1

1. Structuri holonice. Agenti inteligenti, utilitatea lor i poziionarea n cadrul

domeniului mai larg al IA

Intotdeauna a existat perspectiva de a include sisteme computerizate autonome in viata de zi
cuzi. Acest lucru a devenit acum posibil datorita progreselor din domeniul Inteligentei
Artificiale(IA).In ultimii ani, tehnicile de IA au devenit mult mai robuste si mai complexe.
Datorita succeselor obtinute in acest domeniu,cercetatorii din domeniul IA si-au castigat
dreptul de a incepe sa examineze implicatiile sistemelor multiagent asupra lumii reale. Exista
o multitudine de definitii ale agentilor inteligenti dar urmatoarele proprietati sunt
definitorii :
-autonomia
-proactivitate si/sau reactivitate
-continuitate in timp

Autonomia se refera la posibilitatea unui agent de a-si controla propriile actiuni independent
de alte entitati,interactionand cu acestea doar in cazul in care doreste.De obicei un agent
autonom nu apeleaza la altcineva(alt agent sau fiinta umana)decat daca nu poseda suficiente
cunostiinte pentru a indeplini de unul singur o anumita atributie.
Reactivitatea se refera la capacitatea agentilor de a mentine o interactiune neintrerupta cu
mediul inconjurator si de a raspunde in timp util la schimbarile ce apar in mediu adica de a se
adapta la acestea.
Pro-activitate se refera la capacitatea unui agent de a lua initiativa;el nu este condus de
evenimente ci este capabil de a-si genera scopurile se de a actiona rational pentru a le
indeplini.
Continuitate in timp.Aceasta proprietate se refera la capacitatea agentilor de a-si
suspenda,termina sau continua executia dar, daca starea unui agent este suspendata, aceasta
trebuie sa fie memorata intr-o anumita maniera astfel incat sa poata fi recreata atunci cand
agentul este reanimat .

Alte atribute ale agentilor
-adaptarea
-capacitatea de a comunica si de a coopera cu alti agenti in ordine de a-si indeplini
atributiile
-capacitatea de invatare.Agentii pot,in anumite circumstante,sa invete din evenimentele
repetitive ce au loc in mediul inconjurator astfel incat sa poata prezice evenimentele viitoare
si in anumite cazuri,sa actioneze asupra mediului
-mobilitate .capacitatea de a se misca de la un sistem la altul
-negociere
-task-oriented
-flexibilitate,abilitate sociala,flexibilitate

Un sistem multiagent este un sistem care const din cel putin doi agenti inteligenti capabili s
interactioneze ntre ei n vederea realizrii unor scopuri individuale sau comune (scopuri
globale) si care partajeaz acelasi mediu de lucru.

Sistemele multiagent (Multiagent Systems - MAS) constitue un subcamp al Inteligentei


2
Artificiale a carui scop este de a furniza principiile pentru constructia de sisteme complexe
incluzand agenti multipli si mecanisme de control a comportarii agentilor independenti. Desi
capacitatea de a controla comportarea agentilor autonomi este una noua,acest domeniu(al
sistemelor multiagent) avanseaza rapid datorita faptului ca este construit pe baza unor
informatii deja existente si anume acelea din domeniul Inteligentei Artificiale
Distribuite(DAI).
DAI a existat ca un subdomeniu al Inteligentei Artificiale de mai putin de 2 decade.DAI este
impartit in doua subdiscipline: DSP(Distributed Problem Solving) si MAS(Multiagent
Systems). Principalele teme considerate in DSP sunt problemele legate de managementul
informatiilor cum ar fi descompunerea task-urilor si sinteza solutiilor. De exemplu,o
problema poate fi descompusa in mai multe subprobleme,nu total independente ,care pot fi
rezolvate de diferite procesoare.Apoi,solutiile rezultate pot fi sintetizate in solutia problemei
originale. MAS permite ca aceste subprobleme sa fie distribuite agentilor - fiecare avand
interesele si scopurile lui.
Desi exista multe moduri de a diviza MAS,acest studiu este organizat tinand cont de
doua dimensiuni principale:heterogentitatea agentilor si cantitatea de comunicatii dintre
agenti.Incepand cu cel mai simplu scenariu de multiagent, agenti omogeni si necomuniativi si
pana la cele mai complexe sisteme multiagent heterogene,o intreaga gama de posibile sisteme
multiagent este considerata.

Utilitatea sistemelor multiagent
Motive pentru a utiliza sistemele multiagent:
-unele domenii au nevoie de ele
-paralelism
-robustete
-scalabilitate
-programare simpla
-pentru a studia inteligenta
-rezolvare eficienta a problemelor

Ar fi ridicol sa pretindem ca MAS sa fie utilizate in proiectarea tuturor sistemelor complexe
dar sunt domenii care cer aceasta solutie.In particular,un exemplu de domeniu care are nevoie
de MAS ,este cel medical.Conform unui studiu,este nevoie de agenti care sa reprezinte
interesele celor din personalul spitalului.Angajatii spitalului au diferite interese...de la
asistente care vor sa minimizeze timpul de spitalizare a bolnavilor la operatori cu raze X care
vor sa mareasca performantele masinilor.Datorita diferitelor criterii de evaluare a programului
fiecarei persoane,acestea trebuie sa fie reprezentate de agenti separati in ordine de a fi luate in
calcul interesele fiecareia.
Chiar si in domenii in care pot se folosi sisteme ce nu sunt distribuite ,exista posibilitatea de a
utiliza MAS.Avand agenti multipli ,se poate mari viteza de operare a sistemului prin utilizarea
unei metode de calcul paralel.De exemplu,un domeniu care poate fi rapid divizat in
componente, un sistem care prezinta task-uri independente poate beneficia de agenti
speciali.Si mai mult,paralelismul sistemelor multiagent poate ajuta atunci cand avem de-a
face cu limitarile impuse de insuficienta timpului pe care il avem la dispozitie.
Atata timp cat paralelismul este obtinut prin asignarea diferitelor task-uri unor agenti diferiti,
robustnetea este un beneficiu al sistemelor multiagent care poseda agenti redundanti. Daca
controlul si responsabilitatile sunt impartite suficient intre diferiti agenti,sistemul poate tolera
ratari din partea unuia sau mai multi agenti. Dar in cazul in care exista un singur procesor sau
agent care controleaza toata activitatea,o singura greseala poate duce la caderea intregului
sistem.Desi un sistem multiagent nu are nevoie neaparat sa fie implementat pe multiple


3
procesoare,pentru a furniza o buna robustete impotriva greselilor ce pot apare,agenti ar trebui
sa fie distribuiti pe mai multe masini. Un alt avantaj este acela ca noi agenti pot fi adaugati
sistemului cu mai multa usurinta decat poate fi adaugata o noua capacitate unui sistem
monolitic.Sisteme a caror capacitati si parametri este posibil sa aiba nevoie sa fie schimbati in
timp sau intre agenti,pot deasemenea sa beneficieze de acest avantaj al sistemelor multiagent.
Din perspectiva programatorului, modularitatea sistemelor multiagent poate conduce la o
mai simpla programare. Decat sa asignezi intregul task unui agent centralizat, programatorii
pot identifica subtask-uri si asigna controlul acestor subtaskuri unor agenti diferiti.In acest
mod se poate rezolva problema divizarii timpului unui singur agent in mai multe parti diferite.


1.1 Taxonomia
Conform taxonomiei oferite recent de Parunak ([8]),unele dintre cele mai importante
caracteristici ale sitsemelor multiagent sunt:
- functia sistemului
- arhitectura agentului(gradul de eterogen,reactivitate vs deliberare)
- arhitectura sistemului(comunicatii,protocoale,implicarea omului)
Alte taxonomii cred ca cele mai importante aspecte ale agentilor sunt: gradul de eterogenitate
si gradul de comunicare. Orice alt aspect a agentilor in MAS este discutat in cadrul acestor
domenii. De exemplu,gradul in care diferiti agenti joaca diferite roluri este cu siguranta o
tema importanta a sistemelor multiagent dar aici ea este discutata in scenariul eterogenitatii
sistemelor multiagent necomunicativi.
Cele 3 combinatii de eterogenitate si comunicatie (agenti omogeni si necomunicativi, agenti
eterogeni si necomunicativi,agenti eterogeni si comunicativi)sunt prezentati in ordinea
cresterii complexitatii si puterii(vezi Figura 1).



















Agenti omogeni necomunicativi:
- agenti reactivi vs agenti deliberativi
- perspectiva locala sau globala
- modelarea starii altor agenti
-modul in care acesti agenti pot afecta alti agenti



4
Agenti eterogeni necomunicativi:
- bunavointa vs competitivitate
- modelarea actiunilor,scopurilor si cunostiintelor altora
- managementul resurselor
- conventii sociale
- agenti care evolueaza

Agenti eterogeni comunicativi:
- se inteleg unii pe altii
- planifica actiunii comunicative
- bunavointa vs competitivitate
- managementul resurselor
- adevar in comunicatie
Aceste proprietati ale agentilor vor fi discutate pe parcursul lucrarii.


1.2 Sisteme cu un singur agent vs. Sisteme Multiagent

Inainte de a studia si de a categorisi sistemele multiagent trebuie mai intai sa avem in vedere
sistemele centralizate cu un singur agent care ia toate deciziile .Vom considera pt acest studiu
un sistem (cu un singur agent) complex,centralizat ,intr-un domeniu care ar putea permite si
un sistem multiagent. Un sistem cu un singur agent ar putea avea mai multe entitati cativa
actuatori sau chiar cativa roboti.Oricum,daca fiecare entitate trimite rezultatele spre, si isi
primeste actiunile pe care trebuie sa le indeplineasca de la un singur proces central,atunci
avem doar un singur agent . procesul central.Agentul central modeleaza fiecare entitate
.Sectiunea ce urmeaza compara sistemele cu un singur agent cu cele multiagent.

1.2.1 Sisteme cu un singur agent
Desi poate parea ca sistemele cu un singur agent ar trebui sa fie mai simple decat sistemele
multiagent ,cand ai de-a face cu un task fix, complex , sistemele multiagent ofera mai multa
usurinta de lucru.











Fig.1.2

In general,un agent dintr-un sistem cu un singur agent modeleaza el insusi mediul si
interactiunile acestuia. Desigur, agentul insusi este parte a mediului dar daca exsita alti
agenti, acestia sunt considerati parti ale mediului.





5


1.2.2 Sisteme Multiagent
Sistemele multiagent difera de cele cu un singur agent prin aceea ca exista mai multi agenti
care isi indeplinesc propriile scopuri si actiuni.In cele mai complete sisteme multiagent,exista
o interactiune directa intre agenti adica acestia comunica.Desi aceasta interactiune poate fi
vazuta ca un stimul din mediu,vom prezenta comunicatia dintre agenti ca fiind separata de
mediu inconjurator.
Din perspectiva unui agent individual,sistemele multiagent difera de sistemele cu un singur
agent mai mult datorita faptului ca in primul caz,dinamica mediului poate fi determinata de
alti agenti.Figura de mai jos (Figura 1.3) ilustreaza faptul ca fiecare agent este o parte a
mediului si ca este modelat ca o simpla entitate.Pot exista un numar variat de agenti ,cu
diferite grade de eterogenitate si cu sau fara capacitatea de a comunica direct.Pornind de la cel
mai general caz prezentat aici,incepem prin a elimina comunicatia si eterogenitatea pentru a
descrie sistemele multiagent omogeni si necomunicativi.Vom prezenta mai apoi sisteme
multiagent care poseda
aceste proprietati.















Fig. 1.3


Rezolvarea Distribuita a Problemelor
Este indicat sa folosim DPS deoarece creste viteza procesului de obtinere a solutiei,
expertiza si rezolvarea problemelor pot fi in mod inerent distribuite, cunostintele necesare
rezolvarii problemelor pot fi distribuite si nu in ultimul rand, poate fi nevoie ca solutia sa fie
distribuita pentru a fi executata.
DAI se preocupa de Granularitatea Agentilor, Eterogenitatea Agentilor, Metode de control
distribuite (intre agenti) si de Posibilitati de Comunicare.


1.3 Tipuri de agenti
Agenti colaborativi
Agentii colaborativi rezolva o gama larga de probleme. Acesti agenti asigura interconectarea
sistemelor mai vechi, ofera solutii pentru problemele distribuite bazandu-se pe informatia
colectata din sisteme distribuite.
Pentru cresterea modularizarii aplicatiilor bazate pe acest tip de agenti, acestia trebuie sa


6
respecte urmatoarele principii: siguranta, viteza si flexibilitate.
Cercetarea in acest domeniu poate fi extinsa in principal si prin observatiile din alte domenii
de activitate, cum ar fi studiul despre modul cum functioneaza societatea umana. Societatea
umana constituie baza de plecare in studiul multor alte domenii datorita exemplului pe care
ni-l poate oferi (relatiile dintre oameni, comunicarea, interactiunea).
Proiectarea sistemelor care au la baza agenti colaborativi trebuie sa ia in considerare
urmatoarele aspecte:
- comunicarea intre agenti
- stabilitatea, scalabilitatea si performanta agentilor
- integrarea cu tehnologiile si sistemele mai vechi
- capacitatea de a invata a agentilor
- evaluarea sistemelor cu agenti colaborativi
Agenti pentru interfata ( Interface Agents)
Acesti agenti sunt responsabili pentru interactiunea cu utilizatorul si au rolul de Personal
Assistant.Ei au rolul de a urmari utilizatorul si de a invata din comportamentul acestora dar
pot invata si din schimbul de informatii cu alti agenti de interfata. Putem extinde astfel
conceptul de agenti colaborativi in Collaborative interface agents.
Agentii de interfata scutesc omul de munca plictisitoare si de rutina. Acestia pot inregistra
actiunile tipice ale unui utilizator, luandu-i locul acestuia in citirea emailurilor
neimportante(junkmail), in cautarea informatiei necesare si in locul altor activitati specifice.
Agentii de interfata se adapteaza preferintelor si oboceiurilor utilizatorului actionand in
consecinta cu profilul acestuia. Capacitatile acestor agenti pot fi extinse pana la alegerea
modalitatilor si cantitatii de informatie ce poate fi impartasita intre diferiti utilizatori.
Astfel agentii de interfata sunt in principal responsabili cu invatarea si adaptarea la cerintele
utilizatorului.

Agenti mobili
Agentii mobili sunt cei care sunt capabili sa se mute intre diferite sisteme in momentul
executiei. Acesta este un nou concept menit sa inlocuiasca comunicarea bazata pe mesaje sau
prin memorie partajata care se utiliza pana in acest moment.
Agentii mobili opereaza mult mai bine cu sursele de informatii datorita capacitatii de a se
deplasa intre diferite sisteme. Ei ilustreaza cel mai bine principiile de baza ale agentilor :
autonomia si proactivitatea.
Avantajele agentilor mobili sunt urmatoarele:
- costuri reduse pentru comunicarea dintre agenti
- accesul redus la resursele locale ale sistemului
- usurinta coordinarii
- programul se executa asincron (Asynchronous Computing)
- sporesc flexibilitatea arhitecturilor distribuite
- regandirea conceptelor de design soft
La Universitatea Tromso s-au dezvoltat deja niste proiecte care utilizeaza agenti mobili in la
boratoarele Dag Johansen. S-au creat astfel prototipi distributed crawling( agenti mobili
crawlere care se deplaseaza acolo unde se afla informatia dorita).

Agenti informationali
Acesti agenti ajuta utilizatorul in cautarea si adunarea informatiilor. Selectia si sinteza
informatiilor cunoasterii se face pe baza informatiei. Abundenta informatiei din prezent face
foarte dificila filtrarea si selectia si de aceea existenta acestor agenti este foarte utila in
manipularea cantitatii uriase de informatii.
Importante beneficii financiare pot fi obtinute prin dezvoltarea motoarelor de cautare ( ex.


7
Google) care ofera o viteza foarte mare atat la cautare cat si la transfer.

Agenti reactivi
Agentii reactivi sunt agentii care reactioneaza la stimuli simpli. Reactiile pot fi foarte variate
datorita comportarii emergente a acestor agenti. Capacitatile sporite de invatare (comparabile
cu retelele neuronale si GP/Evolutionary computation) constituie principalele avantaje ale
acestor tipuri de agenti.

Agenti hibrizi
Agentii hibrizi combina mai multe tipuri de agenti pentru a obtine rezultate mai bune per
ansamblu. Se poate combina ceea ce este mai bun de la mai multe tipuri de agenti.
De ex. se pot mixa agentii informationali cu agentii mobili.

Agenti eterogeni
Agentii eterogeni pot fi vazuti ca sisteme care contin agenti de diferite tipuri: agenti mobili,
agenti de interfata. Motivatia introducerii unor astfel de agenti ar fi ca aplicatiile standalone
pot oferi servicii printr-un wrapping agent(un agent care impacheteaza mai multe functii ale
diferitilor agenti), sistemele vechi ar putea avea o viata mai lunga prin usurinta interactiunii cu
alte sisteme iar ingineria software care are la baza agentii ar putea aduce mari beneficii printr-
o abstractizare mai mare.


1.4 Arhitecturi multi-agent


Sistemele Blackboard
Functionarea unui sistem Blackboard poate fi descrisa ca: O colectie de agenti inteligenti se
aduna in jurul unei table, se uita la informatia scrisa pe acea tabla, o analizeaza si trag
concluzii.
O arhitectura Blackboard are trei componente majore:
- o memorie globala ierarhica bine organizata sau o baza de date, numita Blackboard in
care se salveaza solutiile generate de sursele de cunostinte
- o colectie de surse de cunostinte care genereaza solutii independente pentru Blackboard
folosind sisteme expert, retele neuronale si analiza numerica
- un modul separat de control sau un Scheduler care verifica sursele de cunostinte si o
selecteaza pe cea mai potrivita (Definitie luata de la:
http://www.primenet.com/pcai/New_Home_Page/ai_info/blackboard_t echnology.html)
Aceste sisteme pot avea si caracteristici aditionale: reprezentarea flexibila a informatiei
pentru salvarea in/pe Blackboard, ascunderea reprezentarii interne fata de utilizator, folosirea
unui limbaj comun pentru intercomunicare. De asemenea unele Blackboard pot genera
intern solutii care conduc la contradictii sau noi linii de rationament.
Avantajele sistemelor Blackboard constituie in faptul ca ele permit separarea cunoasterii
in module independente deci permitand fiecarui modul sa foloseasca tehnologia cea mai
potrivita pentru a ajunge la cea mai buna si eficienta solutie dar totodata si in faptul ca
existenta modulelor independente faciliteaza distributia acestora pe mai multe procesoare.
Toti agentii pot vedea toate tablele tot timpul, vizualizand de fapt starea curenta a solutiei.
Fiecare agent poate scrie propriile concluzii pe tabla in orice moment fara a aparea
coliziuni.
Momentul scrierii pe tabla nu va afecta munca celorlalti agenti.



