Нежный робот. Машины умнеют и очеловечиваются.

Роботы все больше становятся похожими на людей. И не только внешне. Профессор кафедры “Вычислительная техника” Юго-Западного государственного университета доктор технических наук Максим БОБЫРЬ занимается роботами, механизм работы которых напоминает функционирование нервной системы и мозга. Как выясняется, у них даже характер людской. Если ими управлять жестко, они выполнят свою работу неточно, а при мягком обращении сделают все на высоком уровне. Как молодой ученый, получивший на свои исследования грант Президента РФ, совершенствует своих “подопечных”? Какой подход использует при работе с “человечным” железом? 

— Мы разрабатываем нейронечеткие системы и программы для управления мехатронными комплексами, рассказывает Максим. — Это мобильные роботы для работы в агрессивных средах и обстановке, угрожающей жизни человека, роботы-манипуляторы, выполняющие различные складские работы, а также станки с ЧПУ для гибких автоматизированных производств. 

Для управления мехатронными комплексами используем микроконтроллеры (ATmega, Pic, Siemens) и программируемые логические интегральные схемы (ПЛИС). 

Чем интересны эти комплексы? Простотой реализацией нечетких моделей. Термин fuzzy (в переводе с англ. — “нечеткий”), предложенный в 1965 году математиком Лотфи Заде, — ключевой в нечеткой логике, помогает определить промежуточные значения между логическими “0” и “1”, свойственные оценкам: черное — белое, да — нет. Приведу не имеющий отношения к реальности пример, но хорошо поясняющий классическую модель логической системы: множество “молодой человек” заданное на интервале от 0 до 20 лет, говорит о том, что в 21 год молодой человек становится “пожилым”. В нечеткой модели человек в этом возрасте будет считаться молодым, но с 95% уверенностью.

При создании мобильного робота несложно задать модель его поведения: парковка (для автомобилей), поиск путей в замкнутых пространствах (перемещения в трубопроводе), движение внутри заданного контура (робот-пылесос), движение за объектом (управление с помощью жестов, распознавание лиц). Управлять можно как с помощью дистанционного пульта (от телевизора), так и в автономном режиме. Это умеют даже студенты-старшекурсники. 

Наш научный коллектив занимается автономным режимом управления мобильным роботом. Он предполагает отслеживание показаний сенсоров и в зависимости от их значений вычисление сигналов, передаваемых на приводы мобильного робота. Мы управляем разными параметрами. Это “время задержки сигнала” — расстояние, на которое переместится робот, а также “широтно-импульсная модуляция” — время, за которое робот продвинется на требуемое расстояние. 

Для построения простейших схем автоматики и робототехники используется микропроцессорная система Arduino. Она хорошо зарекомендовала себя при реализации небольших проектов. Однако для досконального погружения в мир микроконтроллеров необходимо научиться программировать передачу данных с помощью аналого-цифрового и цифро-аналогового преобразователей, а также синхронизацию арифметических и логических операций. 

И тут на горизонте появляются Программируемые логические интегральные схемы (ПЛИС). Это цифровые микросхемы, состоящие из программируемых логических блоков (логические элементы “и”, “или”, “не”) и соединений между ними. Комбинируя взаимодействия между этими соединениями, инженеры-разработчики могут решать различные задачи. 

Сравним ПЛИС и Arduino. При использовании ПЛИС время вычисления сигнала на основе нечеткого вывода составляет около 2 микросекунд, а у Arduino — 2 миллисекунды: преимущество по времени — 3 порядка. Хорошо это или плохо, поясним на примере. Две микросекунды — две миллионные доли секунды, время очень маленькое. Мировой рекорд спринтера на стометровке — 9,58 секунды, то есть за 2 миллионных доли секунды он пробежит около 0,02 миллиметра. Реактивный самолет за это время пролетит 0,6 миллиметра, а вот ракета — 16 миллиметров. Разницу между Arduino и ПЛИС можно почувствовать, если сравнить бег спринтера и полет ракеты. 

— Нечеткие процессоры с высоким быстродействием, реализованные на ПЛИС, найдут широкое применение в системах технического зрения, например, для определения расстояний, распознавания номерных знаков и в системах, где необходима видеообработка с большой скоростью.

Нечеткие процессоры на Arduino позволят заменить дорогостоящее импортное оборудование на отечественные аналоги. Например, при автоматизации производств широкое распространение получили микроконтроллеры Siemens. Но вместо них можно использовать легко программируемые отечественные аналоги Arduino с дополнительным применением повышающих трансформаторов, увеличивающих напряжение с 5 до 24 вольт.

Другое направление — использование нечетких вычислительных моделей для расчета временных задержек. Например, при отладке робота-манипулятора, ловящего летящий теннисный шарик, мы столкнулись с проблемой. Когда мяч попадает в поле зрения лазерного датчика, происходит его мгновенный захват, но шарик не ловится. Почему? Центральная ось шарика из-за движения не совмещена с центральной осью пневматического схвата. Нужна небольшая задержка. Человек благодаря своему опыту легко подберет это значение, но машине необходим механизм принятия решений. Нечеткая модель рассчитала время задержки — 0,35 секунд — и робот-манипулятор стал ловить мячики со стопроцентной надежностью.

