클러스터 협업 효율성을 향상시키는 방법은 무엇입니까? 중국과 외국 팀이 협력하여 평균 이동을 기반으로 한 로봇 형성 제어 전략 개발

“엘리베이터에 들어가기 위해 많은 사람들이 줄을 서 있다”는 시나리오를 생각해 보세요. 먼저 들어가는 사람이 "이기적"이라면 엘리베이터에 들어간 후 그 자리에 멈춰서 뒤에 있는 사람들이 엘리베이터에 들어갈 수 없게 됩니다. 앞의 사람이 "이기심"이 없으면 뒤에있는 사람들이 원활하게 엘리베이터에 들어갈 수 있도록 주도적으로 들어갈 것입니다.

이 시나리오에서 영감을 받아 연구원들은 이타적인 탐색 전략을 개발했습니다. 이 간단한 전략은 로봇 클러스터 시스템의 협력 효율성을 크게 향상시킬 수 있습니다. 결과는 2023년 6월 Nature Communications에 게재되었습니다.

▍"비이기적인" 탐험 소개: 로봇 협력을 더욱 효율적으로 만들기

많은 로봇 군집 시스템 중에서 군집 형성 제어는 중요하고 독특한 문제입니다. 다른 클러스터 협업 문제와 비교할 때 대형 제어에는 고유한 기술적 과제가 있습니다. 즉, 글로벌 대형은 실제로 글로벌 제약입니다. 이러한 제약은 원래 협력이었던 로봇 사이에 경쟁 관계를 만들어냅니다. 본질적으로 이러한 경쟁 관계는 대형 통제에 많은 어려움을 가져옵니다.

기존 방법은 일반적으로 로봇 간의 경쟁 문제를 해결하기 위해 목표 할당을 사용합니다. 그러나 할당 기반 방법은 내결함성 및 적응성이 약한 문제가 있습니다. 할당된 목표가 불합리하거나 일부 로봇이 오작동하는 경우 목표를 지속적으로 재할당해야 하므로 효율성이 저하됩니다.

최근 Westlake University, Beihang University, Tsinghua University 및 영국 Sheffield 대학의 연구원들은 "이기심 없는" 탐색 전략을 기반으로 하는 새로운 로봇 조정 제어 방법을 제안했습니다. 핵심은 Mean-Shift 기반 알고리즘을 통한 것입니다. 로봇 간의 경쟁적 갈등을 해결하려면: 즉, 로봇이 주변 로봇과 경쟁할 것이라고 예측하면 적극적으로 현재 위치를 버리고 좀 더 개방된 공간으로 이동합니다. 갈등을 '적극적으로' 해결할 수 있기 때문에 '비이기적인' 전략이라고 합니다.

최신 연구 작업과 비교하여 제안된 "비이기적인" 탐사 전략의 효율성은 클러스터 크기가 클 때 수십 배 향상될 수 있으며, 이러한 개선은 클러스터 크기가 증가함에 따라 더욱 향상될 것입니다. 더욱이 이 전략은 대상 할당에 의존하지 않기 때문에 본질적으로 내결함성과 적응성이 뛰어나며 복잡한 공간 탐색 및 협업 처리와 같은 작업으로 확장될 수 있습니다.

첫 번째 부분은 사람이 요구하는 기하학적 형태를 공식화하는 데 사용되는 인간-클러스터 상호 작용 시스템입니다. 두 번째 부분은 분산 협상 알고리즘입니다. 모든 로봇은 위치와 방향을 포함한 목표 형성의 유클리드 매개변수를 주변 이웃과 분산 방식으로 협상합니다. 세 번째이자 가장 중요한 부분은 분산형 제어 알고리즘입니다. 제어 알고리즘은 세 가지 제어 명령으로 구성됩니다. 첫 번째는 포메이션 진입 명령으로 로봇을 목표 포메이션에 투입하는 명령입니다. 두 번째는 Mean-Shift 메커니즘을 통해 지층 내에서 가능한 영역을 탐색하는 데 사용되는 지층 탐색 명령입니다. 세 번째는 로봇 간의 충돌 방지 및 속도 정렬을 달성하는 데 사용되는 대화형 명령입니다.

