Метод интеллектуального планирования миссий автономных подводных аппаратов
Ключевые слова:
автономный подводный аппарат, робототехнический комплекс, интеллектуальное планирование, миссия, неопределённостьАннотация
Создание полностью автономных необитаемых подводных аппаратов и комплексов, способных выполнять различные исследовательские и технологические операции в условиях неопределенности, является актуальной задачей. Ключевой проблемой является автоматическая коррекция миссий в реальном времени на основе данных от бортовых систем. Целью данной работы является разработка метода интеллектуального планирования миссий на стратегическом уровне управления автономными подводными робототехническими комплексами, обеспечивающего автоматическое формирование адаптивных планов и их преобразование в исполнительные команды тактического уровня для работы в изменяющихся условиях среды. В статье авторами определены принципы разработки интеллектуального планировщика миссий автономных подводных робототехнических комплексов (АПРК) на стратегическом уровне и менеджера миссий для управления миссией на тактическом уровне с формированием конкретных заданий исполнителям. Разработана формальная модель планирования миссий через множество линейных участков с предусловиями и постусловиями. Ключевым аспектом предложенного решения является использование онтологического подхода для стандартизации описания миссий и обеспечения их программной интерпретации. Создана специализированная среда разработки миссий на облачной платформе IACPaaS, позволяющая экспертам формировать и адаптировать планы миссий без углубления в технические детали. Разработан комплекс инструментальных средств с модульной архитектурой, обеспечивающий масштабируемость и адаптацию решения для различных классов АПРК и типов миссий. Результаты апробации показали, что предложенное решение позволяет формировать гибкие планы, учитывающие разнообразие ситуаций, и автоматически выбирать последовательности команд в зависимости от поступающих данных. Полученные результаты открывает новые возможности для создания полностью автономных подводных комплексов, способных выполнять сложные исследовательские и технологические операции без постоянного контроля оператора. Дальнейшие исследования направлены на совершенствование алгоритмов менеджера миссий, а также на интеграцию планировщика с другими компонентами бортового обеспечения.
Литература
2. Sahoo A., Dwivedy S.K., Robi P.S. Advancements in the field of autonomous underwater vehicle // Ocean Engineering. 2019. vol. 181. pp. 145–160. DOI: 10.1016/j.oceaneng.2019.04.011.
3. Antonelli G. Underwater Robots: Motion and Force Control of Vehicle-Manipulator Systems. Berlin, Heidelberg: Springer, 2003. 268 p.
4. Филаретов В.Ф., Зуев А.В., Тимошенко А.А. Особенности выполнения технологических операций с помощью автономных необитаемых подводных аппаратов, оснащаемых многозвенными манипуляторами // Вестник Дальневосточного отделения Российской академии наук. 2024. № 3(235). С. 165–177.
5. Azar A.T., Koubaa A. Artificial Intelligence for Robotics and Autonomous Systems Applications. Springer Cham. 2023. 486 p.
6. Kirchner F., Straube S., Kühn D., Hoyer N. AI Technology for Underwater Robots. Springer Cham. 2020. 193 p.
7. Машошин А.И. Технологии искусственного интеллекта в задачах управления автономным необитаемым подводным аппаратом // Мехатроника, автоматизация, управление. 2022. Т. 23. № 11. С. 596–606.
8. Петров А.А. Активное формирование моделей проблемной среды очувствленными роботами. М.: Институт проблем передачи информации РАН, 1997. 229 с.
9. Раговский А.П. Интеллектуальная динамическая система формирования заданий для автономных необитаемых подводных аппаратов // Проблемы развития корабельного вооружения и судового радиоэлектронного оборудования. 2015. № 4. С. 100–108.
10. Blum A., Furst M. Fast planning through planning graph analysis // Proceedings of the 14th International Joint Conference on Artificial Intelligence (IJCAI-95). Montreal, Canada. 1995. pp. 1636–1642.
11. Liu F., Xu W., Feng Z., Yu C., Liang X., Su Q., Gao J. Task Allocation and Path Planning Method for Unmanned Underwater Vehicles // Drones. 2025. vol. 9. no. 6. DOI: 10.3390/drones9060411.
12. Maier S., Kiam J., Schulte A. Adaptive Mission Planning: Evaluation of a Hybrid Cognitive Mixed-Initiative Planning Assistant in Manned-Unmanned Teaming Operations // Proceedings of the IEEE International Conference on Systems, Man, and Cybernetics (SMC). 2024. pp. 3492–3499. DOI: 10.1109/SMC54092.2024.10831141.
13. Cunningham T., Spencer D. Automated Onboard Mission Planning for Robust and Flexible Rover Operations // Proceedings of the IEEE Aerospace Conference (AERO). 2022. pp. 1–19. DOI: 10.1109/AERO53065.2022.9843729.
14. Bian X., Chen T., Yan Z., Qin Z. Autonomous mission management and intelligent decision for AUV // Proceedings of the IEEE International Conference on Mechatronics and Automation. 2009. pp. 2101–2106. DOI: 10.1109/ICMA.2009.5246027.
15. Simetti E., Campos R., Vito D.D., Quintana J., Antonelli G., Garcia R., Turetta A. Sea Mining Exploration With an UVMS: Experimental Validation of the Control and Perception Framework // IEEE/ASME Transactions on Mechatronics. 2021. vol. 26. no. 3. pp. 1635–1645. DOI: 10.1109/TMECH.2020.3025973.