— Поясню разницу между этими терминами на конечном результате. Точность управления оценивается разностью между заданным значением управляемого параметра и текущим. Как известно, комфортная температура в комнате — плюс 24 градуса. Датчик зарегистрировал 22. Вывод: необходимо увеличить подачу тепла, чтобы добрать недостающие два градуса. Для этого применяют ПИД-регуляторы (пропорционально-интегрально-дифференцирующий регулятор, устройство в контуре управления, используемое для уменьшения времени перерегулировки). Их управляющий сигнал состоит из трех слагаемых. Это вариант жесткого управления. 

Чтобы увеличить подачу тепла в автоматическом режиме, нужно изменить величину одного из слагаемых ПИД-регулятора. При управлении возможна перерегулировка, то есть мы можем получить на выходе системы значение выше заданного параметра: вместо 24 градусов в комнате станет 25, перерегулировка — один градус. Чтобы избежать режима перерегулировки, необходимо более плавное изменение результирующей переменной. Для этого нужно увеличивать число регулируемых параметров, в мягких нечетких моделях — до 25. Это и есть мягкое управление. 

— Это приближенный аналог работы нервной системы и мозга человека. Нервные волокна человека способны передавать электрические импульсы между нейронами. То же самое и в искусственных нейронных сетях: механизм принятия решений аналогичен работе мозга человека. Процесс принятия решений в нейронечеткой системе можно записать в виде последовательной цепочки математических действий. Для исключения режима перерегулировки в нейронечетких сетях используют специальные алгоритмы их обучения.

— Работаю с командой моих аспирантов Юго-Западного государственного университета. Это аспиранты кафедры “Вычислительная техника”: Сергей Кулабухов, Алексей Якушев, Марина Лунева, Александр Дородных, Иван Масленников и ребята из Йемена Даим Нассер и Мухамед Абдуллджабар. Аспиранты в основном решают задачи по проектам гранта Президента РФ и государственного задания.

Я занимаюсь координацией исследований. Каждый аспирант выполняет работу со своим устройством. Чтобы не изобретать велосипед, в первую очередь мы изучаем современные достижения. Анализируем литературные источники из российских (elibrary.ru) и международных (Elsevier и Springer) баз, а также из российских (ФИПС) и американских (USPTO) патентных баз. Определяем характеристики известных устройств и пытаемся их улучшить. Аспиранты предлагают элементную базу для решения конкретной задачи. Затем создаем программное обеспечение, программируем робота, исследуем режим его работы и смотрим, какое из предложенных решений имеет лучшие характеристики.

Результаты экспериментальных исследований публикуем в ведущих российских и мировых журналах и представляем на научных форумах. В мае прошлого года мы провели 13-ю международную конференцию по разработке и проектированию оптико-электронных приборов “Распознавание-2017”.

Под моим руководством подготовлены пять кандидатских диссертаций. Я горжусь достижениями своих учеников. Аспирант Сергей Кулабухов — обладатель стипендии Президента России. Аспирант Алексей Якушев — бронзовый медалист одного из всероссийских хакатонов — конкурса по созданию программного обеспечения для управления роботом.

— Машино- и приборостроительные предприятия, автоматизирующие свое производство. Мы сотрудничаем с компаниями из Курска. На ОАО “Авиавтоматика” и “18 ЦНИИ” находятся филиалы нашей кафедры. Магистранты и аспиранты посещают лаборатории предприятий. Ведущие специалисты ставят научно-технические задачи, которые молодежь пытается решить. Одно из перспективных направлений — участие в проекте по разработке беспилотных автомобилей “Зимний город”. Беспилотный автомобиль — это суперкомпьютер на колесах, он проводит обработку информации, поступающей от лазерных дальномеров, видеокамер. Мы как раз и занимается разработкой подобных систем.

— Хотим сократить время работы нечеткого механизма для ПЛИС в три раза и более, создать систему технического зрения и программное обеспечение, обрабатывающее видеосигнал на базе ПЛИС (Nexys Video Artix-7) для управления роботами. Другая задача — экспериментальные исследования наших устройств. Например, при разработке мобильного робота исследуем экстремальные режимы работы микропроцессоров и электронных компонентов, из которых он состоит. Arduino Unо из-за ограниченного объема памяти не способен обрабатывать нечеткие модели. ПЛИС работает только с целочисленными данными, поэтому операция деления требует разработки специальных алгоритмов. Исследуем работу спроектированного мобильного робота или робота-манипулятора. При прохождении мобильным роботом замкнутых пространств определяем, какой из алгоритмов нечеткого вывода приводит к выполнению задачи, причем за минимальное время.

Ну, и стоит еще одна — практически нерешаемая — выспаться.