8

Conceptul .Actor.
Obiectivele stabilite prin design in acest caz sunt: informatie distribuita si mutabila,
reconfigurabilitate si concurenta inerenta.
Actorii pot executa trei actiuni:
- trimit informatie catre ei insisi sau alti actori
- creeaza alti actori
- specifica o comportare inlocuitoare( alt actor)
Procesarea actor este reactiva. Actorul este adormit pana cand primeste comunicatia. El
proceseaza practic o secventa liniara de programe. Sosirea mesajelor nu este intotdeauna in
aceeasi ordine cu cea in care au fost trimise.
De asemenea nu exista variabile locale in modele actor simple, iar comunicarea se face
prin email, aceasta fiind o componenta importanta a sistemului.
Dintre proprietatile actorului am putea aminti:
- modelul actorului este asincron
- comunicarea este explicita fara variabile comune
- securitatea si controlul comunicarii sunt destul de slabe deoareace: fiecare mesaj trimis
este eventual livrat si fiecare algoritm eventual progreseaza



Scalabilitatea MAS (Multi-Agent Systems)
Scalabilitatea se defineste ca abilitatea unei solutii a unei probleme de a functiona si atunci
cand dimensiunea problemei creste.
In cazul agentilor prin cresterea dimensiunii problemei ne putem referi la:
- cresterea numarului total de agenti dintr-o platforma din MAS
- cresterea numarului total de agenti de pe mai multe platforme dintr-un MAS
- schimbari in topologiile de comunicatie intre platforme
- cresterea numarului total de platforme dintr-un MAS
- cresterea cantitatii de informatie pe care o utilizeaza agentii
- cresterea diversitatii agentilor
Principiul lui Gustavson despre accelerarea maxima in sistemele paralele spune ca daca
task-ul principal efectuat de un sistem multi-agent implica n agenti si timpul necesar pentru
partea de executie secventiala din solutia problemei este s, iar proportia timpului cat executia
se poate face in parallel este p, atunci acceleratia maxima este:
(s + (p*n))/(s+p) = n + (1-n)*s
Acceleratia este liniara daca timpul secvential s=0

Ca tehnici generale pentru a reliza sisteme multi-agent scalabile ar fi: micsorarea
intarzierilor in comunicare, distribuirea aplicatiei sau replicarea.


Conceptul Agora

In gandirea unui sistem multi-agent se au in vedere urmatoarii pasi: identificarea unui set de
scenarii posbile, analiza scenariilor si identificarea setului de cerinte, integrarea suportului
pentru impartirea si managementul informatiei pentru procesele cooperative, designul
arhitecturii MAS care sa integreze toate cerintele, implementarea arhitecturii si aplicarea
arhitecturii in rezolvarea problemelor specifice.
In cazul arhitecturii Agora putem regasi informatii despre agentii inregistrati, informatii


9
despre sistemul Agora si informatii despre alte sisteme Agora si cunostinte comune.
Informatiile despre agentii inregistrati contin obiectivele, credinte, dorinte si intentii(Beliefs,
Desires and Intentions - BDI), taskurile active si agentii prieteni.


Agora vs Blackboards
- Agora nu permite acces global
- Agora permite crearea flexibila si are o unitate de control mai flexibila
- Agora este orientata pentru suportul functionarii cooperative
- Agora nu este atat de low-level ca Blackboards

1.5 Arhitecturi pentru agenti
Arhitecturile pentru agenti reprezinta miscarea de la specificatii la implementare. Sunt
foarte importante in construirea sistemelor de calcul care satisfac proprietatile specificate de
teoriile agentilor si in luarea deciziilor cu privire la ce structuri software sunt apropiate.
Kaelbling definea arhitecturile agent ca O colectie specifica de module software( sau
hardware), gandite ca niste cutii cu sageti indicand curgerea datelor si a informatiei de control
printre module. O vizualizare mai abstracta a arhitecturii este ca o metodologie generala
pentru conceperea modulelor pentru fiecare task in parte.

Tipuri de arhitecturi pentru agenti
Exista trei mari tipuri de arhitecturi:
1. Arhitecturi agent deliberative sunt un fel de model simbolic al lumii, bazat pe inteligenta
artificiala simbolica
2. Arhitecturi reactive nu sunt bazate pe o reprezentare simbolica centrala a lumii si nici pe
o motivatie complexa
3. Arhitecturi hibride o amestecare a arhitecturilor reactiva cu cea deliberativa

Arhitecturi deliberative
Arhitecturile deliberative sunt un model simbolic explicit al lumii. Metodele de decizie se
bazeaza pe motivatia logica, pattern matching si pe manipularea simbolica.
Primele sisteme erau un fel de sisteme planificatoare ( Planning systems STRIPS) care
aveau legaturi logice foarte stranse.( De ex. Planificarea salilor intr-o universitate). Ele
utilizeaza algoritmi foarte simpli de planificare . Sistemele trebuiau sa execute o secventa de
actiuni care sa atinga scopul dorit. Totusi aceasta planificare era destul de ineficienta. Aceste
sisteme se bazau pe o descriere simbolica a lumii, pe o reprezentare a societatii umane.


Arhitecturi reactive
Arhitecturile inteligente pot fi generate fara o reprezentare explicita simbolica in AI.
Comportamentul inteligent poate fi generat fara interventia mecanismelor abstracte implicate
in procesul de rationament simbolic (inteligenta artificiala). Inteligenta este o proprietate
emergenta a unor sisteme complexe. Ea rezulta ca un efect al combinarii componentelor.
Inteligenta reala este situata in lumea reala, nu in sisteme impartite cum ar fi sistemele expert
sau cele bazate pe demonstrarea de teoreme.
Comportamentul inteligent apare ca un rezultat al interactiunilor dintre agent si mediul sau
inconjurator. Reactivitatea este un model de activitate bazat pe trasaturi de comportament.
Perceptia poate fi impartita in mai multe componente: semantica datelor de intrare pentru


10
agent, un set de fapte ( baza de cunostinte), o specificare a tranzitiilor si actiunile specificate
prin semantica datelor de iesire( reactia de fapt). Un exemplu de arhitectura reactiva poate fi
si urmatorul

Un alt exemplu poate fi cel al unui robot. De exemplu, obiectivul robotului este sa explore o
planeta indepartata ( Marte) si mai concret sa colecteze esantioane dintr-o roca rara.
Specificarea tarnzitiilor ( algoritmul) ar arata in felul urmator:
- daca detecteaza un obstacol atunci schimba directia
- daca are esantioane si se afla la baza atunci le depoziteaza
- daca are esantioane si nu se afla la baza atunci se duce la baza
- daca detecteaza un esantion atunci il colecteaza
- daca true atunci se misca aleator


Concluzii
Agentii si-au gasit o aplicare foarte buna in domeniul comertului electronic. Atribute generale
ale agentilor ca delegarea taskurilor, personalizarea, functionarea continua, semi-autonomia se
preteaza foarte bine in aceste aplicatii.
Aspectele comertului electronic (E-Commerce)
ca securitatea, increderea, reputatia, legile, mecanismele de plati, publicitatea, cataloagele on-
line, suportul multimedia trebuie luate in calcul in gandirea si implementarea agentilor.
Modelul de comportament al cumparatorului este foarte complex si trebuie sa includa toate
etapele de la identificare, negociere, cumparare si livrare, servicii si evaluare.
Domeniile in care isi gasesc astazi agentii inteligenti aplicabilitatea vor determina directiile
viitoare in dezvoltarea acestui domeniu. Societatea umana constituie in orice caz o baza
pentru orice cercetare in domeniul inteligentei artificiale si al agentilor inteligenti.


























11


2. Modele matematice fuzzy pentru structuri holonice


Acest capitol isi propune minimizarea entropiei fuzzy privita ca o proprietate de
independan a structurilor holonice. Cand este aplicat n contextul sistemelor multi-agent
aceast proprietate conduce la gruparea automat a agenilor n organizaii holonice. Cnd
modelm software ntreprinderile cu ageni, proprietatea se ntoarce n caracteristica inerenta
ale organizaiilor virtuale holonice care permit gruparea celor mai buni parteneri si/sau resurse
la toate nivelurile ntreprinderii holonice (virtuale). Aplicabilitatea metodelor de reconfigurare
on-line ale organizatiilor dinamice virtuale este dovedita printr-un exemplu de simulare.
O structur holonic este o holarhie de entiti colaborative, n care o entitate este privit
ca un holon. (Aici termenul entitate este folosit generic: entitate,sistem, lucru, agent).
Termenul holon a fost inventat de Artur Koestler pentru a denumi entiti care exprim n
acelai timp capacittea de autonomie si cooperare si care necesit un echilibru ale fortelor
contradictorii care definesc fiecare din aceste proprietai ale nivelului de comportament. O
principala caracteristic a holonului o reprezint gradul de granulozitate manifestat prin
intermediul copierii in sturcturi similare la niveluri multi-rezoluie. Asemanator cu o
descompunere heterarhic care reprezint o grupare de entiti - numit holarhie. O entitate
holonic prezinta trei niveluri de granulatie :

















2.1 Nivelul global de colaborare intre entitati


La acest nivel fiecare grup de entitati-holonice dintr-o holarhie colaborativ realizeaz un
produs sau un serviciu. Criteriul de grupare suport actiuni si eficiena maxim. n mod
normal acest nivel a fost privit ca un lant static de clienti si furnizori prin care fiecare actiune
si informaie a fost mutat catre ultimul client care solicit produsul ultimului furnizor care l
poate oferi. n interiorul entitii holonice, modelul lantului de aprovizionare este nlocuit de
modelul colaborarii holarhice. (Fig. 1)



12
Cu fiecare partener collaborator modelat ca un agent care nglobeaz toate anstractizrile
relevante a unei cooperari particulare, apare un grup dynamic virtual (Fig.1) care poate fi
configurat on-line conform tintelor collaborative (prin gasirea celui mai bun partener n
vederea colaborrii). O astfel de holarhie dinamica de colaborare poate face fata unor
perturbaii neasteptate (inlocuirea unui partener colaborant care nu poate termina la timp )
prin intermediul reoconfigurarii on-line al sistemului deschis pe care l reprezint. Acesta
furnizeaz sarcini on-line partenerilor disponibili precum si mecanismele de desfurare care
asigur ordinea raportarii erorilor in timp real precum si ordinea cererilor.

2.2 Nivelul intra-entitate
Odata ce entitatea si-a asumat responsabilitatea pentru partea de lucru asignata, va trebui sa isi
organizeze propriile sale resurse pentru a termina la timp in concordanta cu cerintele
grupurilor colaborative. Planificarea si programarea dinamica a resurselor la acest nivel
permite functionarea reconfigurarii si a flaxibilitii prin intermediul selectarii unitilor
funcionale, reasignarea locaiilor sale, i definirea interconexiunilor lor (ocolorea mainii
defecte, schimbarea funciilor masinii multi-funcionale).

Acesta e realizat prin intermediul raspunsului mecanismului dinamic virtual de grupare care
are acum fiecare resurs in interiorul entitii clonate ca un agent care abstractizeaz aceste
caracteristici functionale relevante taskului specific asignat de holarhia colaboranta la
partener. Reconfigurarea programarii, pentru a face fata unor noi ordine sau perturbatii
neasteptate () permite prin intermediul regruparii agentilor reprezint resursele actuale ale
entitaii, Fig.2. Este prezentat principalul criteriu al realocarii resurselor atunci cand este
realizata minimizarea costului prin criteriide optimizare.













2.3 Nivelul masina (agentul fizic)

Acest nivel este in legatura cu controlul distribuit al masinii care executa un task. Pentru o
fabricatie rapida prin repartizarea reconfigurarii, elementele de automatizare inteligente
distribuite ale fiecarei masini sunt clonate ca agenti care abtractizeaza toti parametrii necesari
configurarii sistemului de control holonic , conducand productia distribuita.



13

Fig. 3: Nivele Fizice si logice ale unei entitati holonice

Un rol major in structura organizatorica a oricarei entitati holonice il joaca agentul mediator
(fig.4). Prin urmare vom demonstra cu ajutorul incluziunii ca minimizarea entropiei fuzzy in
interiorul agentului mediator se intinde de la nivelul logic pana la o structura holonica
perfecta a nivelului fizic.


2.4 Aproximarea

Un sistem multiagent (MAS) este privit ca un sistem dinamic in care agentii schimba
informatii organizate cu scopul de a atinge tinta stabilita. Cunostintele optime corespund unui
nivel optim al organizarii informationale si al distributiei de-a lungul agentilor. Aceasta
inseamna ca putem considera entropia ca o masura a gradului in care ordinea informatiilor se
propaga de-a lungul agentilor. De obicei aceasta informatie este incerta, necesitand cateva
modalitati de modelare pentru a face fata unor diferite aspecte ale incertitudinii. Setul de
teorie fuzzy ofera un spaiu de lucru adecvat care necesit folosirea entropiei fuzzy
generalizate[5].

Putem privi agentii MAS ca fiind sub influenta campului informational care conduce
interactiunile inter-agent catre realizarea echilibrului cu alti agenti cu respectarea acestei
entropii. Entropia fuzzy generalizata reprezinta masurarea potentialului acestui camp si
echilibru pentru agentii aflati sub aceasta influenta corespunde unei organizari optime a
informatiei de-a lungul MAS cu respectarea realizarii tintei propuse. Cand obiectivul final al
MAS se schimba (datorita unor evenimente neasteptate, precum si necesitatea de a schimba
un partener, un defect la masina, etc) punctul de echilibru se schimba precum si o noua
redistribuire a informatiei tuturor agentilor cu noi interactiuni intre agenti. Acest mecanism
care permite reconfigurarea dinamica a sistemului cu redistribuirea prioritatilor reprezinta
esenta structurii dinamice holonice. In urmatoarele subcapitole, vom demonstra ca gruparea
agentilor dintro structura holonica MAS ajunge la echilibru care asigura realizarea optima a
taskului propus.






14
2.5 Modelarea vaga in MAS - Formularea Problemei

Este deja cunoscut faptul ca printre alte aspecte ale incertitudinii, vagi cu informatii care sunt
necorespunzatoare. In contextual sistemelor MAS aceasta inseamna ca distingerea clara intre
un posibil plan de extindere impus de tinta si o conducere a unui plan, pe de alta parte, la o
tinta diferita sunt lucruri greu de distins. Noi o numim impartirea configurarii grupurilor in
care asocierea tuturor grupurilor este identica setului unui agent atunci cand grupurile nu sunt
suprapuse. Daca grupurile se suprapun ( niste agenti sunt in acelasi timp in doua grupuri )
configuraia gruparii se numeste acoperire. Definim un plan la inceputul succederii tuturor
starilor de tanzitie ale MAS pana cand ajunge la scopul propus. Fiecare stare a MAS este
descrisa de o configuratie sigura de grupare care acopera un set de ageni.

Daca informatia de-a lungul MAS este vaga, unul poate construi numai o colectie de planuri-
sursa (un set de configuratii de grupuri considerate ca surse pentru planuri) associate cu o
tinta globala specifica. Exista doua diferente principale intre un plan si un plan-sursa. Prima,
intrun plan, existenta configurarii la timp a grupurilor este clar specificata, in timp ce la un
plan-sursa de obicei este necunoscuta. In al doilea rand , intrun plan, configuratiile pot fi
repetate in timp ce la planul-sursa include numai configuratii diferite care pot fi extrase pentru
a construe un plan, urmand niste strategii. Modelul nostru incepe cu urmatoarele ipoteze:

H1 Desi sistemele multi-agent (MAS) reprezinta o colectie de entitati deterministe (numiti
agenti), comportamentul lor poate fi stochastic, datorita perturbatiilor interne si externe.
H2 Nu e disponibila nici o cunostinta importanta despre MAS insa scopul general al
sistemului(astfel este cunoscuta, cel putin o tinta globala care poate fi atinsa printro maniera
clara) si numarul de agenti (notat cu N)
H3 Sunt observabile structurile de configuratii ale grupurilor si aparitiile lor cot fi contorizate
in timpul evolutiei MAS de la starea initiala la cea finala, pentru orice tinta data.

Incepand cu aceasta informatie incerta, problema o reprezinta furnizarea modelelor fuzzy ale
MAS, utilizate in selectarea celui mai putin incert (cel mai punin vag) plan-sursa.


2.6 Formularea matematica a problemei

Fie
N n
n N
a
, 1
} {
e
= A setul de 1 > N agenti care apartin MAS. Bazndu-ne numai pe
informatia incerta iniial, se poate construi o familie
K k
k
, 1
} {
e
= P P , care conine 1 > K
colecii de configuraii de grupuri, pentru o tinta globala presetata. Fiecare
k
P ( K k , 1 e )
poate fi asociata ca un plan-surs in sensul c poate fi o sursa ale partitiilor pentru un plan
MAS. Astfel, un plan surs este exprimat ca o colecie de 1 >
k
M configuraii de grupare
diferite acoperind
N
A , care pot aparea in timp de MAS evolueaz ctre scopul final:
k
M m
m k k
P
, 1
,
} {
e
= P .

Singura informaie disponibil despre
k
P este gradul de apariie asociat fiecarei astfel de
configuratie,
m k
P
,
, care poate fi asignat ca un numr ] 1 , 0 [
,
e
m k
o .Astfel, corespondena gradelor
de apariie este membr a unei familii bi-dimensionale
k
M m K k
m k
, 1 ; , 1
,
} {
e e
o
, care, precum o stare
anterioara, cuantific toate informaiile disponibile despre MAS.