16. Филаретов В.Ф., Юхимец Д.А. Особенности синтеза высокоточных систем управления скоростным движением и стабилизацией подводных аппаратов в пространстве. Владивосток: Дальнаука, 2016. 400 с.
17. Chen L., Liu Y., Dong P., Liang J., Wang A. An Intelligent Navigation Control Approach for Autonomous Unmanned Vehicles via Deep Learning-Enhanced Visual SLAM Framework // IEEE Access. 2023. vol. 11. pp. 119067–119077. DOI: 10.1109/ACCESS.2023.3326754.
18. Lin J., Liang T., Ma G., Li B., Yu T. Research on SLAM Intelligent Robot Based on Visual Laser Fusion // Proceedings of the 8th International Conference on Control, Robotics and Cybernetics (CRC). 2024. pp. 53–57. DOI: 10.1109/CRC60659.2023.10488663.
19. Борейко А.А., Инзарцев А.В., Машошин А.И., Павин А.М., Пашкевич И.В. Система управления АНПА большой автономности на базе мультиагентного подхода // Подводные исследования и робототехника. 2019. № 2(28). С. 23–31.
20. Ferri G., Faggiani A., Celi F., Tesei A., Been R. Exploiting Behaviour Trees in Underwater Autonomous Robotic Networks // Proceedings of the OCEANS 2024 – Singapore. 2024. pp. 1–10. DOI: 10.1109/OCEANS51537.2024.10682233.
21. Han S., Zhao J., Li X., Yu J., Wang S., Liu Z. Online Path Planning for AUV in Dynamic Ocean Scenarios: A Lightweight Neural Dynamics Network Approach // IEEE Transactions on Intelligent Vehicles. 2024. vol. 9. no. 2. pp. 3782–3795. DOI: 10.1109/TIV.2024.3356529.
22. Chatterjee I., Zalte S. Machine Learning Applications: From Computer Vision to Robotics. Wiley-IEEE Press. 2023. 240 p.
23. Guo J., Li D., He B. Intelligent Collaborative Navigation and Control for AUV Tracking // IEEE Transactions on Industrial Informatics. 2021. vol. 17. no. 3. pp. 1732–1741. DOI: 10.1109/TII.2020.2994586.
24. Liu X.-F., Fang Y., Zhan Z.-H., Jiang Y.-L., Zhang J. A Cooperative Evolutionary Computation Algorithm for Dynamic Multiobjective Multi-AUV Path Planning // IEEE Transactions on Industrial Informatics. 2024. vol. 20. no. 1. pp. 669–680. DOI: 10.1109/TII.2023.3268760.
25. Guo Y., Fang X., Dong Z., Mi H. Research on multi-sensor information fusion and intelligent optimization algorithm and related topics of mobile robots // EURASIP J. Adv. Signal Process. 2021. vol. 2021. DOI: 10.1186/s13634-021-00817-4.
26. Li X., Xu S. Multi-Sensor Complex Network Data Fusion Under the Condition of Uncertainty of Coupling Occurrence Probability // IEEE Sensors Journal. 2021. vol. 21. no. 22. pp. 24933–24940. DOI: 10.1109/JSEN.2021.3061437.
27. Инзарцев А.В., Грибова В.В., Клещёв А.С. Интеллектуальная система для формирования адекватного поведения автономного подводного робота в аварийных ситуациях // Подводные исследования и робототехника. 2015. № 2(20). С. 4–11.
28. Gribova V., Moskalenko P., Timchenko V., Shalfeyeva E. Intelligent Services Development Technology Using the IACPaaS Cloud Platform // Communications in Computer and Information Science. 2022. vol. 1625. pp. 19–38. DOI: 10.1007/978-3-031-15882-7_2.
29. Gribova VV, Moskalenko PM, Timchenko VA, Shalfeeva EA. The IACPaaS Platform for Developing Systems Based on Ontologies: A Decade of Use. Scientific and Technical Information Processing. 2023. vol. 50(5). pp. 406–413. DOI: 10.3103/S0147688223050064.
The Method of Intelligent Mission Planning for Autonomous Underwater Vehicles
Abstract
Creation of fully autonomous unmanned underwater vehicles and systems capable of performing various research and technological operations under uncertainty conditions is a pressing issue. The key problem is automatic mission correction in real time based on data from onboard systems. The aim of this work is to develop a method for intelligent mission planning at the strategic control level of autonomous underwater robotic systems, enabling automatic generation of adaptive plans and their transformation into tactical-level executable commands for operation in changing environmental conditions. In the article, the authors define the principles of developing an intelligent mission planner for autonomous underwater robotic systems (AURS) at the strategic level and a mission manager for managing the mission at the tactical level with the formation of specific tasks for performers. A formal model for planning missions through many linear sections with preconditions and postconditions has been developed. The key aspect of the proposed solution is the use of an ontological approach to standardize the description of missions and ensure their software interpretation. A specialized mission development environment has been created on the IACPaaS cloud platform, allowing experts to form and adapt mission plans without delving into technical details. The set of tools with a modular architecture has been developed, ensuring scalability and adaptation of the solution for various classes of submarines and types of missions. The results of testing have shown that the proposed solution allows for the formation of flexible plans that take into account the diversity of situations and automatically select command sequences depending on the incoming data. The results obtained open up new possibilities for creating fully autonomous underwater systems capable of performing complex research and technological operations without constant operator control. Further research is aimed at improving the mission manager algorithms, as well as integrating the planner with other onboard support components.
Опубликован
Как цитировать
Раздел
Copyright (c) Валерия Викторовна Грибова
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).