondéré est ensuite résolu pour produire une cartographie un à un qui donne la prochaine tâche immédiate à attribuer à chaque robot. En concevant la fonction d’incitation pour tenir compte de l’état global du robot, l’état du robot par rapport à un tâche et le temps restant pour terminer la tâche, notre approche devient particulièrement consciente des contraintes et des délais des tâches du robot. »

La technique présente plusieurs avantages par rapport aux méthodes alternatives existantes d’allocation de tâches multi-robots basées sur l’optimisation. Par exemple, ses temps d’exécution sont considérablement plus courts, car il peut prendre des décisions d’allocation de tâches en quelques centaines de millisecondes.

En plus d’être plus rapide que les autres méthodes existantes, la technique des chercheurs atténue le besoin d’une prise de décision synchrone parmi les robots. Cela signifie que son fonctionnement dépend moins des réseaux de communication reliant les robots d’une équipe.

Drs. Chowdhury et Ghassemi ont évalué leur technique dans une série de tests. Remarquablement, ils ont constaté qu’il pouvait effectuer le même pourcentage de tâches que les méthodes générales basées sur l’optimisation qui fournissent des solutions optimales prouvées, mais ses temps de calcul étaient presque 1 000 fois inférieurs.

« Cette observation, ainsi que la capacité de notre technique à prendre des décisions asynchrones, implique que notre méthode pourrait être facilement mise en œuvre sur des robots et des drones terrestres largement disponibles et peu coûteux », a déclaré le Dr Chowdhury. « De tels robots simples présentent généralement des capacités de calcul et de communication frugales. »

Fait intéressant, les chercheurs ont montré que leur méthode peut également être étendue pour résoudre des problèmes très complexes impliquant des équipes comptant jusqu’à 100 robots censés effectuer 1 000 tâches, tout en conservant des performances de temps de calcul inférieures à la seconde. Jusqu’à présent, très peu d’équipes ont tenté de résoudre ces problèmes à grande échelle en utilisant les outils d’allocation de tâches existants.

« Le résultat de notre étude représente un pas en avant important pour la communauté multi-robotique en termes de preuve tangible de la vision selon laquelle des équipes de robots très grandes et évolutives pourraient révolutionner les interventions en cas de catastrophe et d’autres opérations urgentes », a déclaré le Dr Chowdhury. « Enfin, en considérant directement les réalités des contraintes de portée et de charge utile du robot, les délais des tâches et l’apparition de nouvelles tâches en cours (ces dernières sont omniprésentes dans les opérations d’intervention en cas de catastrophe), nos résultats nous rapprochent de la transition d’algorithmes d’allocation de tâches multi-robots vers pratique dans des opérations complexes à grande échelle.

À l’avenir, la technique d’allocation de tâches multi-robots en ligne développée par cette équipe de chercheurs pourrait faciliter le déploiement à grande échelle d’essaims de drones ou d’autres équipes de robots lors de missions complexes de recherche et de sauvetage. Pendant ce temps, les Drs. Chowdhury et Ghassemi prévoient de mener d’autres expériences pour évaluer leur algorithme dans des simulations plus réalistes, créées à l’aide de moteurs de jeu contemporains. Cela pourrait enfin leur permettre de déployer et de tester leur technique sur de véritables équipes de drones et de robots terrestres à quatre roues.

« L’Université de Buffalo, School of Engineering and Applied Sciences, a récemment dévoilé une immense installation d’essai de drones en plein air à la pointe de la technologie, qui constituerait un cadre idéal pour mener ces expériences dans des conditions réelles », a déclaré le Dr Chowdhury. ajoutée. « À un niveau plus fondamental, nous prévoyons d’atténuer le besoin de fabriquer à la main la fonction d’incitation pour différents types d’opérations et de robots, et de minimiser davantage les besoins de communication entre les robots. À cette fin, dans le cadre d’une nouvelle subvention de recherche de la National Science Foundation, nous explorons comment les approches d’apprentissage automatique peuvent être utilisées pour apprendre des fonctions d’incitation qui permettront à notre algorithme de se généraliser sur un large éventail de scénarios du monde réel avec un minimum d’interventions humaines. »


Un cadre pour l’allocation adaptative des tâches lors de missions multi-robots


Plus d’information:
Payam Ghassemi et Souma Chowdhury, Allocation de tâches multi-robots en réponse aux catastrophes : adresser des tâches dynamiques avec des délais et des robots avec des contraintes de portée et de charge utile, Robotique et systèmes autonomes(2021). DOI : 10.1016/j.robot.2021.103905

© 2021 Réseau Science X

Citation: Une méthode en ligne pour attribuer des tâches aux robots d’une équipe lors de scénarios de catastrophes naturelles (2021, 19 octobre) récupéré le 19 octobre 2021 sur https://techxplore.com/news/2021-10-online-method-allocate-tasks-robots .html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.