15
In acest context, dorim sa construim o masura a incertitudinii, V (de la vag), de tip fuzzy,
valoare real, definit pe un set al tuturor planurilor sursa ale multimii
N
A si care sa
optimizeze in ordinea selectarii planului sursa cel mai putin vag din familia
K k
k
, 1
} {
e
= P P :

) ( opt arg
, 1
0
k
K k
k
V P P
e
= , where K k
o
, 1 e . (2.1)
Costul V al functiei ceruta in problema (2.1) va fi construit folosind o masura a fuzzificarii
[6]. Prezentam in continuare pasii acestei constructii



2.7 Aparitia structurilor holonice

2.7.1 Relatii fuzzy intre ageni

Vom modela interaciunile agenilor cu ajutorul relaiilor fuzzy considernd c doi ageni sunt
n relaie dac au schimb de informaii. Cand exista un schimb de informaii intre 2 ageni
apartinand aceluiasi grup se pot descrie configruratiile grupurilor utiliznd aceste relaii
fuzzy. Famia de relatii fuzzy
K k
k
, 1
} {
e
R intre agenii MAS (
N
A ) este construit folosind
numerele
k
M m K k
m k
, 1 ; , 1
,
} {
e e
o si familia de planuri sursa
K k
k
, 1
} {
e
P . Considernd K k , 1 e si
k
M m , 1 e fixate
arbitrar.
In construirea relaiilor fuzzy
k
R , plecam de la observaia c asocierea agenilor in
grupuri este asemanatoare cu gruparea lor in clase compatibile sau echivalente, dandu-le o
relaie de legatura (binara) intre ei. Proprietile compatibile ale reflexivitii si simetriei sunt
indeplinite.

Relaia de coresponden dat de
m k
R
,
poate descris de : doi ageni sunt legati dac fac parte
din acelai grup. Obtinem ca A i respetiv B nu sunt in relaie
m k
R
,
(unde
N
a,b A e ) sunt
exprimati de b aR
m k,
si b aR
m k,
. Relatia
m k
R
,
poate fi de asemenea descrisa de fiind o matrice
N N , unde
N N
m k
H

9 e
,
- matricea caracteristicilor cu elementele ] , [
,
j i H
m k
ce au valori 0
sau 1, depinznd dac un agent este sau nu in acelasi grup. (Aici, 9este un set de numere
reale). Astfel,

=
j m k i
j m k i
def
m k
a R a
a R a
j i H
,
,
,
, 0
, 1
] , [ , N j i , 1 , e . (2.2)
Aceast matrice este simetric (evident dac b aR
m k,
atunci a bR
m k,
) iar diagonala principala
are valoarea 1 (fiecare agent se gaseste in acelasi grup cu el insusi). Acest lucru ne permite sa
specificam complet configuraia
m k
P
,
, asa cum am demonstrat urmarind rezultatul (vezi
Anexa )




16
Teorema 1. Fie } ..., , , {
2 1 M
A A A P = o configuratie de grupare a unui set de agenti
N
A
unde
m
A
este un cluster, M m , 1 e :

M
m
m N
A
1 =
= A
. Construim urmatoarea matrice
N N
H

e } 1 , 0 {

=
_ e -
inrest
A a a t astfelinca M m
j i H
m j i
def
, 0
} { , 1 , 1
] , [
,


Atunci P este unic determinat de H.
Acest rezultat arat c relaia
m k
R
,
definit de includerea agentilor in acelai grup este unic
asignat configuratiei gruparii
m k
P
,
(nici o alt configuraie nu poate fi descris de
m k
R
,
).
Astfel, fiecare relaie de interconectare
m k
R
,
poate fi in mod unic asociat gradului de apariie
asignat configuratiei
m k,
o . Impreun, pot defini asa numita o -distinct al relaiei fuzzy
k
R ,
cu ajutorul egalitii (=) in loc de ( > ) in definitia clasica a o - distincta. Deci, relaia
m k
R
,
este
o relatie o - distincta a multimii
k
R definita pentru
m k,
o


In consecin, putem constui o relatie fuzzy (binar) elementar
m k,
R a carei matrice din care
face parte este exprimat ca un produs intre caracteristicile matricei
m k
H
,
, definit de (2.2), si
gradul de apariie
m k,
o , care este:
m k m k
H
, ,
o . Acest set fuzzy
N N
A A este de asemenea in
mod unic asociat cu
m k
P
,
.
Dac K k , 1 e este pstrat fix, dar m variaz in domeniul
k
M , 1 , atunci este generata o familie
de relatii fuzzy elementare:
k
M m
m k
, 1
,
} {
e
R . In mod natural
k
R este apoi definite ca o reuniune
fuzzy:

k
M
m
k,m
def
k
1 =
= R R (2.3)
De obicei, relatia (2.3) este calculat folosind operatorul max (altfel niste alte definitii ale
reuniunii fuzzy pot fi considerate bune). Acest lucru implic ca matricea din care face parte
k
R este exprimata dup cum urmeaz(prin folosirea operatorului max)

{ }
N N
m k m k
M m
def
k
H
k

e
9 e - =
, ,
, 1
max o M
(2.4)

Unde - max are effect asupra elementelor matricei si nu la nivelul global pe matrici.Ecuatiile
(2.3) si (2.4) sunt apropiate de forma rezolutiei al
k
R , aa cum este definit n [16]. Oricum,
niste coeficieni
m k,
o (in general cu valori mici) pot sa dispar din gradele de legatura ale
k
R .

De obicei, pn cnd toate matricile
m k m k
H
, ,
o sunt simetrice, forma
k
M (2.4) este de asemenea
simetric, ceea ce nseamn c
k
R este o relaie fuzzy simetric. Este evident reflexivitatea
fuzzy (elementele nenule pe diagonal principal). Astfel,
k
R reprezint cel puin o relaie
apropiat. Maniera n care grasele de apariie sunt asignate partitiilor afecteaz foarte mult
calitatea relatiei fuzzy. Desi toti o -sharp-cuts pot fi relaii echivalente, nu este necesar ca
rezultatul relatiei fuzzy s fie unul similar (reflexivitatea fuzzy, simetria si tranzitivitatea). Dar
este cel putin o relatie apropiat, aa cum este exprimat in contnuare:



17
( )
k k k
M M M - > , (2.5)

Este mult mai dificil de asigurat.

Aici - > acioneaz asupra elementelor matricii, i relev alctuirea relaiilor fuzzy. n
cazul tranzitiei max-min, aceasta este exprimat in mod similar la multiplicarea clasic a
matricilor, unde operatorul max este folosit in loc de adunare si min in loc de produs:

( ) { } ] , [ ], , [ min max ] , [ ] , [
, 1
j n n i j i j i
k k
N n
k k k
M M M M M
e
= > , (2.6)

Unde N j i , 1 , e i ] , [ j i M este elementul curent al matricii M .


Ecuaiile (2.5) sau (2.6) exprim o procedur interesant de a crea relatii similaritate ncepnd
cu unele apropiate, prin folosirea noiunii de final tranzitiv. Un final tranzitiv a unei relaii
fuzzyR este, prin definiie, ralatie fuzzy minim tranzitiv care include R . (Aici minimul este
considerat este luat n considerare prin respectarea incluziunii pe seturi fuzzy.)
In mod interesant, compunerea relatiilor fuzzy pstreaz relexivitatea si simetria, dac relaiile
nu sunt neaprat identice, si pstreaz la acelasoi nivel tranzitivitatea, dac relaiile sunt
identice.

Teorema 2. Fie Q si R relaii binare fuzzy i
Q
M , respectiv
R
M matricile lor de legtur
N N . Notm cu C compunerea: R Q C = . Atunci
R Q C
M M M = (produsul fuzzy) si:

1. Dac Q i R sunt relaii reflexive, atunci C este de asemenea reflexiv.
2. Dac Q i R sunt relaii simetrice, atunci C este de asemenea simetric.
3. Dac R Q = i R este o relaie tranzitiv, atunci C este tranzitiv.


Este foarte important sa se pastreze vecintatea relaiei
k
R prin compunerea cu ea nsei,
deoarece urmtoarea procedur simpl ne permit s generm o relaie de similaritate. Primul
pas const n 2 operaii: o multiplicare fuzzy a matricei si o reuniune fuzzy.


1.Se calculeaz relaia fuzzy : ) (
k k k k
R R R Q = .
2. Dac
k k
R Q = , nlocuim
k
R cu
k
Q i mergem la pasul 1Altfel daca
k k
R Q = este ultima
tranzitie pentru
k
R initial


Exprimata de operatorii max si min ca in (2.6) i (2.4)). Al doilea pas este un test simplu si
eficient al tranzitivitatii fuzzy, pentru orice relaie, evitnd inegalitile (2.5) sau (2.6).
Similaritatea este de asemenea important in acest context, pn ce se arat caracterul holonic
al MAS. Deocamdat, a fost construit o hart bijectiv (corespunztoare teoremei 1) ntre
K k
k
, 1
} {
e
= P P si
K k
k
, 1
} {
e
= R R , numit T.




18

2.8 Masura fuzificrii

Urmatorul pas are ca scop construirea masurii de fuzificare a relaiilor fuzzy pe
N N
A A ,
care va fi folosit pentru selectarea relaiei fuzzy minimizat in interiorul setului
K k
k
, 1
} {
e
= R R .
O clas important const n masuri care evalueaz fuzificarea unui set fuzzy prin luarea n
consideraie a setului si a complementului. De la aceast clas, am selectat Masura lui
Shannon, derivat din functia lui Shannon generalizat:
(2.7)
| |

+ =
+
9

=
M
m
m m m m
def
M
M
x x x x x S x x
S
1
2 2 1
. ) 1 ( log ) 1 ( log ) ( ) ,..., (
] 1 , 0 [ :

(2.8)



Aceast funcie are un maxim unic (egal cu M, pentru 2 / 1 =
m
x , M m , 1 e ) i
M
2 minim de nul
(in vrful hipercurbei [0,1]
M
). De exemplu, dac M=2, este generat suprafaa descris mai
jos. n general, S genereaz un hiper-plan in interiorul spaiului Euclidian
M
9 , dar toate
miminele sunt zero.
Dac argumentul acestei funcii este o distributie a probabilitii, aceasta se refer la entropia
Shannon. Dac argumentul este o functie de legarur ce defineste un set fuzzy, aceasta se
refer la entropia fuzzy (Shannon).Rezult entropia fuzzy

S . Apoi, conform ecuaiei (2.8),

S este exprimat, pentru toti K k , 1 e

| | | |. ] , [ 1 log ] , [ 1 ] , [ log ] , [ ) (
1 1
2
1 1
2
= = = =
=
N
i
N
j
k k
N
i
N
j
k k k
j i j i j i j i S M M M M R

(2.9)


Evident, aceast funcie are un singur maxim iar toate minimele sunt nule, cu respectarea
variabilelor ] , [ j i
k
M , dimeniunea sa fiind
2
N M =
Dou argumente principale, motiveaz aceast alegere. Primul,

S ne ajut sa realizm o
conexiune direct ntre how fuzzy este un set si ct incertitudine conine. Astfel, de cnd

S
calculeaz cantitatea de informaie a unei entiti informaionale, denumit un set fuzzy, setul
de funcii de minimizare fuzzy va conine informaia minima a incertitudinii. Al doilea,
ignorana total (sau incertitudinea) informaiei este dat de singurul maxim al

S , cu toate
c punctele minime multiple (acum, varfurile hiper-cubului) apartin unei zone de cunotere
perfect (ca fiind posibil cel putin o informaie incert). ntre ignorana total(care in mod
interesant este unic) i zona de cunostere perfect (care este ntotdeauna multipl) exist
multe puncte intermediare asociate cu diferite grade de incertitudine ale cunoterii asupra
entitii.





19
Mai mult, se poate determina fora de conducere catre cunoatere?, prin calculul gradientului
entropiei fuzzy a lui Shanon. Este interesant de remarcat c amplitudinea acestei fore (norma
acesteia) are expresia

= =
(

= V
N
i
N
j k
k
k
j i
j i
S
1 1
2
2
] , [
] , [ 1
log ) (
M
M
R

, (2.10)

Creste foarte rapid in apropierea oricarui punct de cunoastere perfect.(vezi figura 6.b de mai
sus).

2.9 Masura I ncertitudinii

Cu toate c exist un singur maxim al entropiei fuzzy al lui Shannon, descris de relaia
(2.10), cutm unul din minimul su. Msur necesar a incertitudinii, V, este obinut de
compunerea

S in (9) cu T n (7), care este: T S V

= . De remarcat c V nu este o masur a

fuzzificrii, deoarece, domeniul su de definiie este setul planurilor surs (seturi incrucisate)
si nu setul relaiilor fuzzy intre ageni (seturi fuzzy). Dar, pn cnd T este o bijecie,
problema optimizrii este echivalent cu:

) ) ( min arg (
, 1
1
0
k
K k
k
S T P P

e

= , where K k
o
, 1 e . (2.11)

Noua problema (2.11) nu necesit un algoritm deoarece k este un numr finit al tuturor
minimelor, cu tot cu multiplu, sunt zero i localizate n vrful hyper-curbei
2
] 1 , 0 [
N
. Probleme
pot aparea numai dac k este foarte mare. n acest caz, pot fi folositi algoritmi genetici sau
algoritmi de regenerare pentru a gsi minimul. Potrivit interpretrilor anterioare
0
k
P este cea
mai mic valoare fuzzy, cea mai mica incertitudine a familiei de forme a planului- surs i cea
mai atras de zona de cunotine. Corespondena relaiei fuzzy optime
0
k
R poate fi util n
construirea celui mai putin incert plan al MAS.



2.10 Aparitia grupurilor de holoni

Odat ce a fost selectat o pereche (
0
k
P ,
0
k
R ) pentru rezolvarea problemei (2.11) (pot fi
posibile mai multe optiuni, pn de este disponibil un minim multiplu), ar trebui identificat
un plan surs corespunztor. Sunt posibile 2 variante:

Afiarea tuturor configuraiilor al
0
k
P (prin extragerea, eventual, a acestor configuraii pentru
care gradul de apariie tinde ctre zero n
0
k
R )
} , , , {
0
0 0 0 0
, 2 , 1 ,
k
M k k k k
P P P = P
Construirea altor planuri surs prin utilizarea lui
0
k
R i nu a lui
0
k
P .

Exist un motiv pentru a doua optiune. De obicei, informaia iniial disponibil referitoare la
MAS este att de vag nct este imposibil s se construiasc vreun plan-surs solid. Acesta


20
este cazul, de exemplu, cnd putem seta gradul de aparteneta corespunztor grupurilor create
numai de cuplurile de agenti. Dar este de dorit identificarea a cel putin unui plan surs pentru
rezolvarea problemei.

Ideea principala pentru construirea diferitelor planuri-surs este s se evaluezeo -
disponibilitate al
0
k
R i aranjarea lor n ordine descresctoare a relaiilor lor. Aceast ordine
reprezint tot ce poate specifica ncepnd cu informaia iniial referitoare la MAS. Cand
construim un model, pn cand nu este luat n consideratie perioada de evoluie n MAS, nu
este inc disponibil criteriul de ordonare dup timp. Pentru acest aspect al cercetrii vezi [7].
Astfel, planurile nu sunt construibile cu acest model. Oricum, este posibil ca un plan s
coincid cu plan surs generat n aceast manier (n special cnd relaia este similar cu alta)


Potrivit teoremei 1, fiecare matrice
o ,
0
k
H n (2.12) genereaz o singur configuraie a gruparii
aginilor peste
N
A . Astfel,apar doua categorii ale planului surs: echivalena sau planuri
surs holonice (atunci cnd
0
k
R e o relaie de similitudine) i planuri surs compatibile
(atunci cnd
0
k
R reprezint doar o relaie apropiat).


Cnd relaia fuzzy associat
0
k
R este una de similaritate, atunci este evideniat o proprietate
interesant a MAS: grupurile sunt associate n ordinea formarii de noi grupuri, precum grup
n interiorul altui grup, ca o structur holonic. Mai mult, similaritatea relaiei
0
k
Q poate fi
construita ncepnd cu relaia apropiat
0
k
R , urmarind procedura descris la pasul 2. Astfel, poate fi relevat poteniala structur a
MAS, chiar dac acesta nseamn dezvoltarea ntro maniera non-holonic.

Cand
0
k
R este doar o relaie de aproximare, tolerana(compatibilitatea) claselor ce poate fi
construit ca o colecie de grupuri suprapuse. De aceast dat,faptul c grupurile pot fi
suprapuse (interconectate) unul sau mai muli ageni pot s apartin n acelai timp diferitor
grupuri relev capacitatea unor ageni de a juca roluri multiple prin implicarea n cteva
taskuri n acelai timp.

o -disponibilitate al
0
k
R reprezint relatiile
o ,
0
k
R pentru gradul de apartenenta ] 1 , 0 [ e o .
Matricea caracteristicilor elementelor lui
o ,
0
k
R este definit de:

>
=
altfel
j i M daca
j i H
k
def
k
, 0
] , [ , 1
] , [
0
0
,
o
o
, N j i , 1 , e . (2.12)





Aceast capitol a evideniat c minimizarea entropiei fuzzy este mecanismul care organizeaz
structurile n entiti holonice. O zon de aplicaii reprezint reconfigurarea automat a unei
structuri euate cu restabilirea proprietilor holonice. In contextul ntreprinderii holonice


21
principal aplicabilitate o reprezint gsirea partenerilor celui mai apropiat din punct de vedere
al colaborarii.


2.11 Sistem de control holonic

n acest paragraf vom examina cerinele specifice de control i de a arta c mediul este
compatibil cu aceast abordare multi-nivel. n primul rnd, Figura 2.4 arat problemele de
control att de natur static ct i dinamic ce apar la orice nivel al fabricaiei.




Nivel Tip Static Dinamic
Control
Local
Continuu
Model bazat
pe setare
Model bazat
pe control
Control al
Procesului
Discret/Continuu Grafic
Replanificare
dinamica
Management
al procesului
Discret
Planificarea
Produciei
Planificare
dinamica


Fig 2.4 Probleme de control statice i dinamice pe diferite nivele de productie


Dei algoritmii i domeniul problemei sunt n mod evident diferite, n fiecare caz exist o
problem de reglare a variabilei de control, prin intermediul feedback-ul pentru a alinia o
variabil de ieire la o setare dorit. n contextul holonic, cerintele algoritmilor de control
statici si dinamici reprezint tinta poziionrii, astfel, algoritmii de control ar trebui sa fie
furnizai cu un set de cereri (conectate la un task sau un sub-task) iar acestea trebuie mai nti
convertite (la nivel nalt) n cerine ce pot fi soluionate nainte de rezolvarea problemei.














