JPWO2020003418A1 - Control planning device, robot group system, and control planning method - Google Patents
Control planning device, robot group system, and control planning method Download PDFInfo
- Publication number
- JPWO2020003418A1 JPWO2020003418A1 JP2018548455A JP2018548455A JPWO2020003418A1 JP WO2020003418 A1 JPWO2020003418 A1 JP WO2020003418A1 JP 2018548455 A JP2018548455 A JP 2018548455A JP 2018548455 A JP2018548455 A JP 2018548455A JP WO2020003418 A1 JPWO2020003418 A1 JP WO2020003418A1
- Authority
- JP
- Japan
- Prior art keywords
- performance
- aircraft
- robot
- vector
- control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 22
- 239000013598 vector Substances 0.000 claims abstract description 253
- 238000012545 processing Methods 0.000 claims description 42
- 230000009471 action Effects 0.000 claims description 24
- 230000008859 change Effects 0.000 claims description 8
- 230000036314 physical performance Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 description 33
- 230000006399 behavior Effects 0.000 description 21
- 230000006870 function Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 230000003287 optical effect Effects 0.000 description 9
- 235000012745 brilliant blue FCF Nutrition 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- WPPDXAHGCGPUPK-UHFFFAOYSA-N red 2 Chemical compound C1=CC=CC=C1C(C1=CC=CC=C11)=C(C=2C=3C4=CC=C5C6=CC=C7C8=C(C=9C=CC=CC=9)C9=CC=CC=C9C(C=9C=CC=CC=9)=C8C8=CC=C(C6=C87)C(C=35)=CC=2)C4=C1C1=CC=CC=C1 WPPDXAHGCGPUPK-UHFFFAOYSA-N 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000001141 propulsive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
制御プランニング装置（３）は、機体の相対的な性能が数値化された性能値を要素とする性能ベクトルを更新し、性能ベクトルに基づく制御則に従って機体の行動を決定する。The control planning device (3) updates a performance vector whose performance values are numerical values of the relative performance of the machine body, and determines the behavior of the machine body according to a control rule based on the performance vector.
Description
本発明は、集団を構成し、各々が自律的に行動する複数の機体のそれぞれの行動を決定する制御プランニング装置、ロボット群システムおよび制御プランニング方法に関する。 The present invention relates to a control planning device, a robot group system, and a control planning method that form a group and determine the behavior of each of a plurality of aircraft that each autonomously behave.
ロボット群を制御する方法の一つとしてリーダ追従型の制御方法がある。この制御方法は、ロボットに搭載されている機器の種類および性能がロボットごとに異なるヘテロな系を有したロボット群に採用されることが多い。 As one of the methods for controlling the robot group, there is a leader following type control method. This control method is often used for a group of robots having a heterogeneous system in which the types and performances of the devices mounted on the robots are different for each robot.
例えば、特許文献１には、リーダ追従型の制御方法を採用したロボット群の制御方法が記載されている。特許文献１に記載された制御方法では、計算能力を有した親ロボット（リーダ機）がロボット群の全ての子ロボットの行動を俯瞰し、個々の子ロボットの最適な行動を決定することで効率的なロボット群の制御を実現している。
For example,
親ロボットには、周囲環境に存在する検知対象物に接触せずに検知する非接触型センサが搭載されており、子ロボットには、周囲環境に存在する検知対象物に接触して検知する接触型センサが搭載されている。このロボット群システムでは、親ロボットが子ロボットの行動を決定するので、子ロボットが障害物に接触して壊れてしまっても、親ロボットが壊れない限り、ロボット群としては活動を継続できる。 The parent robot is equipped with a non-contact type sensor that detects without touching the detection target existing in the surrounding environment, and the child robot has contact with the detection target existing in the surrounding environment. Type sensor is mounted. In this robot group system, since the parent robot determines the behavior of the child robot, even if the child robot comes into contact with an obstacle and breaks, the robot group can continue its activity as long as the parent robot does not break.
特許文献１に記載された制御方法では、親ロボットに非接触型センサが搭載されていても、何らかの影響で親ロボット自体が故障してしまうと、ロボット群としての活動が継続できないという課題があった。
The control method described in
本発明は上記課題を解決するものであり、集団を構成する複数の機体の制御における機体の故障に対する耐性を高めることができる制御プランニング装置、ロボット群制御システムおよび制御プランニング方法を得ることを目的とする。 The present invention is to solve the above problems, and an object of the present invention is to obtain a control planning device, a robot group control system and a control planning method capable of increasing resistance to a failure of a machine in controlling a plurality of machines forming a group. To do.
本発明に係る制御プランニング装置は、集団を構成し、各々が自律的に行動する複数の機体のそれぞれに搭載され、搭載された機体がとるべき行動を決定する。制御プランニング装置は、情報取得部、性能ベクトル処理部および制御プランニング部を備えている。情報取得部は、機体の相対的な性能が数値化された性能値を要素とする性能ベクトルに関する情報を、複数の機体から取得する。性能ベクトル処理部は、情報取得部によって取得された性能ベクトルに関する情報に基づいて、機体ごとに設定された性能ベクトルのうち、性能に変化があった機体に設定された性能ベクトルを更新する。制御プランニング部は、性能ベクトルに基づく制御則に従って機体の行動を決定する。 The control planning device according to the present invention forms a group, is mounted on each of a plurality of aircraft that each autonomously behaves, and determines the action to be taken by the mounted aircraft. The control planning device includes an information acquisition unit, a performance vector processing unit, and a control planning unit. The information acquisition unit acquires, from a plurality of aircraft, information regarding a performance vector whose elements are performance values in which the relative performance of the aircraft is quantified. The performance vector processing unit updates the performance vector set for the machine whose performance has changed among the performance vectors set for each machine based on the information about the performance vector acquired by the information acquisition unit. The control planning unit determines the behavior of the aircraft according to the control rule based on the performance vector.
