Система управления в реальном времени ( RCS ) — это архитектура эталонной модели , подходящая для многих проблемных областей управления вычислениями в реальном времени , требующих большого количества программного обеспечения . Он определяет типы функций, необходимых в интеллектуальной системе управления в реальном времени , и то, как эти функции связаны друг с другом.
RCS не является ни проектом системы , ни спецификацией того, как реализовать конкретные системы . RCS предписывает иерархическую модель управления, основанную на наборе хорошо обоснованных инженерных принципов для организации сложности системы . Все узлы управления на всех уровнях используют общую модель узла. [1]
Также RCS предоставляет комплексную методологию проектирования, разработки, интеграции и тестирования систем управления. Архитекторы итеративно разделяют системные задачи и информацию на более мелкие, конечные подмножества, которые являются управляемыми и эффективными. RCS фокусируется на интеллектуальном управлении , которое адаптируется к неопределенной и неструктурированной операционной среде. Ключевыми проблемами являются восприятие, восприятие, знания, затраты, обучение, планирование и исполнение. [1]
Архитектура эталонной модели — это каноническая форма, а не спецификация проекта системы . Архитектура эталонной модели RCS сочетает в себе планирование и управление движением в реальном времени с высокоуровневым планированием задач, решением проблем , моделированием мира, рекурсивной оценкой состояния, тактильной и визуальной обработкой изображений и анализом акустических сигнатур. Фактически, эволюция концепции RCS была вызвана попыткой включить лучшие свойства и возможности большинства, если не всех, интеллектуальных систем управления, известных в настоящее время в литературе, от включения до SOAR, от классных досок до объектно-ориентированных систем управления. программирование. [2]
RCS (система управления в реальном времени) представляет собой архитектуру интеллектуального агента , предназначенную для обеспечения любого уровня интеллектуального поведения, вплоть до человеческого уровня производительности. RCS был вдохновлен теоретической моделью мозжечка, части мозга, отвечающей за тонкую моторную координацию и контроль сознательных движений. Первоначально он был разработан для сенсорно-интерактивного целенаправленного управления лабораторными манипуляторами. За три десятилетия она превратилась в архитектуру управления в реальном времени для интеллектуальных станков, систем автоматизации производства и интеллектуальных автономных транспортных средств. [3]
RCS применим ко многим проблемным областям, включая примеры производства и примеры транспортных систем . Системы, основанные на архитектуре RCS, были разработаны и реализованы в различной степени для широкого спектра приложений, включая загрузку и разгрузку деталей и инструментов в станках, управление обрабатывающими станциями, выполнение роботизированного снятия заусенцев и снятия фасок, а также управление телероботами космических станций и т. д. автономные подводные аппараты, беспилотные наземные транспортные средства, системы автоматизации добычи угля , системы обработки почты почтовой службы и системы оперативной автоматизации подводных лодок. [2]
RCS развивалась в различных версиях на протяжении ряда лет по мере того, как росло понимание сложности и изощренности интеллектуального поведения. Первая реализация была разработана Барберой для сенсорно-интерактивной робототехники в середине 1970-х годов. [4]
В RCS-1 упор был сделан на объединение команд с сенсорной обратной связью, чтобы вычислить правильный ответ на каждую комбинацию целей и состояний. Приложение должно было управлять роботизированной рукой с помощью структурированной системы светового зрения в задачах визуального преследования. На RCS-1 сильно повлияли биологические модели , такие как модель Марра-Альбуса [5] и арифметический компьютер модели мозжечка (CMAC). [6 ] мозжечка . [2]
CMAC становится конечным автоматом , когда некоторые из его выходных данных передаются непосредственно на вход, поэтому RCS-1 был реализован как набор конечных автоматов, организованных в иерархию уровней управления. На каждом уровне входная команда эффективно выбирает поведение, которое определяется обратной связью в виде стимул-реакция . Таким образом, CMAC стал строительным блоком эталонной модели RCS-1, как показано на рисунке.
Иерархия этих строительных блоков использовалась для реализации иерархии поведения, наблюдаемой Тинбергеном [7] и другими. RCS-1 во многих отношениях похож на архитектуру включения Брукса [8] , за исключением того, что RCS выбирает поведение до факта посредством целей, выраженных в командах, а не постфактум посредством включения. [2]
Следующее поколение, RCS-2, было разработано Барберой, Фицджеральдом, Кентом и другими для управления производством в Научно-исследовательском центре автоматизированного производства NIST (AMRF) в начале 1980-х годов. [9] [10] [11] Базовый блок RCS-2 показан на рисунке.