Fig. 2.5 Model de control ce suport cerintele stabilirii obiectivului pentru HMS


22


Sistemul de stabilire a obiectivului din figura 2.5 are proprietatea intern de a converti
obiectivele (tintele) sau necesitile ntrun set de parametrii permii sau traiectorii ale
caracteristicilor prin anumite funcii de decizie, D. Aciunea de control este apoi trimis
procesului P. Parametrii din figura 2.5 sunt:

P- proces (+model+controller)
D- problema de decizie
- principiul deciziilor
M- set de decizii alternative
U- set de evenimente alternative
Y- set de ieiri posibile



Dezvoltarea problemelor de decizie potrivite (flexibile) reprezint cheia pentru integrarea
activitii controlului n sistemele holonice ale caror obiective pot diferi n funcie de mediul
n care opereaz. Optimizarea distribuit bazat pe principiul deciziei este adaptat perfect
sitemelor holonice, iar metodele de cautare ale obiectivului pot ajuta la integrarea
optimizrilor complexe bazate pe algoritmi de control n cadrul operaiilor de fabricaie.
Figura 2.6 arat faptul c un algoritm de tipul

este privit n mod obisnuit ca un motor de

cutare a scopului. Principiul deciziei,, reprezint minimizarea lui

norma funciei de
cost, care este




unde G este modelul procesului sau funcia care trebuie controlat, W ponderea
corespunztoare funciei de cost, M este asa numitul

standard al intreprinderii ce combin

ponderile, modelul de proces i interconexiunile, K este conrollerul care trebuie proiectat i
F
L
() este Transformata Liniar Fracionar ce combin aceste elemente pentru a forma
funcia de cost. Problema de decizie, D, este cea a selectrii ponderilor optime
corespunztoare ce caracterizeaz necesitile globale i determin un set corespunztor de
controale care satisfac acest necesitate. De aceea, referindu-ne la figura 2.6 procesul P,
nglobeaz procesul real, un model al lui insusi precum i controlul reaciei selectat.












Fig 2.6 Algoritmul

in modelul de cutare al scopului

23
Ca un exemplu, obiectivul global de control al unui Holon la un nivel local sau de proces ar
putea obine un punct al obiectivului pn la 1% la starea de echilibru (frecvenele ma jos de
0.01 rad/sec), cu constrngere suplimentara c modelul procesului incorporat n holon este
garantat pentru o acuratee de pana la 10% din adevarata caracteristica a procesului (la
frecvene ridicate, unde cele mai multe moduri dinamice sunt neglijate). Procesul de decizie
trebuie s produc un controller K
m
dintro clasa fezabila de controlere K care vor atinge acest
obiectiv.


2.12 Cerinte pentru diagnosticare

Sistemele holonice necesit o capacitate de diagnosticare ncorporat pentru a mentine
caracteristica lor de autonomie. Doua aspecte ale acestei capaciti sunt necesare holonului
pentru a detecta i a diagnostica problemele interne sau daca este necesar, prin cooperarea cu
holonii vecini.
Detecia implic semnalizarea dar nu este necesara trasarea problemei n sistemul holonic.
Metoda propus pentru un mediu holonic este utilizarea unei stari a sanatii prezent n
fiecare holon pentru a indica operaiile normale sau potenialele probleme.

Starea de sntate este rezultatul unei defectoscopii locale n care holonul, care poate fi privit
ca o varietate de instrumente sau aproximeaz analitic redundant (bazat pe model) fiecare,
care este n mod fundamental o comparaie ntre caracteristica actual si cea ideal dat de
model. (Este n mod precis compararea operaiilor n modelele interne astfel se determin
starea de snatate). Toi holonii calculeaz o stare de sntate i nregistreaz acest stare la
un holon local de diagnosticare. Starea de sntate este o valoarea tipic ntre 0 i 1
(corespunztoare gradului de nepotrivire a modelului), unde 1 nseamn fr defecte iar 0
nsemn complet indisponibil pentru utilizare. La detecia erorii, holonul de diagnosticare
initializeaz o procedur de interogare numit stri de snatate a tuturor holonilor pentru a
forma o semntur a defectului (Figura 2.7) i dac este necesar, extinde aceast procedur de
interogare la sub-nivelele holonilor. Acest lucru este aratat n figura 2.8.














Fig. 2.7 Interogarea folosind Conceptul Strii de Sntate pentru a forma Semntura de Sntate

n practic, este de neconceput ca, pentru motive de costuri sau configurare, s presupunem c
orice holon singular va avea un numr suficient de senzori pentru a-i permite acestuia s
izoleze fiecare condiie de defect.Noiunea de senzor include de asemenea senzorii virtuali,
prin care un semnal poate fi reconstruit utiliznd modele interne ale holonilor valori deduse


24
sau calculate din ali senzori reali/virtuali. Mai mult, asociate de asemenea cu cu fiecare
senzor este gradul de ncredere (de la 0 la 1) indic fiabilitatea de a citi. n general, mai muli
holoni vor avea nevoie s coopereze la identificarea cauzei comportrii anormale care este
evideniat n figura 2.8 prin semnul ? la semntura de sntate.









Fig. 2.8 Exemplu de semnatura a defectului pe 2 nivele




2.13 Analiza problemei de racire a unei instalaii de producere a oelului

Scopul acestui capitol este de a arta maniera n care poate fi ncorporat controlul i diagnoza.
Figura 2.9 ilustreaz o cale de rulare, unde zona de racire cu ap este mprit n 5 tancuri de
rcire, fiecare avnd control separt al debitului de apa. Scopul este setarea i controlul
debitului de rcire, astfel este obinut temperatura final dorit T
C(sfarsit)
, n timp ce un scop
adiional reprezint minimizarea n timpul rcirii a diferenei de temperatur de la suprafa la
centru. Ambele scopuri sunt importante pentru proprietile metalurgice finale ale barei de
oel. Sistemul curent furnizeaz numai un control rudimentar care este sensibil la blocrile
clapetelor si la defectul recipientelor de apa este incapabil s menin garantarea proprietilor
metalurgice in aceste circumstane.


Pe scurt, problemele i scopurile propuse n acest studiu sunt

PROBLEME
Sistemul este incapabil s manipuleze noi produse
Rigiditatea setrii rcirii
Mentenana ridicat a tancurilor de apa
SCOPURI
Integrare metalurgic bazat pe modele de rcire
Negociere demonstrat pentru setare (Cooperare)
Dezvoltare de strategie auto-diagnoza (Autonomie)

Fiecare scop n sine nu constituie cerinele unei soluii holonice, dar combinaia acestor
probleme permite analiza ntrun cadru holonic. De asemenea, scopul studiului nu este
mbuntirea performanei sistemului n funcionare normal ci de a extinde abilitatea de a
opera efectiv n condiii anormale sau de schimbare.










25





















Fig. 2.9 Diagrama holonica de racire




2.13.1 Soluia holonic

Structura holonic propusa pentru problema de rcire, cuprinde trei nivele ale funciilor de
procesare fizice

- Nivelul ROD MILL unitate (uniti) o unitate pe calea de procesare responsabila
pentru setarea si obtinerea scopului n raport cu caracteristicile produsului final si a
cerinelor ntlnite n producie
- Nivelul de rcire responsabil cu convertirea obiectivelor metalurgice n subobiective
de rcire i negocierea aproximativ optimal
- Nivelul valvei responsabil de alimentarea cu apa asa cum este cerut(unitate
rudimentar)
Mentenana- funcii de interfaare cu omul care interacioneaz asa cum este cerut de
functiile de rcire i ale clapetelor.



2.13.2 Configurarea / Soluie de control

Fiecare bloc de rcire are functii de control si setare (in PLC) iar mentenanta i functiile de
reparatie (operatorul uman) reprezint un holon.(ca in fig.2.9)
Este demonstrat faptul ca utilizand un algoritm (contract de licitaie) poate fi obtinuta o co-
operare simpla si efectiva pentru determinarea fluxului corespunzator in fiecare bloc de racire.
Luarea deciziei este completata in termenii sub-obiectivelor a tuturor obiectivelor la nivelul


26
holonului local, cu licitarea sistemului permitand holonilor negocierea celei mai bune solutii
in scopul realizarii unei solutii consistente a obiectivului total.
Un set complet de rezultate pentru aceasta problema de co-operare este inregistrata in alta
parte. Acest proces poate fi scris intr-un cadru ierarhic ilustrat in figura de mai jos. Diagrama
reprezinta un exemplu de joc co-operativ, unde , in cazul holonului de baza a problemei de
racire, functia de decizie globala este de fapt preluat in fiecare din holonii participanti in
scopul asigurarii unei functionari sigure in cazul in care se inregistreaza erori la un singur
holon.















Fig. 2.10 Problema de control a rcirii ca un sistem de hierarhic de gasire a obiectivului
Trasatura importanta a acestei probleme este faptul ca analiza complet generica si asociata
precum si tehnicile de sinteza ar putea fi aplicate la interactiunea dintre unitatile implicate in
problema de fabricatie discreta, precum alocarea resurselor la masinile de stantare.
O cercetare aprofundata in aceast domeniu este ceruta pentru a dezvolta un cadru sistematic
pentru operatia holonilor, si in mod particular rezultatul manipularii multiplelor straturi de
sub-holoni ce nu au fost adresate.




2.13.3 Soluie de diagnosticare

Metodologia pentru diagnosticarea manipularii holonice pentru problema de racire a fost
dezvoltata ca un exercitiu conceptual. Oricum, acest exercitiu este suficient pentru a ilustra
mecanismul metodologiei de diagnostic holonic. Exercitiu a identificat cele mai importante
trei erori care ce au loc in zona de racire. Acestea sunt aderenta valvei care controleaza
nivelul jetului care regleaza pozitia fluxului, valva de rezistenta de fuga in paralel care
directioneaza fluxul de apa pe si intr-o alta directie de la bare ca un sprijin cerut si uzura
suprafetei interne a fluxului de ajutaj care conduce la deteriorarea graduala a fluxului si
calitatii racirii. Este notat faptul ca, in interesul calitatii, un operator este curent utilizat full
time pentru mentinerea cutiilor de racire. .
Pentru o ilustrare completa a modului in care lucreaza holonul de diagnostic, corectorul se
refera la o lucrare viitoare pe acest subiect. Oricum, daca consiedram cazul simplu al
controlului jetului de aderenta , Figura 2.11 arata evolutia mapei defectelor pentru acest defect
particular. Aceasta demonstreaza ca exista cel putin trei alte mecanisme pentru defecte care
sunt declansate de acelasi semnal de detectie al erorii. In mod evident la nivelul holonului de


27
racire local acesta creeaza anumite ambiguitati. Poate fi aratat faptul ca problema detectiei
cere doua niveluri de semnaturi de defect si cateva co-operari externe intre holonii de racire.








Fig. 2.11 Harta defectelor al procesului de rcire
































DEFECT INDICATOR LOCATIA
HOLONULUI
EROARE ALTE DEFECTE
CANDIDATE
Control al valvei
blocate
Tendinta usoara
peste 0,5 Hr.
Harta si istoricul
starilor
Eroare temporara
consistenta ;
posibil n directie
greit
Uzura clapetei
Scurgere prin
furtun sau colier
Presiunea apei
redusa


28


3. Strategii optimale de conducere a sistemelor dinamice hibride
aplicaie la sistemele de roboi cooperativi -



Capitolul vizeaz studiul sistemelor de roboi cooperativi (care execut mpreun aciuni
pentru ndeplinirea unui scop global), n condiiile extremizrii unui indice de performan.
Sistemul abordat n cazul de fa este format din 2 roboi mobili care execut transportul unui
obiect n 2D, cu evitarea obstacolelor i minimizarea timpului (a consumului energetic).
Aceast problem de optimizare se formuleaz ca minimizarea cu restricii a unei funcionale.

Se propune sinteza unei arhitecturi pe 2 niveluri pentru comanda optimal a sistemului de
roboi. Studiul vizeaz:
modelarea nivelului ierarhic inferior, respectiv a comunitii de roboi, ca sistem dinamic
hibrid (a crui evoluie este caracterizat att de variabile de stare cu evoluie sincron cu
timpul, continue sau discrete, ct i de evenimente, cu apariie asincron), considernd n
prim faz un nivel minim de inteligen i autonomie a roboilor, respectiv numai capacitatea
de a prelucra informaiile provenite de la senzori
sinteza unei structuri de control centralizat (supervizor, cu rolul de planificator al
traiectoriei) care s acioneze pe nivelul ierarhic superior i s asigure comportamentul
optimal n raport cu indicele de performan definit.
n viitor se dorete realizarea unui program de simulare n bucl nchis a sistemului de
roboi i a supervizorului, premergtor implementrii unei aplicaii de timp real de comand a
sistemului cooperativ de roboi. Acest lucru necesit algoritmi performani de tratare a
informaiei de msur (n spe, a reaciei video prin prelucrare de imagini).




29



3.1 Abordarea domeniului

Concepui pentru a extinde capacitatea uman de a executa anumite operaii, folosirea
roboilor a dat natere unui domeniu ingineresc interdisciplinar. Ca ramur a automaticii,
robotica a cunoscut o dezvoltare rapid ntre 1970 i 1990, catalizat de cererea din domeniul
sistemelor de fabricaie, unde mainile cu comand numeric erau treptat nlocuite cu aa-
numitele sisteme inteligente de fabricaie.
Cteva din domeniile de utilizare predilect a roboilor sunt: economia serviciilor, anumite
aplicaii speciale, cu risc crescut, i n locuri greu accesibile (mnuirea materialelor
radioactive, n spaiul cosmic, n minerit, explorri marine), aplicaii de mare precizie (de
exemplu, n chirurgie) etc. n Raportul Comitetului Tehnic IFAC Manufacturing and
Instrumentation pe anul 2002 [1] se sesizeaz redefinirea roboticii ca o conexiune inteligent
ntre percepie i aciune. n sprijinul acestei afirmaii vine tendina de cretere a gradului de
autonomie (conferit de sistemele multimodale de percepie i de adaptare la medii variabile),
dar i capacitatea de interaciune social, care le permite roboilor s acioneze sinergic, s
coopereze pentru atingerea unui scop comun. Roboii devin astfel ageni inteligeni, dotai cu
sisteme cognitive.
n concluzie, metodologia folosit n robotic se situeaz la confluena dintre domeniile
conducerii automate clasice, al inteligenei artificiale (sisteme autonome, sisteme multi-agent)
i al programrii aplicaiilor de timp real. Noi provocri sunt conceperea de micro-roboi i
metodele i tehnologiile de teleoperare a roboilor.

3.1.1 Clase de probleme n conducerea roboilor

Conducerea roboilor se confrunt cu 2 mari categorii de probleme: cele legate de comanda
fizic, n timp real, a fiecrui robot, i cele legate de asigurarea sincronizrii ntre entitile
unui sistem de roboi cruia i se cere s ndeplineasc o anume sarcin.
Prima clas de probleme se situeaz n cadrul teoretic al aa-zisei automatici clasice, n
care se pot folosi binecunoscute metode de proiectare din teoria sistemelor continue (metode
clasice structurale i frecveniale i metode avansate adaptive i robuste), pretabile la
utilizare n conjuncie cu modelele roboilor, n general neliniare. Se rezolv astfel probleme
de urmtoarele tipuri: urmrirea unei traiectorii, evitarea obstacolelor etc., asigurnd
stabilitatea global a sistemului, eventual cu respectarea unui set de restricii i/sau unele
performane suplimentare. Clasele de metode sunt diverse (controllere PID clasice, reele
neuronale, tehnici bazate pe modelul invers [2] etc.). Controlul navigaiei printre obstacole
necesit sisteme senzoriale precise i rapide i poate fi formulat ca o problem de optimizare
cu restricii [3]. Rezolvarea acestei probleme i implementarea soluiei este de domeniul
aplicaiilor de timp real pentru comanda roboilor mobili [4].
Ct privete cea de a doua clas de probleme, abordrile sunt mai recente i se refer la
studiul comportrii globale a unui sistem format din mai muli indivizi, n particular
cooperativi. Sistemul global apare n prim faz condus de evenimente (care au o apariie
asincron), deci el poate fi reprezentat printr-un automat finit (sau prin reeaua Petri
echivalent) i tratat ca un sistem cu evenimente discrete. Rafinnd modelarea pn la nivelul
fiecruia dintre roboi (care au modele continue), atunci sistemul total este un sistem dinamic
hibrid, care este caracterizat att de variabile de stare cu evoluie sincron cu timpul, continue
sau discrete, ct i de evenimente asincrone. n acest caz, problemele de conducere vizeaz n
esen optimizri multi-criteriale i se rezolv prin sinteza unui aa-numit supervizor (plasat


30
pe un nivel ierarhic superior n raport cu dinamica roboilor individuali). n literatur sunt
raportate diferite tehnici de supervizare aplicate sistemelor de roboi [5], [6].

3.1.2 Cooperarea n sistemele de roboi

Pentru ca o mulime de roboi s coopereze pentru atingerea unui obiectiv comun este
necesar s li se implementeze acestora un grad mai mic sau mai mare de inteligen (ceea ce i
transform n ageni) i o anume capacitate de comportament social. S-a dezvoltat astfel
teoria sistemelor multi-agent, fundamentat pe concepte aparinnd informaticii teoretice, dar
care necesit o abordare interdisciplinar [7]. Conform cu [8], roboii sociali sunt ageni care
fac parte dintr-un grup heterogen de roboi i fiine umane; ei sunt capabili s se recunoasc
ntre ei i s se angajeze n interaciuni sociale, percep i interpreteaz lumea n termenii
experienei lor proprii, comunic ntre ei i nva unii de la alii.
Cooperarea implic ntr-adevr un anume grad de socializare, dar, printr-un lejer abuz de
limbaj putem numi cooperare i situaia cnd roboii sunt comandai s execute aciuni printr-
un algoritm centralizat, fr ca acetia s interacioneze direct. Cnd este conceput s
funcioneze n timp real (on line), acest algoritm joac rolul de supervizor i ruleaz pe un
calculator, eventual aflat la distan. n alte cazuri, algoritmul furnizeaz o soluie off-line, ca
rezolvarea unei probleme de optimizare. De exemplu, coordonarea fr coliziuni a
traiectoriilor unui sistem de roboi mobili poate fi tratat i rezolvat n termeni de optimizri
continue [9] sau discrete [10]. Noiunea de cooperare s-a extins i asupra coordonrii
aciunilor prilor unei aceleiai entiti-robot (de exemplu, articulaiile aceluiai bra
manipulator [11]), sau ale mai multor roboi identici n scopul imitrii aciunilor umane (de
exemplu, manipularea unui obiect cu 2 mini [12]).
n modelarea i controlul sistemelor de roboi se poate face uz fie de abordarea orientat
agent, care este predilect de natur informatic, fie de abordarea inspirat din teoria sistemelor
dinamice, aparinnd automaticii. Cele dou tendine nu sunt net delimitate, astfel nct
formularea i rezolvarea unei anumite probleme se poate uneori situa la confluena lor.