이 전략을 기반으로 연구팀은

을 개발했습니다. 실내 모션 캡쳐 시스템을 지원하여 관련 실험을 수행하였고, 멀티스레드 분산 병렬 방식으로 구현하였다.

"비이기적인" 탐색 전략은

할 수 있습니다. 예를 들어, 풍부한 분기가 있는 "눈송이" 형성은 이 전략에 따라 로봇 클러스터가 로컬 최적 상태에 빠지지 않고 정확하게 형성을 실현할 수 있습니다. 더욱이, 로봇 떼는 이러한 방식으로 서로 다른 볼록하지 않은 형태를 형성할 수 있으며 한 모양에서 다른 모양으로 원활하게 전환할 수 있습니다.

"이기심 없는" 탐사 전략은 최신 연구 작업에 비해 효율성이 수십 배 향상되었으며, 이러한 향상은 클러스터 규모가 커짐에 따라 더욱 향상될 것입니다.

목표 할당, 로봇 수 변경 등의 문제에 제약을 받지 않기 때문에 '사심 없는' 탐색 전략에는 적응력이 있습니다. 예를 들어, 일부 로봇이 클러스터에서 제거되면 전체 시스템에는 결함 감지 또는 내결함성 제어가 필요하지 않으며 원활하게 구성을 재구성할 수 있어 전체 시스템에 어느 정도의 "재생" 기능이 제공됩니다.

"비이기적인" 탐험 전략의 또 다른 특징은 시간에 따라 변화하는 지형을 추적하는 능력입니다. 중요한 응용 분야는 여러 로봇의 공동 처리를 실현하는 것입니다. 이 과정에서 로봇은 한편으로는 대형을 유지해야 하고, 다른 한편으로는 대형 이동을 달성하기 위해 리더를 따라야 하며 이를 통해 물품의 조화로운 운송을 달성해야 합니다.

또한 "이기심 없는" 탐색 전략을 사용하여 복잡한 환경을 탐색할 수 있습니다. 예를 들어, 입구에 막히지 않고 좁은 입구를 통해 방으로 들어가는 군중을 시뮬레이션할 수 있습니다. 이 예는 "비이기적인" 탐색 전략을 생생하게 설명한다는 점을 지적할 가치가 있습니다. 엘리베이터에 들어가는 사람들의 삶의 장면과 매우 유사합니다. 많은 사람이 엘리베이터에 들어가고 싶다면 어떤 사람이 "이기적"이라면 그러면 목표에 도달했기 때문에 엘리베이터에 들어간 후 움직임을 멈출 것입니다. 하지만 이렇게 하면 뒤에 있는 사람들의 진입이 차단됩니다. 이 사람이 "사심 없는" 사람이라면 그러면 뒤에 있는 사람들이 원활하게 들어갈 수 있도록 주도적으로 안으로 들어갈 것입니다.

또 다른 예는 복잡한 미로를 탐색하는 데 사용될 수 있다는 것입니다. 미로의 모서리와 같이 볼록하지 않은 구조가 많이 있음에도 불구하고 이 전략은 우수한 탐색 가능성으로 인해 로컬 최적 상태에 빠지지 않고 미로를 완전히 커버하는 데 성공할 수 있습니다.

▍결론

이 글에서 제안한 알고리즘의 아이디어는 매우 간단하지만, 클러스터 형성 제어에 있어서 오랫동안 직면해 있던 중요한 문제를 해결하는 너무나 간단한 아이디어입니다. 미래에는 로봇 플랫폼의 인식 기능이 더욱 확장되어 전체 시스템을 더욱 지능적으로 만들고 고도로 지능적인 유기체와 실제로 유사한 떼 행동의 출현을 가능하게 할 수 있습니다.

▍기사 출처

G. Sun, R. Zhou, Z. Ma, Y. Li, R. Groß, Z. Chen 및 S. Zhao*, "로봇 떼의 형태 조립에 대한 평균 이동 탐색", Nature Communications, vol. , pp. 3476, 2023. https://doi.org/10.1038/s41467-023-39251-5

위 내용은 클러스터 협업 효율성을 향상시키는 방법은 무엇입니까? 중국과 외국 팀이 협력하여 평균 이동을 기반으로 한 로봇 형성 제어 전략 개발의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!