Функция H оставалась исполнителем таблицы состояний конечного автомата . Новой особенностью RCS-2 стало включение функции G, состоящей из ряда алгоритмов сенсорной обработки, включая алгоритмы структурированного света и анализа капель. RCS-2 использовался для определения восьмиуровневой иерархии, состоящей из уровней управления сервоприводом, преобразованием координат, электронным перемещением, задачей, рабочей станцией, ячейкой, цехом и объектом.
Фактически были построены только первые шесть уровней. На двух рабочих станциях AMRF полностью реализованы пять уровней RCS-2. Система управления армейским полевым роботом-манипулятором (FMR) [12] также была реализована в RCS-2, как и проект армейского полуавтономного наземного транспортного средства TMAP . [2]
RCS-3 был разработан для проекта многоцелевого автономного подводного аппарата (MAUV) NBS/DARPA [13] и адаптирован для архитектуры системы управления телероботами стандартной эталонной модели НАСА/NBS (NASREM), разработанной для космической станции Flight Telerobotic Servicer [14] Базовый блок RCS-3 показан на рисунке.
Основными новыми функциями, представленными в RCS-3, являются модель мира и интерфейс оператора. Включение модели мира обеспечивает основу для планирования задач и сенсорной обработки на основе модели. Это привело к доработке модулей декомпозиции задач (TD) таким образом, чтобы в каждом из них был ответственный за задание, планировщик и исполнитель для каждой из подсистем, которым назначено задание. Это примерно соответствует трехуровневой иерархии управления Саридиса [15] . [2]
RCS-4 разрабатывается с 1990-х годов подразделением робототехнических систем NIST. Основной строительный блок показан на рисунке). Принципиальной новой особенностью RCS-4 является явное представление системы оценочных суждений (VJ). Модули VJ обеспечивают системе управления RCS-4 тот тип функций, которые обеспечивает биологический мозг лимбической системой . Модули VJ содержат процессы, которые вычисляют стоимость , выгоду и риск запланированных действий, а также придают ценность объектам , материалам, территории, ситуациям, событиям и результатам. Переменные состояния значения определяют, какие цели важны и какие объекты или регионы следует уделять внимание, атаковать, защищать, оказывать помощь или иным образом воздействовать на них. Ценностные суждения или функции оценки являются важной частью любой формы планирования или обучения. Применение оценочных суждений к интеллектуальным системам управления было рассмотрено Джорджем Пью. [16] Структура и функции модулей VJ более полно разработаны у Альбуса (1991). [2] [17]
В RCS-4 также используется термин «генерация поведения» (BG) вместо термина «декомпозиция задачи 5» (TD) в RCS-3. Цель этого изменения — подчеркнуть степень самостоятельности принятия решений . RCS-4 предназначен для решения задач высокоавтономных приложений в неструктурированных средах, где невозможна связь с высокой пропускной способностью , например, в беспилотных транспортных средствах, работающих на поле боя , глубоко под водой или на далеких планетах . Эти приложения требуют автономных оценочных суждений и сложных возможностей восприятия в реальном времени . RCS-3 будет по-прежнему использоваться для менее требовательных приложений, таких как производство , строительство или телеробототехника для ближнего космоса или мелководных подводных операций, где среда более структурирована, а полоса пропускания связи с человеческим интерфейсом менее ограничена. В этих приложениях оценочные суждения часто неявно представлены в процессах планирования задач или во вводе человека-оператора. [2]
На рисунке пример методологии RCS для проектирования системы управления автономным движением по дорогам в повседневных условиях дорожного движения сведен к шести шагам. [18]
Результатом шага 3 является то, что каждая организационная единица имеет для каждой входной команды таблицу состояний упорядоченных производственных правил, каждое из которых подходит для выполнения расширенным конечным автоматом (FSA). Последовательность выходных подкоманд, необходимая для выполнения входной команды, генерируется ситуациями (т. е. условиями ветвления), которые заставляют FSA переходить от одной выходной подкоманды к другой. [18]
На основе архитектуры эталонной модели RCS NIST разработал библиотеку программного обеспечения системы управления в реальном времени . Это архив бесплатного кода C++, Java и Ada, сценариев, инструментов, файлов сборки и документации, разработанных в помощь программистам программного обеспечения, которые будут использоваться в системах управления в реальном времени , особенно в тех, которые используют архитектуру эталонной модели для проектирования интеллектуальных систем. [19]