Abordarea orientat agent

Se tie c agenii acioneaz conform modelului pe care l au despre lume. Complexitatea
modelului este legat de gradul de autonomie (n cazul roboilor mobili acesta este perceput
intuitiv ca libertate de micare, decizie i aciune) mai mare sau mai mic cu care este dotat un
anume agent. Astfel, roboii destinai aciunii n medii complexe au nevoie de un grad mai
mare de abstractizare n modelarea lumii [13].
Roboii cooperativi pot fi total neautonomi, caz n care ei sunt total dependeni de deciziile
supervizorului. Dac roboilor li se atribuie un anume grad de autonomie, aplicaiile de
cooperare sunt tratate n teoria sistemelor multi-agent, al crei instrument de analiz l
constituie reelele de contractare (contract networks), bazate pe mecanismul negocierii. n
aceste reele, un agent poate juca 2 roluri: manager i ofertant (bidder). Protocolul de
funcionare const n urmtorii pai principali. Managerul lanseaz cererea de ofert
(descrierea aciunii de executat) ctre toi ofertanii poteniali. Acetia i ntocmesc ofertele i
le trimit managerului, care l alege pe cel mai bun executant posibil. Acesta din urm poate fie
s treac la execuia aciunii, fie s o refuze; n ultimul caz managerul reevalueaz ofertele
rmase.
n [14] se propune o fuziune ntre reelele de contractare i reelele Petri i construirea de
reele Petri colaborative pentru modelarea i controlul sistemelor de fabricaie bazate pe
holoni (cu analogii imediate cu sistemele de roboi cooperativi). Protocolul de alocare
dinamic a taskurilor prezentat mai sus poate fi folosit n timp real la cooperarea ntre


31
ncheieturile unui aceluiai manipulator [11]. Acest protocol nu este unicul posibil pentru
modelarea interaciunilor dintre ageni. n [15] se propun 3 astfel de modele, n care gradul de
interaciune direct este diferit: modele comportamentale (behaviour-based fiecare agent
acioneaz conform unor primitive simple de micare), subordonare fa de leader (leader-
follower) i, n fine, interaciunea indirect, printr-un algoritm de control centralizat (virtual
structure).

Supervizarea sistemelor de roboi

Tehnica supervizrii, ca domeniu al automaticii, are o istorie relativ recent. Apariia ei a
fost necesar ca extindere a cadrului automaticii clasice pentru sistemele distribuite,
organizate ierarhizat, n care ntrzierile de comunicare pot perturba de manier radical
proprietile structurale globale (n spe, stabilitatea [16], [17], [18]). Natura semnalelor s-a
mbogit i ea prin apariia evenimentelor asincrone, n timp ce nivelele ierarhice inferioare
continuau s evolueze sincron cu timpul. Astfel, sistemul global are o dinamic hibrid (un
exemplu l constituie sistemele cu structur variabil (comutate), liniare pe poriuni [19]).
Nu exist nc un cadru unitar al teoriei sistemelor dinamice hibride, metodele folosite
fiind preluate att din teoria sistemelor conduse de timp, continuu sau discret, ct i din teoria
sistemelor cu evenimente discrete i a optimizrilor discrete. Din prima clas, metoda funciei
Liapunov [20], [21] i cea a inegalitilor matriciale liniare LMI [22] n analiza stabilitii
sunt exemple des ntlnite. Din cea de a doua clas, aplicaiile cele mai uzuale se refer la
controlul optimal, cu mixtarea metodelor exacte programarea ntreag mixt, branch-and-
bound etc. cu cele sub-optimale de exemplu, meta-euristicile de tipul algoritmilor genetici
[23], [24] etc.
Supervizarea utilizeaz reacia bazat pe evenimente (event feedback). Evenimentelor li se
asociaz comenzi continue care acioneaz asupra obiectului condus. Schema de principiu
(figura I.1) presupune existena unei interfee ntre supervizor (care este un sistem cu
evenimente discrete) i obiectul condus, format din generator (de evenimente discrete, e
k
, pe
baza reaciei de stare continu, x(t)) i element de execuie (care convertete simbolurile de
control, u
k
, n aciuni continue, x
m
(t)) [25], [6].



Fig. 3.1. Schema hibrid a lui Stiver
[6]
Fig. 3.2. O arhitectur de supervizare optimal a
unui sistem dinamic hibrid [29]

Reacia bazat pe evenimente este utilizat n [26] pentru supervizarea de tip time-sharing
a N controllere asociate cu cte un obiect condus. La un moment dat este n funciune un
singur astfel de controller. Structura propus este analizat din punctul de vedere al
stabilitii. O abordare asemntoare se gsete n [5], unde se trateaz supervizarea unui set
de controllere heterogene (proiectate n scopuri diferite) ale unui robot mobil juctor de
fotbal, cu minimizarea timpului, a consumului de energie sau a costului i precizie maxim.
Supervizorul trebuie s ia decizia optimal n timp real n funcie de dinamica mediului de
Obiect condus
k
e
) ( t x
k
u
) ( t x
m
Supervizor (sistem
cu evenimente discrete)


Generator
Element
de execuie
Controller

secvenial

Sistem

dinamic

hibrid

Interfa de proces

comportamentale

restricii
booleene
iabile var
evenimente
o
evenimente o
variabile
continue


32
operare al robotului; la un moment dat, el alege un singur controller capabil s ndeplineasc
cerinele. n mod speculativ, supervizorul s-ar putea asemna cu managerul din teoria
sistemelor multi-agent, cu deosebirea c relaia cu agenii este mai rigid (n sensul c
acestora nu li se permite s refuze ndeplinirea unei aciuni).
Tehnicile de supervizare se preteaz foarte bine la sinteza controlului optimal al sistemelor
dinamice hibride. Una dintre metode este analiza grafului de accesibilitate asociat
sistemului [27]. Printr-o metod asemntoare, n [28] se calculeaz ordonanarea optimal
(cu minimizarea timpului) pentru o aplicaie de procesare multi-produs modelat ca sistem
dinamic cu logic mixt (MLD).
n [29] se prezint modelarea unui reactor chimic ca sistem dinamic hibrid i se studiaz
comparativ 2 metode de sintez optimal a unui supervizor bazat pe evenimente discrete: prin
minimizarea cu restricii a unei funcionale, respectiv prin extinderea principiului maximului
al lui Pontriaghin la sistemele dinamice hibride controlate prin evenimente discrete. Bucla
nchis are structura din figura I.2. Sistemul este modelat ca automat hibrid: traiectoria lui de
stare este format din tranziii ntre strile discrete, nuntrul crora evoluia este continu
(descris de un sistem de ecuaii difereniale sau n diferene finite). Interfaa de proces este de
aceast dat unidirecional: variabilele cu evoluie continu sunt convertite n evenimente
discrete.


Organizarea lucrrii

Se propune sinteza unei arhitecturi pe 2 niveluri pentru comanda optimal a unui sistem de
2 roboi mobili care execut transportul unui obiect dreptunghiular n 2D, cu evitarea
obstacolelor n timp minim (cu consum energetic minim).
Paragraful al 3.3 este dedicat modelrii nivelului ierarhic inferior, respectiv a comunitii
de roboi, ca sistem dinamic hibrid. Comportamentul unui astfel de sistem este caracterizat
att de variabile de stare cu evoluie sincron cu timpul, continue sau discrete, ct i de
evenimente, cu apariie asincron. Roboii studiai au un nivel minim de inteligen i
autonomie, respectiv numai capacitatea de a prelucra informaiile provenite de la senzori.
Aceast problem de optimizare se formuleaz ca minimizarea cu restricii a unei funcionale.
Paragraful 3.4 se prezint sinteza unei structuri de control centralizat (supervizor) care s
acioneze pe nivelul ierarhic superior i s asigure comportamentul optimal n raport cu
indicele de performan definit. n esen, este vorba despre sinteza unui planificator de
traiectorie optimal. nchiderea buclei presupune tratarea suficient de performant (att
rapid, ct i precis) a informaiei de msur, adic a reaciei video. n III.3 este detaliat un
algoritm de prelucrare de imagini.


3.2 Modelarea unui sistem de roboi cooperativi ca sistem dinamic hibrid


3.2.1 Descrierea sistemului abordat. Modele cinematice

Conceptul de cooperare ntre mai muli roboi a fost propus ca o inspirare din aciunile
umane, pentru a mbunti flexibilitatea sarcinilor i tolerana la defectri [30], acolo unde se
preconizeaz ca roboii mobili s preia diverse sarcini (mai ales n medii ostile). Aici
intereseaz roboii care realizeaz sarcini de transport. Mai multe studii au fost realizate
asupra transportului i manipulrii cooperative de ctre sisteme de roboi, fie cu roboi mobili


33
autonomi comandai descentralizat [31], [32], [33], care prelucreaz informaia provenit de
la senzori, fie cu vehicule pe roi [34], cu manipulatoare [35] etc.
Dificultatea problemei de planificare a micrii rezult din dimensiunile mari ale spaiului
de cutare a configuraiei optime (engl. C-space). Au fost folosite diverse metode din
domeniul cercetrilor operaionale n scopul rezolvrii acestui aspect [36], [37], cteodat
combinate cu metode multi-euristice [38]. Dimensiunile lui C-space cresc i mai mult dac se
consider constrngerile asociate micrii unui obiect (ceea ce nseamn calculul explicit al
forelor de contact i al celor de frecare). Problema planificrii micrii cu evitarea coliziunii
pentru transportul unui obiect de dimensiuni mari n 2D de ctre o echip de roboi mobili a
fost discutat n [39]. n [40] este propus o metod de reducere a gradului de libertate (DOF)
a lui C-space pentru planificarea micrii n medii 3D.
Sistemul studiat este format din 2 roboi mobili de tip Micromouse (fotografia unui astfel
de robot este dat n figura 3.3) care coopereaz pentru transportul unui obiect dreptunghiular
n 2D, cu evitarea obstacolelor i minimizarea timpului (a consumului energetic).


Fig. 3.3. Imagine a robotului mobil de tip
Micromouse
Fig. 3.4 Exemplu de hart
Din puncte de vedere funcional, un robot mobil Micromouse dispune de:
- 2 servomotoare de curent continuu comandate n impulsuri (1-2 ms),
- 2 senzori de poziie (poteniometru),
- senzor cu infrarou de urmrire a drumului,
- comand realizat cu micro-controller de tip PIC 16C56XT, dotat cu software de baz
Parallax PBasic 1.4 i memorie EEPROM 93LC56,
- sistem de control radio emisie/recepie pe 868 MHz, 2.4 Kbaud, 100 m,
- software STAMP pentru programarea robotului i depanarea programelor.

Configuraia obstacolelor (harta) este cunoscut i presupus a nu se modifica n timp.
Pentru studiul micrii n plan este suficient considerarea doar a proieciilor celor 3 obiecte
(proieciile roboilor n planul suprafeei de micare pot fi realist asimilate cu dreptunghiuri
n figura 3.4 s-a desenat drept int poziia centrului de mas al obiectului). Roboii execut
sarcina de transport prin mpingerea obiectului.
n continuare se prezint demersul general de modelare al robotului mobil descris ca sistem
dinamic, presupunndu-se ca tip general de comand impunerea vitezelor fiecreia dintre
roi.
Se consider c robotul se poate afla:
n micare de translaie (cnd vitezele celor 2 roi, v
A
si v
B
sunt egale)
start
int
obstacol 2
o
b
s
t
a
c
o
l

1

obstacol 3
robot 1
robot 2


34
sau n micare circular (cnd v
A
=v
B
).
Micarea rezultant se raporteaz la un sistem de axe rectangular, n care coordonatele
(absolute) ale robotului sunt (x,y). Unghiul de curs, u, caracterizeaz schimbarea direciei de
micare la trecerea de la translaie la micarea circular. Micarea circular se raporteaz la un
referenial legat de robot i este caracterizat de coordonata relativ R (raza vectoare, numit
i raz de giraie, msurat de la centrul traiectoriei circulare a robotului) (figura 3.5).

Fig. 3.5 Elementele micrii de translaie (stnga) i ale micrii de rotaie (dreapta)
ale unui robot mobil

Notndu-se cu d distana dintre roi, se obine
+
=
2
v v d
A B
R
v v
A B
. Se noteaz cu v viteza de
translaie i cu e viteza unghiular a micrii circulare. Au loc relaiile:
= + ( ) 2 v v v
A B
( ) e = = v R v v d
A B

i rezult succesiv:
u
e= => u = e
}
d
d
d
t
t
;
dR
d
= => =
}
d v R v t
t
; = u
}
( cos )d x v t ; = u
}
( sin )d y v t
Vitezele roilor, v
A
i v
B
, se consider cunoscute; ele constituie mrimi de intrare (de
comand) n sistem. Micarea robotului este complet caracterizat de x, y i u , care sunt
mrimi de stare. Modelul de stare este neliniar:
( )
( )
( )

u =

= u

+
= u

cos
2
sin
2
v v d
A B
v v
A B
x
v v
A B
y
(II.1)
Modelul (II.1) este un model cinematic, deoarece s-a presupus n mod simplificator un
sistem de acionare a roilor ideal (fr dinamic) i s-au neglijat interaciunile disipative (n
spe, forele de frecare). n realitate, urmrirea traiectoriei de ctre robot este afectat de
erori, chiar n condiiile unei modelri mai precise, din cauza eventualelor nesimetrii
constructive, neuniformitii suprafeei de micare etc. De aceea, pentru determinarea poziiei
robotului este nevoie de o informaie complementar: reacia video.
Pentru scopuri de conducere n timp real este necesar discretizarea modelulului (II.1).
Notndu-se cu T
e
perioada de eantionare, se obin:
- modelul discretizat strict cauzal:


35
| |
| | | |
| | | |

u = u +

= + + u =

= + + u

1
( ) ( 1) ( 1) ( 1)
1
( ) ( 1) ( 1) ( 1) cos ( 1) ,2 ,3 ,...
2
1
( ) ( 1) ( 1) ( 1) sin ( 1)
2
t t v t v t T
B A e
d
x t x t v t v t t T t T T T
A B e e e e
y t y t v t v t t T
A B e
(II.2)
- modelul discretizat la limit cauzal:
| |
| |
| |

u = u + +

u + u
= + + + +

u + u
= + + + +

1
( ) ( 1) ( ) ( 1) ( ) ( 1)
1 ( ) ( 1)
( ) ( 1) ( ) ( 1) ( ) ( 1) cos
4 2
1 ( ) ( 1)
( ) ( 1) ( ) ( 1) ( ) ( 1) sin
4 2

t t v t v t v t v t T
B B A A e
d
t t
x t x t v t v t v t v t T
A A B B e
t t
y t y t v t v t v t v t T
A A B B e
= ,2 ,3 ,... t T T T
e e e
(II.3)

Un sistem de roboi Micromouse poate fi comandat de ctre un algoritm rulnd pe un PC
prin intermediul a 3 octei transmii serial prin radio. Scopul comenzii const esenialmente
n urmrirea unei anume traiectorii. Semnificaia celor 3 octei este dat n figura 3.6.


Fig. 3.6 Semnificaia celor 3 octei de comand a unui robot Micromouse

Se observ posibilitatea realizrii a 3 tipuri de micare, codificate n octetul al doilea, n
funcie de care difer semnificaia coninutului octetului al treilea. De fapt, tipul de micare
cel mai general este al treilea (cnd vitezele celor dou roi nu sunt neaprat nenule), primele
dou fiind particularizri ale acestuia:
- dac vitezele sunt egale (i nenule), se obine micarea de translaie (nainte);
- dac numai una dintre viteze este nul, se obine micarea circular (pe loc);
Tipul de micare poate fi, deci, considerat ca fiind o mrime cu evoluie discret (ea
reprezint o mrime de intrare, de comand, pentru robot). Modificarea, pe parcursul urmririi
traiectoriei, a tipului de micare, determin, deci, tranziia sistemului dintr-o stare discret n
alta. n interiorul fiecreia din strile discrete evoluia este continu, caracterizat de cte un
model de stare continuu neliniar (particularizare a modelului II.1). Coninutul octetului al
treilea reprezint valoarea constant a unei mrimi de intrare continue.
Dup cum se arat n seciunea urmtoare, una din restriciile impuse sistemului de 2 roboi
cooperativi este s pstreze mereu contactul cu obiectul pe care l transport. Deci ei se vor
mica pe lng obiect cnd va fi necesar s-i schimbe poziia fa de acesta. Pentru aceasta
este suficient s se considere n modelare numai primele dou tipuri de micare (nainte i pe
loc). Rezult c dinamica hibrid a unui robot este format dintr-un ir de tranziii ntre 2 stri
discrete, caracterizate de cte un model neliniar de tip (II.1).
Urmnd demersul de formalizare prezentat n [23], se noteaz:
numele robotului
- nainte
- pe loc
- micare circular
cu raz de giraie
nenul
tipul de micare
- distan
- unghi
- raportul vitezelor
celor 2 roi


36
u (
(
= e t
(
(

x( ) [0;2 ) [0; ] [0; ] t x X Y
y
vectorul de stare continu al unui robot (unde X i Y
sunt dimensiunile suprafeei de micare);
(
= e
(

u( ) [0; ] [0; ]
v
A
t v v
max max
v
B
vectorul comenzilor continue pe poriuni (unde v
max

este viteza maxim cu care poate fi comandat un robot);
= =
e =

= . = v = . =

0, dac 0
1, dac (( 0) ( 0)) (( 0) ( 0))
v v
A B
v v v v
A B A B
vectorul comenzilor discrete
(care codific tipul de micare).
Notnd cu 1 i 2 strile discrete, cu n
t
numrul de tranziii ntre ele i cu t
k
momentul de
timp la care se produce a k-a tranziie, robotul mobil este un sistem dinamic hibrid descris de:
= e x x u ( ) ( ( ), ( ), , ) t f t t t
i
, =1,2 i , s s
+1
t t t
k k
, = 0, k n
t
, (II.4)
n condiiile iniiale (de start) x x ( )
0 0
t i finale (int) x x ( )
t
t t
n f f
(figura 3.7).

Fig. 3.7 Dinamic de stare hibrid: tranziii ntre stri discrete
caracterizate de modele de stare continue

Actualmente, roboii sunt programai s se mite cu viteza maxim. Reprogramarea se
poate face numai cu oprirea experimentului curent, prin cablu, prin re-inscripionarea
memoriei. Se pot imagina i alte moduri de comand, a cror complexitate este limitat de
capacitatea memoriei robotului.


3.2.2 Formularea problemei de optimizare

Cum mediul de operare al roboilor este cunoscut (sau identificabil), rezult c se cunosc
traiectoriile spaiale posibile.
Considernd fiecare din cei 2 roboi ca fiind descris prin cte un model de tip (II.4):
+
+

= e = s s =

= e = s s =

1 1 1
2 2 2
x x u
x x u
.
1 1 1 1 1
1
.
2 2 2 2 2
1
( ) ( ( ), ( ), , ), 1,2, , 0,
( ) ( ( ), ( ), , ), 1,2, , 0,
i j j t
i l l t
t f t t t i t t t j n
t f t t t i t t t l n
, (II.5)
n condiiile iniiale (de start)

`

)
1 1
0
2 2
0
x x
x x
0
0
( )
( )
t
t
i finale (int)



`

)
1
2
x x
x x
1
2
1
2
( )
( )
t
t
f f
n
f f
n
t t
t t
(indicii superiori
se refer la numrul robotului), problema transportului de ctre cei 2 roboi a obiectului n
timpul minim se poate formula ca o problem de comand optimal cu variabile mixte
(mixed-integer optimal control problem MI OCP [23]):

S se gseasc:
0
0 t =

1
t
2
t

t
n f
t t =
(0) x
( )
f
t x

1
( ) f = x

2
( ) f = x



37
vectorii de comand, e e
1 2
u u
1 2
( ), ( ), , t t ,
numerele tranziiilor,
1
t
n ,
2
t
n ,
i momentele de timp la care au loc tranziiile, = +
1 1
, 0, 1
j t
t j n , i = +
2 2
, 0, 1
l t
t l n ,
astfel nct s se minimizeze indicele:
( )
e e =
1 2
u u
1 2
0
( ), ( ), ,
f
J t t t t , (II.6)
unde = =
1 2
t t
f
n n
t t t .
Dac se dorete n plus evitarea obstacolelor, atunci fezabilitatea unei soluii a problemei
mai sus formulate se declar n urma verificrii restriciilor topologice, care privesc vectorul
de stare,
(
= (
(

x
x
x
1
2
( )
( )
( )
t
t
t
.

Sistemul poate fi echivalent descris ca un automat hibrid [41], [29]:
( ) = E
1 2 3 0
, , , , , , ,
f
AH S Q Q Q (II.7)
unde:
S este spaiul strilor continue (presupus observabil) i Q al strilor (fazelor) discrete
(SQ desemneaz starea hibrid),

1
este o mulime de m cmpuri vectoriale asociate cu strile discrete,

2
este o mulime de restricii pentru fiecare faz (inegaliti liniare),

{ }
= =
E = o
1, , 1,
jk
j m k m
este mulimea de evenimente care definesc tranziiile discrete ntre
faze (din j n k),

3
este o mulime de funcii asociate cu evenimentele o
jk
, care definesc valorile strilor
continue cnd apare un eveniment,
Q
0
i Q
f
sunt strile discrete iniiale, respectiv finale.

Scopul este, deci, de a sintetiza comanda care conduce sistemul n cel mai scurt timp dintr-
o stare hibrid iniial ntr-o stare hibrid final. Traiectoria de stare, x(t), trebuie s respecte
restriciile asupra variabilelor continue i secvena discret de comand aleas. n [29] se
propune o formulare echivalent cu cea dat mai sus, ca problem de optimizare cu restricii:
Se caut un vector de comand ueU (U este o mulime compact) astfel nct:
{ }
e
=
u
u ( ) min ( )
U
J J ,
cu respectarea unui set de restricii dependente de x(t), unde:
=
=

1
s
i
n
s
i
J t , (II.8)
n care n
s
este numrul de stri discrete prin care este condus sistemul, nafar de cea
iniial i de cea final, iar
i
t
s
este timpul ct sistemul rmne n starea i.

Tot n [29] se propune o rezolvare alternativ a problemei, folosind extinderea principiului
maximului al lui Pontriaghin (PMP) la sisteme dinamice hibride controlate prin evenimente
discrete, care const n traducerea unei probleme de comand optimal ntr-un sistem de
ecuaii algebro-difereniale i relevarea condiiilor necesare de existen i unicitate a
comenzii optimale. PMP poate fi aplicat oricrui sistem dotat cu o comand continu pe
poriuni [42], deci se poate adapta la prile continue ale sistemului (adic ntre momentele de
comutare, cnd sistemul evolueaz continuu).


38


3.3 Structura de conducere optimal a sistemului de roboi cooperativi


3.3.1 Soluia propus

Rezolvarea problemei de optimizare formulate n capitolul al II-lea recurge la sinteza unui
aa numit planificator al traiectoriilor roboilor, astfel nct acetia s asigure transportul
obiectului la destinaie ct mai repede posibil i s evite obstacolele (a cror configuraie este
cunoscut apriori i considerat fix). De asemenea, planificatorul trebuie s decid ce micri
vor efectua roboii n acest scop. Deoarece aceste aspecte nu pot fi tratate laolalt datorit
dimensiunii mari a spaiului soluiilor i, deci, a creterii inadmisibile a timpului de calcul,
problema a fost separat n dou, urmnd demersul propus n [40]:
1) obinerea drumului optimal, considerndu-se numai condiiile geometrice i topologice
(formele obiectelor implicate),
i 2) determinarea aciunilor efective de comand, considerndu-se statica obiectelor
(forele de contact).
Se realizeaz astfel o structur ierarhic pe 2 niveluri: planificatorul corespunztor fazei 1)
de pe nivelul ierarhic superior se numete global (n linii mari), iar cel corespunztor
fazei 2) de pe nivelul inferior se numete local (fin).
Aceste planificatoare interacioneaz n urmtorul mod: cel global decide momentul, locul
i modalitatea n care se realizeaz manipularea, pe baza rezultatului furnizat de ctre
planificatorul local. Primul planificator furnizeaz drumul obiectului i al roboilor, care este
optimal din punct de vedere al costului (timpului) de manipulare. Deoarece pot aprea erori
de micare ale roboilor, este foarte probabil ca roboii s nu poat urmri precis traiectoria
furnizat de ctre planificatorul global. Ca urmare, planificatorul local furnizeaz o metod de
manipulare i informaii despre cum se realizeaz aceasta.

Soluia propus pentru planificarea drumului trebuie s fie eficient din punct de vedere al
efortului de calcul i n acelai timp fezabil. Micrile roboilor trebuie s fie n concordan
cu mediul real n care se afl (evitarea coliziunilor). n planificarea micrii se adopt
urmtoarele ipoteze:
referitoare la mediu (harta):
1) mediul este 2D (bidimensional) cu obstacole reprezentate ca poligoane;
2) forma, poziia i orientarea fiecrui obstacol sunt cunoscute i presupuse fixe;
referitoare la obiect:
3) obiectul este presupus dreptunghiular;
4) coeficientul de frecare ntre obiect i suprafaa pe care se realizeaz micarea este
cunoscut;
referitoare la roboii mobili:
5) roboii sunt considerai ca fiind dreptunghiulari i se pot deplasa n orice direcie;
6) roboii pstreaz tot timpul contactul cu obiectul pe care l transport folosind o aciune
de mpingere;
referitoare la manipulare:
7) toate micrile sunt cvasi-statice;
8) toate interaciunile de tip frecare ale obiectului sunt descrise prin intermediul legii lui
Coulomb.



39
n figura 3.8 este prezentat structura sistemului de comand optimal a sistemului
cooperativ de roboi, sugerndu-se modul de interaciune a celor dou planificatoare.
Prin analogie cu elementele unei scheme clasice de reglare, figura 3.8 arat c
planificatorul global are rolul de a furniza off-line traiectoriile de referin ale roboilor
acestea reprezint soluia problemei de optimizare cu restricii formulate n paragraful 3.2
sub form de iruri de poziii succesive ale centrelor de mas,
( ) { }
=
1 1
1,2,...
,
i i
i
x y pentru primul
robot i
( ) { }
=
2 2
1,2,...
,
i i
i
x y pentru cel de-al doilea. n acest scop se utilizeaz algoritmul A* de
cutare a drumului de cost minim ntr-un graf .
La un pas oarecare i de funcionare on-line a planificatorului local, se verific fezabilitatea
comenzii, care se aplic efectiv roboilor. Apoi referina
( ) ( ) { }
1 1 2 2
, , ,
i i i i
x y x y se compar cu
poziiile reale ale roboilor de dup aplicarea comenzii,
( ) ( ) { }
+ + + + 1 1 1 1
1 1 2 2
, , ,
i i i i
real real real real
x y x y ,
obinute prin tratarea reaciei video. Dac eroarea este sub o limit maxim admisibil, notat
cu c
max
, atunci se continu cu pasul urmtor, i+1. Dac eroarea depete limita maxim
impus, atunci se reia algoritmul A* din planificatorul global, considernd drept configuraie
de start configuraia real curent.



40


Fig. 3.8 Sistemul de roboi cooperativi comandat printr-o structur cu dou niveluri ierarhice


3.3.2 Planificatorul global: calculul off-lineal traiectoriei optimale n 2D

n aceast seciune se prezint sinteza planificatorului global, folosind algoritmul A* de
cutare a drumului de cost minim ntr-un graf.

3.3.2.1 Descrierea algoritmului A*

Rolul planificatorului global este s planifice n mod continuu poziia roboilor i poziia i
orientarea obiectului manipulat dintr-o configuraie dat, de pornire, ntr-o configuraie final
dorit, n funcie de geometria obstacolelor i de centrul de mas al obiectului. Rezultatul
planificatorului global este soluia problemei de optimizare cu restricii formulate n capitolul
al II-lea: minimizarea costului de manipulare, adic a timpului necesar transportului, astfel
nct s se evite obstacolele. Aceasta este o problem de cutare pe graf a drumului de cost
minim, care poate fi rezolvat optimal, spre exemplu folosind algoritmul lui Dijkstra [43]. Dar
DATE DE INTRARE:
harta: poziia obstacolelor, poziia de start, poziia int,...
obiectul: masa, poziia centrului de mas,...
roboii: dimensiunile, viteza maxim,...
PLANIFICATORUL GLOBAL
construirea spaiului configuraiilor (C-
space) construirea spaiului de cutare
construirea grafului de cutare






cutare pe graf (algoritmul A*)
verificarea fezabilitii (evitarea
coliziunilor)




traiectoria format din poziii succesive ale
centrului de mas al obiectului poziiile
succesive ale centrelor de mas ale
roboilor:
( ) ( )
( ) ( )
( )
( )
1 1 1 1 1 1
1 1 2 2
2 2 2 2 2 2
1 1 2 2
, , , ,... ,

, , , ,... ,
i i
i i
x y x y x y
x y x y x y


` `

) )



OFF-LINE
MEDIUL DE OPERARE AL ROBOILOR
PLANIFICATORUL LOCAL

verificarea fezabilitii comanda
efectiv a roboilor:
- de schimbare a configuraiei n jurul
obiectului
- de mpingere a obiectului


+ NU
E
poz max
c s c

DA
i i+1

reluarea din poziia real curent

ON-LINE
referina la
pasul i de
comand a
roboilor
( )
( )
1 1
1 1
1 1
2 2
,
,
i i
i i
real real
real real
x y
x y
+ +
+ +


`

)

reacia video
poz
c


41
atunci cnd timpul de calcul este restrictiv, se prefer s se gseasc mai rapid o soluie chiar
dac aceasta nu este cea optimal. n acest caz sunt folosite metodele euristice.
O metod clasic i n acelai timp eficient de cutare euristic este furnizat de ctre
algoritmul de cutare A* [44]. n fiecare nod n al grafului de cutare cutarea este ghidat de
ctre funcia de evaluare a costului notat cu f, care are dou componente:
= + o ( ) ( ) ( ) f n g n h n , (III.1)
unde:
g(n) conine costul minimal al drumului ncepnd din poziia (nodul) de start pn la
nodul n,
h(n) este partea euristic a lui f, reprezentnd o estimare a costului de la nodul n pn la
(nodul) scop,
iar o este parametrul euristicii.
O valoare mare a lui o corespunde unei cutri puternic orientate ctre scop; astfel, o
soluie poate fi gsit rapid, chiar dac aceasta nu este cea optimal. n caz contrar, o valoare
mic a acestui parametru d mai mult importan optimalitii (o=0 reduce algoritmul A* la
algoritmul lui Dijkstra).
n ceea ce urmeaz, sunt listate cteva rezultate importante ale cutrii euristice.
Se spune c orice algoritm care garanteaz gsirea unui drum optimal ctre scop este
admisibil. Un rezultat binecunoscut specific faptul c exist condiii referitoare la grafuri i
la funcia h care garanteaz admisibilitatea algoritmului A* [43]:
fiecare nod n graf are un numr finit de succesori (dac exist);
toate arcele au costuri pozitive;
pentru toate nodurile din graful de cutare, s ( ) ( ) h n H n , unde ( ) H n este valoarea real a
celui mai bun drum ctre scop.
Ultima condiie semnific faptul c funcia h nu supraestimeaz niciodat valoarea actual
H; din aceast cauz, h se numete estimator optimist. Ar fi ideal ca h s ia valoarea celei mai
bune margini inferioare a lui H. Un alt rezultat util referitor la h l reprezint condiia de
consisten. Aceasta poate fi definit n acelai timp de manier local [43] sau global, ntr-o
manier echivalent [44]. Definiia local este mai intuitiv: considerndu-se dou noduri n
graful de cutare astfel nct
j
n este unul din succesorii lui
i
n , se spune c h este consistent
(sau monoton) dac este ndeplinit urmtoarea condiie:
= + o ( ) ( ) ( , )
i j i j
h n h n c n n . (III.2)

Condiia (III.2) este reprezentat sugestiv n figura
III.2 i specific faptul c de-a lungul fiecrui drum din
graful de cutare estimarea diferenei costului optimal
pn la scop nu poate scdea mai mult dect costul
arcului de-a lungul drumului.
Alegerea funciei h este, deci, foarte important
pentru eficacitatea cutrii. Funcia h aleas pentru
problema prezentat este admisibil, dar nu este
consistent, aa cum se va prezenta n continuare.

Paii algoritmului A* sunt listai mai jos.
1. Se construiete un graf, G, care conine un singur nod (de start),
0
n , i se pune acest
nod ntr-o list numit OPEN.
2. Se creeaz o list numit CLOSED, care este iniial goal.
3. Dac lista OPEN este goal, atunci se termin algoritmul cu eec.
j
n
i
n
( )
i
h n
( )
i
h n
( )
,
i j
c n n
Fig. 3.9 Condiia de consisten
este similar inegalitii triunghiului


42
4. Se selecteaz primul nod din OPEN, fie acesta n, se terge din OPEN i se pune n
CLOSED.
5. Dac n este nodul int, atunci se termin algoritmul cu succes: soluia este obinut
prin trasarea drumului indicat de pointerii de la n la
0
n n G (aceti pointeri definesc
un arbore de cutare, aa cum se stabilete la pasul 7).
6. Se expandeaz nodul n, genernd mulimea S al succesorilor care nu sunt deja
predecesori ai lui n n G.
7. Se stabilete un pointer spre n de la fiecare din membrii lui S care nu sunt deja n
OPEN sau n CLOSED. Fie M mulimea tuturor acestor noduri. Se pune mulimea M
n OPEN.
8. Pentru fiecare membru, m, al lui SM, se redirecteaz pointerul acestuia spre n dac
cel mai bun drum de pn atunci este prin n.
9. Pentru fiecare membru al lui S aflat deja n CLOSED se redirecteaz pointerii
fiecruia din descendenii lui n G, astfel nct acetia pointeaz napoi de-a lungul
celor mai bune drumuri gsite pn n momentul actual ctre aceti descendeni.
10. Se reordoneaz lista OPEN n ordinea cresctoare a valorilor lui f.
11. Salt la pasul 3.
Observaie: Partea a doua a redirectrii de la pasul 7 poate economisi din efortul de
cutare, dar cu o posibil cretere exponenial a efortului de calcul. Un rezultat important
stabilete c, dac h este consistent, atunci cnd A* expandeaz un nod n, s-a gsit deja un
drum optimal ctre n. n concluzie, n acest caz A* nu trebuie niciodat s redirecteze
pointeri. n orice caz, chiar dac nu este ndeplinit condiia de consisten, partea a doua a
pasului 7 este deseori neimplementat.

3.3.2.2 Funcia de evaluare a costului

Funcia de evaluare a costului asociat unui nod de cutare, n, trebuie s reflecte costul de
manipulare, divizat n dou componente, vizibile n relaia (III.1): ncepnd de la start g(n)
i pn la scop h(n). Este evident c aceste dou funcii vor avea o structur asemntoare.

Reducerea spaiului configuraiilor (C-space)

Pentru a obine expresiile detaliate ale funciilor g i h se analizeaz modurile posibile de
manipulare. Se observ c particularitile sarcinii (transport) pot fi folosite la reducerea
spaiului configuraiilor de cutare a optimului (iniial, dimensiunea lui C-space este dat de
numrul total de grade de libertate ale sistemului de roboi i obiectului: obiectul dat se mic
n 2D, deci are 3 grade de libertate, i fiecare din roboi au de asemenea cte 3 grade de
libertate). De fapt, drumurile posibile i micrile sunt limitate, fiind diferite de drumurile
(chiar i restricionate) ale unor obiecte zburtoare. Roboii pot transporta obiecte n 2D
numai n anumite configuraii. n concluzie, poziiile i orientrile roboilor pot fi luate ca
aranjamente n raport cu coordonatele obiectului manipulat i codificate n consecin
(figura 3.10).









43

Se consider c roboii sunt
ntotdeauna plasai la colurile obiectului
pentru a folosi cu eficien maxim fora
de mpingere atunci cnd execut o
rotaie a obiectului. n loc s se
caracterizeze independent fiecare robot
(prin coordonatele centrelor lor de mas
i unghiurile n raport cu centrul de mas
al obiectului, u
1 1 1
( , , )
r r r
x y i u
1 1 1
( , , )
r r r
x y
respectiv, ca n partea stng a figurii
3.10), aranjamentul roboilor este
caracterizat global prim codificarea
fiecrei poziii posibile a roboilor n jurul obiectului (ca n partea dreapt a figurii 3.10). De
asemenea, se consider c roboii pot fi plasai att de aceeai parte a obiectului, ct i pe pri
diferite la coluri diferite. Avnd n vedere aciunea lor cooperativ de transport al obiectului,
anumite combinaii sunt nefezabile (de exemplu [1,3] sau [7,4]).
n afar de schimbrile de aranjament, mai sunt posibile schimbri de poziie i de
orientare ale obiectului. Fiecare micare general a obiectului i a roboilor poate fi, deci,
descompus n 3 micri independente. Corespunztor acestora, se definesc 3 operaii
primitive (figura 3.11):
a) roboii schimb poziia obiectului n coordonate absolute printr-o operaie de schimbare
de poziie;
b) roboii schimb orientarea obiectului printr-o operaie de schimbare de orientare;
c) roboii i schimb aranjamentul n jurul obiectului n timp ce l manipuleaz.
Fiecare din operaiile de mai sus este independent de celelalte dou (de exemplu, pentru
schimbarea poziiei, orientarea i aranjamentul roboilor n jurul obiectului sunt meninute
fixe etc.).

Fig. 3.11 Trei operaii primitive ale unui obiect rectangular manipulat de ctre doi roboi n
2D: a) schimbarea de poziie; b) schimbarea de orientare; c) schimbarea de aranjament

n concluzie, numrul de grade de libertate ale sistemului (care d dimensiunea lui C-
space) a fost redus de la + = 3 2 3 9 la numai 3, din care dou sunt continue (poziia centrului
de mas i unghiul de orientare) i unul este discret (aranjamentul, restricionat la 8 combinaii
posibile de poziii ale roboilor n jurul obiectului). Coordonatele obiectelor pe hart sunt
discretizate convenabil, astfel nct deplasarea are loc pe o hart de pixeli (aa cum este
sugerat n figura 3.11).
a) b) c)
1
u
2
u
1 1
( , ) x y
2 2
( , ) x y
6 5
1 2
5
5 6
1
5
Au
1 2
5
3
4
6
7
8

1 1
( , )
r r
x y

2 2
( , )
r r
x y

( , )
o o
x y

1 r
u

2 r
u

Fig. 3.10 Codificarea aranjamentelor roboilor n
jurul obiectului


44

Alegerea funciei de cost

Deoarece se intenioneaz s se ghideze cutarea n scopul minimizrii costului (adic a
timpului de manipulare), i n acelai timp s se evite obstacolele, se propune ca cele dou
componente ale costului s fie definite astfel:
=

= +

( ) ( )
( ) ( ) ( )
t
t obst
g n g n
h n h n h n
, (III.3)
unde componentele cu indicele t msoar costultimp. Componenta ( )
obst
h n a lui ( ) h n ia n
consideraie posibilitatea de coliziune cu obstacolele. Aceast component reprezint fora de
respingere de ctre obstacole i a fost modelat ca un cmp de potenial, aa cum este
prezentat n ceea ce urmeaz.
Funcia ( )
t
g n trebuie s conin costul (timpul) cumulat al unui drum de la nodul de start la
nodul curent, n, adic suma costurilor tuturor arcurilor coninute n acel drum. Costul unui arc
de la nodul
1
n la nodul
2
n este definit folosind notaiile din figura III.4:
= + +
1 2 1 2 1 2 1 2
( , ) ( , ) ( , ) ( , )
p o a
c n n c n n c n n c n n , (III.4)
unde cele trei componente msoar respectiv costul schimbrii de poziie (distana
euclidian):
= +
2 2
1 2 2 1 2 1
( , ) ( ) ( )
p
c n n x x y y , (III.5)
costul schimbrii de orientare:
~ Au = u u
1 2 2 1
( , )
o
c n n , (III.6)
i costul schimbrii de aranjament, exprimat n funcie de distanele pe care roboii trebuie s
le parcurg pentru ca s-i schimbe poziiile (aa cum este sugerat n figura III.4c)). Se
observ c schimbarea de orientare trebuie s fie exprimat ca fiind o distan, i anume
lungimea segmentului de cerc corespunztor schimbrii de unghi Au. Schimbrile de
orientare mai mari dect t sunt reduse modulo t . De aceea, o valoare aproximativ a costului
de orientare ar putea fi:
= Au
t
1 2
( , )
o
L
c n n , (III.6)
unde L este lungimea obiectului.
Funcia ( )
t
h n are aceeai structur ca aceea a costului unui arc, considernd ca nod final
nodulscop, i reprezint o estimare a costului de manipulare pn la scop.
Referitor la fora de respingere a obstacolelor, ( )
obst
h n , exist mai multe modaliti de
definire a acesteia pe baza cmpurilor de potenial [45], [46]. Funcia folosit n aceast
lucrare este:

+ s
=

>

2
2
2
1, dac
( , )
0, dac
pot
d d
d r
P d obstacol
r
r
d r
, (III.7)
unde d este distana de la punctul considerat la obstacol, iar r este o distan fix (de exemplu,
= max( , ) r a b , unde a i b sunt dimensiunile robotului). Indiferent de forma cmpului de
potenial, se propune ca fora total de respingere exercitat de ctre un obstacol asupra
ansamblului obiectroboi s fie suma cmpurilor de potenial n toate colurile ansamblului
(sunt 8 coluri indiferent de aranjamentul roboilor a se vedea figura III.3 ale cror
coordonate pot fi calculate dat fiind configuraia nodului asociat). n concluzie:
= =
=

_ 8
1 1
( ) ( , )
nb obst
obst pot i j
j i
h n P d obstacol , (III.8)


45
unde nb_obst este numrul obstacolelor.
Se poate concluziona c funcia h(n) reprezint un compromis ntre fora de atracie din
partea scopului i cea de respingere din partea obstacolelor. Pe de alt parte, se poate verifica
uor c funcia h(n) nu este consistent (datorit componentei care msoar schimbarea de
orientare, dependent de unghiurile reduse modulo t vezi relaia (III.6)), deci harta de
cutare nu este monoton. Algoritmul se poate, deci, bloca n minime locale. De asemenea, a
fost necesar o metod suplimentar de evitare a coliziunilor cu obstacolele, pentru a rula
efectiv algoritmul de cutare. Aceast metod se bazeaz pe decizia dac un punct dat este
nafara sau nuntrul unui poligon.

3.3.2.3 Discuii asupra rezultatelor de implementare


Fig. 3.12 Drumul planificat n cazul unui exemplu de dimensiuni reduse.
Sgeile indic zonele de minim local

Aceast seciune prezint performanele algoritmului A* propus pe un exemplu de
dimensiuni mici.
Dimensiunile hrii n pixeli sunt 70x50, harta conine 4 obstacole, dimensiunile obiectului
sunt 9x5 i cele ale roboilor 3x2 (figura III.5). Nodul de start este caracterizat de
coordonatele centrului de mas, (9,6), i de unghiul de orientare al obiectului, u = 0
start
.
Nodulscop este reprezentat prin (65,26) i u = t 3 4
scop
. Algoritmul a fcut 194 de
expansiuni ale nodurilor i a necesitat 73.882 de secunde pe un Pentium II MMX la 233 MHz.
Se poate observa c, dei cazul studiat are dimensiuni reduse, acesta are o caracteristic
destul de restrictiv, i anume raportul dintre dimensiunile hrii i dimensiunile obiectului.
Din considerente de lizibilitate, aranjamentul roboilor nu a fost reprezentat n figura 3.12.
Datorit faptului c funcia euristic, h, nu este monoton, se pot observa comportri ciclice,
datorate blocajului n minime locale. Sgeile desenate n figura 3.12 corespund salturilor
1 10 20 30 40 50 60 70
1 10 20 30 40 50 60 70
70
1

1
0

2
0

3
0

4
0

5
0

1

1
0

2
0

3
0

4
0

5
0

start
scop
0 u =

/ 2 u = t
3 / 4 u = t


46
empirice introduse artificial n algoritm pentru a evada din minimele locale.
Traiectoria ilustrat n figura 3.12 corespunde n linii mari ateptrilor. Este evident c o
astfel de traiectorie necesit o filtrare preliminar transformrii n secvene de comand i
transmiterii acestora ctre roboi. Aceast problem privete sinteza planificatorului local i
interaciunea acestuia cu planificatorul global, ceea ce reprezent o problem de investigare
ulterioar.



3.4. Planificatorul local: urmrirea on-line a traiectoriei optimale. Tratarea reaciei video

Planificatorul local are rolul de a realiza efectiv modul de manipulare rezultat din
planificarea traiectoriei optimale de ctre planificatorul global, deci proiectarea lui aparine
domeniului aplicaiilor de timp real de comand a roboilor. Aceasta este o sarcin destul de
complex, din care la momentul actual a fost realizat partea de traductor: prelucrarea
reaciei video.

3.4.1 Algoritmul de prelucrare de imagini

Sistemul de achiziie i prelucrare a imaginilor este compus din: camer tip Webcam, PC,
driver pentru camer i software de prelucrare.
Obiectele cutate sunt identificate cu ajutorul a dou benzi colorate paralele (figura 3.13).


Paii principali ai programului de achiziie,
prelucrare i extragere a trsturilor sunt:
a) achiziia imaginii i corectarea
neliniaritilor camerei;
b) filtrarea zgomotului de pe imagine;
c) selectarea culorilor obiectelor;
d) stabilirea toleranelor cu care se va decide
dac un anumit pixel este de culoarea cutat;
e) determinarea tuturor obiectelor care au
culorile stabilite la punctul c);
f) eliminarea obiectelor care nu corespund din
punct de vedere al dimensiunilor;
g) determinarea poziiei i orientrii fiecrui obiect gsit.

n continuare se detaliaz fiecare pas a) g).

a) Camerele de tipul celei folosite n experimentul nostru prezint neliniariti, n spe
curbeaz imaginea ctre extremiti (efect de butoi), introducnd astfel erori de determinare
a poziiei. Erorile sunt cu att mai mari cu ct poziia respectiv este mai deprtat de centrul
imaginii. Pentru a corecta aceste neliniariti s-a folosit o gril de calibrare format din repere
echidistante. Astfel, pentru poziia fiecrui reper s-au determinat coeficienii care fac trecerea
la poziia reperului n imagine.

b) S-au folosit filtre liniare de dimensiune 3x3 i 5x5, n funcie de zgomotul din imagine.

Fig. 3.13 Imaginea iniial


47
c) Deoarece experimentul folosete de fiecare dat aceleai obiecte, culorile de cutat ar
putea fi stabilite la nceputul programului. Totui, datorit posibilitii de schimbare a
condiiilor de iluminare, s-a preferat selectarea culorilor direct de pe imagine.

d) Datorit perturbaiilor ca iluminarea neuniform a imaginii, efectele de culoare la
tranziiile de la o culoare la alta i chiar variaiile n culorile obiectelor a trebuit s se aleag
un anumit interval de culoare n care un pixel s fie considerat de culoarea dorit. Acest
interval poate fi impus manual, pe baza rezultatelor observate pe imagine, sau poate fi
determinat automat, considernd drept criterii diferenele dintre suprafeele determinate ale
obiectelor i suprafeele reale i numrul de obiecte false. Parametrii dup care se face
cutarea sunt H, S i V (tent de culoare, saturaie i valoare engl. Hue, Saturation, Value).

e) Datorit zgomotului imaginii, iluminrii neuniforme a scenei sau alegerii greite a
pragurilor de recunoatere a culorilor n obiecte pot aprea guri (poriuni din interiorul
obiectului care nu apar ca fiind de culoarea obiectului). Algoritmul folosit consider aceste
guri ca fcnd parte din obiect, eliminnd astfel erorile de determinare a poziiei introduse de
prezena gurilor. Din acest motiv se poate folosi numai n cazul obiectelor convexe,
eventualele concaviti fiind umplute.

S-a definit o structur obiect cu urmtorii membri:
- nExtremStanga este coordonata orizontal a celui mai din stnga pixel de pe ultima
linie a obiectului
- nExtremDreapta este coordonata orizontal a celui mai din dreapta pixel de pe ultima
linie
- nExtremJos coordonata vertical a celei mai de jos linii a obiectului
- nCurentStanga coordonata orizontal a celui mai din stnga pixel de pe linia curent,
aparinnd obiectului
- nCurentDreapta coordonata orizontal a celui mai din dreapta pixel de pe linia
curent, aparinnd obiectului
- nCurentJos coordonata vertical a liniei curente
- nSuprafata suprafaa obiectului
- nXCentru la sfritul algoritmului este coordonata orizontal a centrului de mas al
obiectului; pe parcurs este coordonata orizontal a centrului de mas multiplicat cu
nSuprafata
- nYCentru la sfritul algoritmului este coordonata vertical a centrului de mas al
obiectului; pe parcurs este coordonata vertical a centrului de mas multiplicat cu
nSuprafata
- x coordonata orizontal a pixelului curent
- y coordonata vertical a pixelului curent
- nContor numrul de obiecte crora le aparine pixelul curent

Algoritmul este detaliat n continuare.
1. Pixelul curent are culoarea cutat? Dac nu, salt la 19.
2. Lista obiectelor este goal? Dac nu, salt la 4.
3. Se iniializeaz un obiect nou.
4. Se selecteaz urmtorul obiect.
5. ((x >= nExtremStanga 1) I (x <= nExtremDreapta + 1) I (y = nExtremJos + 1))?
Dac da, salt la 8.
6. ((y = nCurentJos) I (x = nCurentDreapta + 1))? Dac nu, salt la 4.
7. nCurentDreapta = x; nXCentru = nXCentru + x;


48
nYCentru = nYCentru + y; nSuprafata = nSuprafata + 1. Salt la 14.
8. nCurentJos = y.
9. nCurentStanga = 1? Dac nu, salt la 11.
10. nCurentStanga = x
11. nCurentDreapta = 1? Dac nu, salt la 13.
12. nCurentDreapta = x; nXCentru = nXCentru + x;
nYCentru = nYCentru + y; nSuprafata = nSuprafata + 1. Salt la 14.
13. nXCentru = nXCentru + (nCurentDreapta + 1) + ... + x;
nYCentru = nYCentru + (x nCurentDreapta) y;
nSuprafata = nSuprafata + x nCurentDreapta.
14. nContor = nContor + 1.
15. E ultimul obiect din list? Dac nu, salt la 4.
16. nContor > 1? Dac da, se unesc cele dou obiecte.
17. Pixelul curent este ultimul de pe linie? Dac nu, salt la 20.
18. nExtremStanga = nCurentStanga; nExtremDreapta = nCurentDreapta;
nExtremJos = nCurentJos; nCurentStanga = 1;
nCurentDreapta = 1; nCurentJos = 1.
19. Pixelul curent este ultimul din imagine? Dac da, salt la 21.
20. Se trece la pixelul urmtor. Salt la 1.
21. Sfrit.

f) n cazul unei imagini zgomotoase sau al prezenei n scen a altor obiecte dect cele
cutate pot rezulta obiecte false, care vor fi eliminate dup compararea cu dimensiunile
cunosctue ale obiectului.

g) Poziia fiecrui obiect se d prin poziia centrului su de greutate, situat la jumtatea
segmentului care unete centrele de greutate ale celor dou benzi colorate, iar orientarea
obiectului este dat de orientarea acestui segment.

3.4.2 Rezultate experimentale

Pentru experiment s-a construit o scen cu dou obiecte ce pot fi identificate prin cte dou
benzi colorate. Unul din obiecte are o band roie i una albastr, iar cellalt o band roie i
una galben. n continuare sunt prezentate rezultatele identificrii fiecrei culori (fig. 3.14,
3.15, 3.16), apoi a obiectelor (fig. 3.17).
n urma mai multor experimente s-au nregistrat urmtoarele erori maxime n determinarea
poziiei i a orientrii obiectelor:
- la determinarea poziiei eroarea maxim a fost de 1 pixel, att pe vertical, ct i pe
orizontal; dimensiunile scenei vzute de camer fiind de 1x0.75 m, iar rezoluia de 320x240
pixeli, rezult o eroare maxim de 0.31 cm, att pe orizontal, ct i pe vertical;
- la determinarea orientrii s-au nregistrat variaii de +/ 1 grad.











49



Fig. 3.14 Determinarea
obiectelor albastre
Fig. 3.15 Determinarea
obiectelor galbene
Fig. 3.16 Determinarea
obiectelor roii

Condiiile desfurrii experimentelor au fost:
- iluminare mixt, n proporie de aproximativ
80% artificial i 20% natural;
- rezoluia camerei a fost impus la 320x240
pixeli;
- s-a folosit funcia de corectare a neliniaritilor
camerei, cu o gril de corecie de 32x24 puncte,
coeficienii de corecie pentru pixelii aflai ntre
aceste puncte obinndu-se prin interpolare.


Fig. 3.17 Determinarea tuturor
obiectelor cutate


50
3.5 Concluzii i perspective


Cercetrile sintetizate n acest raport propun o arhitectur pe 2 niveluri pentru comanda
optimal a unui sistem de 2 roboi mobili care execut transportul unui obiect dreptunghiular
n 2D, cu evitarea obstacolelor n timp minim (cu consum energetic minim).
Nivelul ierarhic inferior este constituit de ctre cei 2 roboi i este modelat ca sistem
dinamic hibrid. Comportamentul unui astfel de sistem este caracterizat att de variabile de
stare cu evoluie sincron cu timpul, continue sau discrete, ct i de evenimente, cu apariie
asincron. Roboii considerai sunt dotai cu un nivel minim de inteligen i autonomie,
respectiv numai capacitatea de a prelucra informaiile provenite de la senzori. Problema de
optimizare mai sus enunat se formuleaz ca minimizarea cu restricii a unei funcionale
reprezentnd un indice de performan de timp. n esen, scopul este de a planifica traiectoria
i modul de manipulare optimale ale obiectului de ctre cei 2 roboi.
Pe nivelul ierarhic superior este plasat structura de control centralizat (supervizor) care
asigur comportamentul optimal n raport cu indicele de performan definit. n esen, este
vorba despre sinteza unui planificator de traiectorie optimal, care a fost numit planificator
global. nchiderea buclei presupune transmiterea comenzilor efective de schimbare a poziiei
ctre roboi n vederea urmririi traiectoriei optimale. Aceasta se realizeaz de ctre
planificatorul local.
Prin analogie cu elementele unei bucle de reglare clasice, planificatorul global calculeaz
referina, care se transmite planificatorului local. Dup executarea comenzii de ctre roboi, se
estimeaz eroarea fa de poziiile reale atinse de roboi, calculate pe baza reaciei video. A
fost prezentat un algoritm de prelucrare de imagini care permite tratarea suficient de
performant (att rapid, ct i precis) a acestei informaii de msur. Dac eroarea de
poziie depete un anume prag maxim admisibil, atunci se reiniializeaz planificatorul
global pentru calcularea traiectoriei din poziia curent real. Pentru minimizarea acestei erori
este necesar un model ct mai precis al nivelului inferior, respectiv considerarea ct mai
complet a interaciunilor roboilor i obiectului transportat cu mediul. Planificatorul local
nglobeaz astfel elementul de comparaie i elementul de execuie.
Planificatorul global se bazeaz pe un rezultat clasic din cercetrile operaionale:
algoritmul A* de cutare al drumului de cost minim ntr-un graf. Acest planificator furnizeaz
momentul, locul i micarea care trebuie realizat, considerndu-se c roboii pot urmri ideal
traiectoria impus. Erorile de poziionare a roboilor, ca i explicitarea modelului static al
acestora vor fi considerate n sinteza planificatorului local n cadrul unor cercetri ulterioare.
Ct privete eventualele mbuntiri ale planificatorului global, o sarcin de investigare
const n definirea unor funcii euristice care s se supun condiiei de consisten pentru
evitarea minimelor locale n calculul traiectoriei optimale. Ar putea fi util combinarea
funciilor euristice cu alte tipuri de cmpuri de potenial pentru a obine o hart de cutare
monoton.
Pe viitor, se intenioneaz implementarea metodei de planificare propuse ca aplicaie de
timp real, care s funcioneze eventual n cazul unui mediu variant. n acest caz, reprezentarea
hrii este obinut n mod continuu prin reacie video. Astfel, metoda de planificare necesit
robustificare la erori, ntrzieri i schimbri de mediu.



51


Bibliografie



http://www-2.cs.cmu.edu/afs/cs.cmu.edu/usr/pstone/public/papers/96ieee-survey/
http://www.ici.ro/ici/revista/ria2003_3/art4.htm
http://www-2.cs.cmu.edu/~softagents/multi.html


[1] Ollero, A., G. Morel, P. Bernus, S.Y. Nof, J. Sasiadek, S. Boverie, H. Erbe, R. Goodall
(2002). IFAC 2002 Milestone Report on Manufacturing and Instrumentation: from
MEMS (Micro Electro-Mechanical Components) to Enterprise Systems, Preprints of
the 15
th
IFAC World Congress Plenary papers, survey papers and milestones (Eds.
E.F. Camacho, L. Basanez, J.A. de la Puente), Barcelona, Spain, pp. 195-205.
[2] Pham, D.T., S. Yildirim (2002). Comparison of four methods of robot trajectory control,
Preprints of the 15
th
Triennial IFAC World Congress (CD-ROM - Eds. E.F. Camacho,
L. Basanez, J.A. de la Puente), July 21-26 2002, Barcelona, Spain.
[3] Montano, J.M.L. (2002). Robot navigation in very complex, dense and cluttered
indoor/outdoor environments, Preprints of the 15
th
Triennial IFAC World Congress
(CD-ROM - Eds. E.F. Camacho, L. Basanez, J.A. de la Puente), July 21-26 2002,
Barcelona, Spain.
[4] Jones, J.L., A.M. Flynn, B.A. Seiger (1999). Mobile robots inspiration to
implementation (second edition), A.K. Peters-Natick, Massachussets.
[5] Figueras, A., J. Colomer, J.L. de la Rosa (2002). Supervision of heterogeneous
controllers for a mobile robot, Preprints of the 15
th
Triennial IFAC World Congress
(CD-ROM - Eds. E.F. Camacho, L. Basanez, J.A. de la Puente), July 21-26 2002,
Barcelona, Spain.
[6] Garcia, C.E., R. Carelli, J.F. Postigo, C. Soria (2003). Supervisory control for a
telerobotic system: a hybrid control approach, Control Engineering Practice, 11, pp.
805-817.
[7] Fong, T., I. Nourbakhsh, K. Dautenhahn (2003). A survey of socially interactive robots,
Robotics and Autonomous Systems, 42, pp. 143166.
[8] Dautenhahn, K., A. Billard (1999). Bringing up robots orthe psychology of socially
intelligent robots: From theory to implementation, Proceedings of the Autonomous
Agents.
[9] Balestrino, A., A. Landi (2002). High path coordonation for multiple vehicles and
reciprocal root locus, Preprints of the 15
th
Triennial IFAC World Congress (CD-ROM -
Eds. E.F. Camacho, L. Basanez, J.A. de la Puente), July 21-26 2002, Barcelona, Spain.
[10] Bernabeu, E.J., J. Tornero (2002). Cooperative motion planning for multiple vehicles in
automated storage systems, Preprints of the 15
th
Triennial IFAC World Congress (CD-
ROM - Eds. E.F. Camacho, L. Basanez, J.A. de la Puente), July 21-26 2002, Barcelona,
Spain.
[11] Mitidieri, C., C.E. Pereira, L.L. Penz (2002). On coordinating multi-agent systems using
a time constrained contract network protocol, Preprints of the 15
th
Triennial IFAC
World Congress (CD-ROM - Eds. E.F. Camacho, L. Basanez, J.A. de la Puente), July
21-26 2002, Barcelona, Spain.


52
[12] Uzmay, I., R. Burkan, H. Sarikaya (2004). Application of robust and adaptive control
techniques to cooperative manipulation, Control Engineering Practice, 12, pp. 139-148.
[13] Fernandez, J.A., J. Gonzalez (2002). Task-driven, multiple abstraction for modeling
mobile robot large-scale space, Preprints of the 15
th
Triennial IFAC World Congress
(CD-ROM - Eds. E.F. Camacho, L. Basanez, J.A. de la Puente), July 21-26 2002,
Barcelona, Spain.
[14] Hsieh, F.-S. (2004). Model and control holonic manufacturing systems based on fusion
of contract nets and Petri nets, Automatica, 40, pp. 51-57.
[15] Tanner, H.G., G.J. Pappas (2002). Formation input-to-state stability, Preprints of the
15
th
Triennial IFAC World Congress (CD-ROM - Eds. E.F. Camacho, L. Basanez, J.A.
de la Puente), July 21-26 2002, Barcelona, Spain.
[16] Branicky, M.S. (1997). Stability of hybrid systems: state of the art, Proceedings of the
36
th
IEEE Conference on Decision & Control.
[17] Zhang, W., M.S. Branicky, S.M. Philips (2001). Stability of networked control systems,
IEEE Control Systems Magazine, 21(1).
[18] Davrazos, G.N., N.T. Koussoulas (2002). Stability analysis of networked hybrid
systems, Preprints of the 15
th
Triennial IFAC World Congress (CD-ROM - Eds. E.F.
Camacho, L. Basanez, J.A. de la Puente), July 21-26 2002, Barcelona, Spain.
[19] Lin, H., X.D. Koutsoukos, P.J. Antsaklis (2002). Hierarchical control for a class of
uncertain piecewise linear hybrid dynamical systems, Preprints of the 15
th
Triennial
IFAC World Congress (CD-ROM - Eds. E.F. Camacho, L. Basanez, J.A. de la Puente),
July 21-26 2002, Barcelona, Spain.
[20] Branicky, M.S. (1998). Multiple Lyapunov functions and other analysis tools for
switched and hybrid systems, IEEE Transactions on Automatic Control, 43(4).
[21] Rubensson, M., B. Lennartson (2000). Stability and robustness of hybrid systems using
discrete-timed Lyapunov functions techniques, Proceedings of the American Control
Conference.
[22] Petterson, S. (1999). Analysis and design of hybrid systems, Ph.D. Thesis, Chalmers
University of Technology, Sweden.
[23] Glocker, M., O. von Stryk (2002). Hybrid optimal control of motorized traveling
salesmen and beyond, Preprints of the 15
th
Triennial IFAC World Congress (CD-ROM -
Eds. E.F. Camacho, L. Basanez, J.A. de la Puente), July 21-26 2002, Barcelona, Spain.
[24] Stursberg, O., S. Engell (2002). Optimal control of switched continuous systems using
mixed-integer programming, Preprints of the 15
th
Triennial IFAC World Congress (CD-
ROM - Eds. E.F. Camacho, L. Basanez, J.A. de la Puente), July 21-26 2002, Barcelona,
Spain.
[25] Stiver, J., P. Antsaklis (1992). Modelling and analysis of hybrid control systems,
Proceedings of the 31st Conference on Decision and Control, Tucson, Arizona, pp.
3748-3751.
[26] Xie, G., L. Wang, P. Yang (2002). Stability of a class of hybrid dynamic systems,
Preprints of the 15
th
Triennial IFAC World Congress (CD-ROM - Eds. E.F. Camacho,
L. Basanez, J.A. de la Puente), July 21-26 2002, Barcelona, Spain.
[27] Bemporad, A., L. Giovanardi, F.D. Torrisi (2000). Performance driven reachability
analysis for optimal scheduling and control of hybrid systems, Proceedings of the 39th
IEEE Conference on Decision and Control, Sidney, Australia, pp. 969-974.


53
[28] Potocnik, B., A. Bemporad, F.D. Torrisi, G. Music, B. Zupancic (2002). Scheduling of
hybrid systems: multi product batch plant, Preprints of the 15
th
Triennial IFAC World
Congress (CD-ROM - Eds. E.F. Camacho, L. Basanez, J.A. de la Puente), July 21-26
2002, Barcelona, Spain.
[29] Manon, Ph., C. Valentin-Roubinet, G. Gilles (2002). Optimal control of hybrid
dynamical systems: application in process engineering, Control Engineering Practice,
10, pp. 133-149.
[30] Arai, T. and J. Ota (1996). Let us work together Task planning of multiple mobile
robots. In: Proceedings of the IEEE/RSJ International Conference on Intelligent Robots
and Systems, pp. 298-303.
[31] Rus, D, B. Donald and J. Jennings (1995). Moving furniture with teams of autonomous
robots. In: Proceedings of the IEEE/RSJ International Conference on Intelligent Robots
and Systems, pp. 235-242.
[32] Sawasaki, N. and H. Inoue (1996). Cooperative manipulation by autonomous intelligent
robots. JSME International Journal, C, 39(2), pp. 286-293.
[33] Kosuge, K., T. Osumi and K. Chiba (1997). Load sharing of decentralized controlled
multiple mobile robots handling a single object. In: Proceedings of the IEEE/RSJ
International Conference on Robotics and Automation, pp. 3373-3378.
[34] Hashimoto, M., F. Oba and S. Zenitani (1995). Object transportation control by multiple
wheeled vehicle planar Cartesian manipulator systems. In: Proceedings of the IEEE/RSJ
International Conference on Robotics and Automation, pp. 2267-2272.
[35] Sugar, T.G. and V. Kumar (2002). Control of cooperating mobile manipulators. IEEE
Transactions on Robotics and Automation, 18(1), pp. 94-103.
[36] Barraquand, J. and J.-C. Latombe (1991). Robot motion planning: A distributed
representation approach. Int. J. Robot. Res., 10(6), pp. 628-649.
[37] Gupta, K.K. and Z. Guo (1992). Motion planning for many degrees of freedom:
Sequential search with backtracking. In: Proceedings of the IEEE International
Conference of Robotics and Automation, pp. 2328-2333.
[38] Kondo, K. (1991). Motion planning with six degrees of freedom by multi-strategic
bidirectional heuristic free-space enumeration. IEEE Transactions on Robotics and
Automation, 7(3), pp. 267-277.
[39] Ota, J., N. Miyata, T. Arai, E. Yoshida, D. Kurabayashi and J. Sasaki (1995).
Transferring and regrasping a large object by cooperation of multiple mobile robots. In:
Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and
Systems, pp. 543-548.
[40] Yamashita, A., T. Arai, J. Ota and H. Asama (2003). Motion Planning of Multiple
Mobile Robots for Cooperative Manipulation and Transportation. IEEE Transactions on
Robotics and Automation, 19(2), pp. 223-237.
[41] Asarin, A., O. Maler, A. Pnueli (1995). On the analysis of dynamical systems with
piecewise constant derivatives, Theoretical Computer Science, 138, pp. 35-65.
[42] Pontryagin, L.S., V.G. Boltyanskii, R.V. Gamkrelidze, E.F. Mishchenko (1964). The
mathematical theory of optimal processes, Pergamon, New York.
[43] Miller, R.E. (1999). Optimization: Foundations and Applications, John Wiley and Sons.
[44] Pearl, J. (1984). Heuristics: intelligent search strategies for computer problem solving,
Addison-Wesley Longman Publishing Co., Inc., Boston, MA, U.S.A.
[45] Latombe, J.-C. (1991). Robot motion planning, Kluwer, Norwell MA, U.S.A.
[46] Hwang, Y.K. and N. Ahuja (1992). A potential field approach to path planning. IEEE
Transactions on Robotics and Automation, 8(1), pp. 23-32.



54
[47] Ulieru, M. et.al. (2001) Holonic Enterprise as an Information Ecosystem, Proc.
Workshop on Holons Autonomous and Cooperative Agents for the Industry, Autonomous
Agents International Conference, Montreal, Canada, May 2-6, 2001, pp. 3-20.

[48] Mihaela Ulieru and S. Ramakhrishnan, An Approach to the Modelling of Multi-Agent
Systems as Fuzzy Dynamical Systems, Advances in Artificial Intelligence and Engineering
Cybernetics, Vol. V: Multi-Agent Systems/Space-Time Logic/Neural Networks (George
Lasker, Ed.), IIAS-68-99, ISBN 0921836619, 1999.

[49] Werner E (1996); Logical Foundations of Distributed Artificial Intelligence in
Foundations of Distributed Artificial Intelligence (eds. OHare G.M.P. and Jennings N.R.)
(1996) John Wiley & Sons Interscience.

[50] Subramanian, R. and Mihaela Ulieru, Behavioral analysis of multi-agent systems
by dynamic modeling with application to technical and social systems, InterSymp99,
International Conference of the Institute for Advance Studies in Systems Research,
Informatics and Cybernetics, Baden-Baden, Germany, August 2-7, 1999.

[51] Zimmermann, H-J, Fuzzy Set Theory And Its Applications, Kluwer Academic (1991).

[52] Klir, G. and Folger, Tina, Fuzzy sets, Uncertainty, and Information, Prentice Hall,
(1988).
[53] Stefanoiu, D., Ulieru, Mihaela and Norrie, D., Multi-Agent Systems Planning by
Ambiguity Minimization, Symposium on Computational Intelligence (CI2000), ISA2000
Congress, Wollongong, Australia, December 2000.

[54] Goldberg, D.E., Simple Genetic Algorithms, University of Michigan, Dept. of Civil
Engineering, Ann. Arbor MI (1982).
[55] S. Kirkpatrick, C.D. Gelatt, M.P. Vecchi Optimization by Simulated Annealing,
Science, 220:671-680 (1983).

[56] D. A. Pormerleau, Neural Network Perception for Mobile Robot Guidance. Kluwer
Academic Publishers, 1993.

[57] S. J. Russell and P. Norvig, Artificial Intelligence: A Modern Approach. Englewood
Cliffs, NJ: Prentice Hall, 1995.

[58] G. Wei and S. Sen, eds., Adaptation and Learning in Multiagent Systems. Berlin:
Springer Verlag, 1996.

[59] AAAI, Adaptation, Coevolution and Learning in Multiagent Systems: Papers from
the 1996 AAAI Spring Symposium, (Menlo Park,CA), AAAI Press, March 1996. AAAI
Technical Report SS-96-01. Sandip Sen-Chair.

[60] M. Benda, V. Jagannathan, and R. Dodhiawala, On optimal cooperation of
knowledge sources - an empirical investigation, Tech. Rep. BCS-G2010-28, Boeing
Advanced Technology Center, Boeing Computing Services, Seattle, Washington, July
1986.




55
[61] V. R. Lesser, Multiagent systems: An emerging subdiscipline of AI, ACM
Computing Surveys, vol. 27, pp. 340-342, September 1995.

[62] K. S. Decker, Distributed problem solving: A survey, IEEE Transactions on
Systems, Man, and Cybernetics, vol. 17, pp. 729-740, September 1987.

[63] H. V. D. Parunak, Applications of distributed artificial intelligence in industry, in
Foundations of Distributed Artificial Intelligence (G. M. P. OHare and N. R. Jennings,
eds.), pp. 139-164, Wiley Interscience, 1996.

[64] E. H. Durfee, What your computer really needs to know, you learned in
kindergarten, in Proceedings of the Tenth National Conference on Artificial Intelligence,
(Philadelphia, PA), Morgan Kaufman, 1992. Invited Talk.

[65] K. S. Decker, Task environment centered simulation, in Simulating
Organizations: Computational Models of Institutions and Groups (M. Prietula, K. Carley,
and L. Gasser, eds.), AAAI Press/MIT Press, 1996.