本発明によれば、機体の相対的な性能が数値化された性能値を要素とする性能ベクトルを更新し、性能ベクトルに基づく制御則に従って機体の行動を決定する。集団を構成する複数の機体のいずれかが故障して性能が変化した場合であってもその機体の性能ベクトルを更新して性能の変化を反映させるので、集団を構成する複数の機体の制御における機体の故障に対する耐性を高めることができる。 According to the present invention, the performance vector whose elements are performance values in which the relative performance of the machine is quantified is updated, and the behavior of the machine is determined according to the control rule based on the performance vector. Even if any of the multiple aircraft that make up the group fails and the performance changes, the performance vector of that aircraft is updated to reflect the change in performance. It is possible to increase the resistance to the failure of the machine body.
以下、本発明をより詳細に説明するため、本発明を実施するための形態について、添付の図面に従って説明する。
実施の形態１．
図１は、本発明の実施の形態１に係るロボット群システム１の構成を示すブロック図である。ロボット群システム１は、図１に示すように、集団を構成し、各々が自律的に行動するロボット２−１〜２−４を備える。制御プランニング装置３は、ロボット２−１〜２−４のそれぞれに搭載されている。ロボット２−１に搭載された制御プランニング装置３は、上記集団に設定された制御則に従って、ロボット２−１の行動を決定する。ロボット２−２に搭載された制御プランニング装置３は、ロボット２−２の行動を決定し、ロボット２−３に搭載された制御プランニング装置３は、ロボット２−３の行動を決定し、ロボット２−４に搭載された制御プランニング装置３は、ロボット２−４の行動を決定する。以降では、ロボット２−１〜２−４から構成される集団をロボット群と記載し、ロボット群を構成するロボットを、適宜、機体と記載する。Hereinafter, in order to describe the present invention in more detail, modes for carrying out the present invention will be described with reference to the accompanying drawings.
FIG. 1 is a block diagram showing the configuration of a
また、ロボット２−１〜２−４は、制御プランニング装置３の他に、センサ４、通信部５、制御実行部６および動力装置７を備えている。なお、図１には、４台のロボットから構成されたロボット群を示したが、ロボット群システム１は、２台以上４台未満のロボットから構成されたロボット群であってもよいし、５台以上のロボットから構成されたロボット群であってもよい。
In addition to the
センサ４は、ロボットに搭載された機器であり、搭載されたロボットの周辺環境をセンシングする。センサ４には、例えば、レーダ、光学センサおよび赤外線センサがある。センサ４の種類は、ロボット群の全てのロボットで同一である必要はない。例えば、ロボット２−１は、センサ４としてレーダを搭載し、ロボット２−２，２−３は、センサ４として光学センサを搭載し、ロボット２−４では、センサ４として赤外線センサを搭載してもよい。また、一つのロボットが、センサ４としてレーダ、光学センサおよび赤外線センサの全てを備えてもよい。
The
通信部５は、自身を備えるロボット（以下、第１の機体と記載する）と第１の機体以外にロボット群を構成する残りの１または複数のロボット（以下、第２の機体と記載する）との間で通信を行う。通信部５は、ロボット群を構成するロボット以外に、自身の通信可能範囲内のエリアに設置された外部装置との間で通信を行ってもよい。
The
制御実行部６は、制御プランニング装置３によって決定された行動をとるように、動力装置７を制御する。動力装置７は、ロボットを動作させる装置であり、モータまたは内燃機関といった動力源と、動力源によって発生された動力を、ロボットの推進力に変換する動力機構とが含まれる。動力機構には、車輪、プロペラなどがある。第１の機体と第２の機体は、制御実行部６および動力装置７によって自律的に行動することが可能である。
The
制御プランニング装置３は、ロボット群を構成する複数の機体のそれぞれに搭載され、搭載された機体がとるべき行動を決定する。例えば、第１の機体に搭載された制御プランニング装置３は、第１の機体がとるべき行動を決定し、第２の機体に搭載された制御プランニング装置３は、第２の機体がとるべき行動を決定する。制御プランニング装置３は、情報取得部３０、性能ベクトル処理部３１および制御プランニング部３２を備える。
The
情報取得部３０は、ロボット群を構成する複数の機体から、性能ベクトルに関する情報を取得する。例えば、情報取得部３０は、センサ４および制御実行部６によって得られた性能ベクトルに関する情報を、第１の機体に搭載されたセンサ４および制御実行部６から取得する。さらに、情報取得部３０は、通信部５によって第２の機体から受信された性能ベクトルに関する情報を、通信部５から取得する。通信部５は、情報取得部３０によって取得された第１の機体の性能ベクトルに関する情報を、１または複数の第２の機体へ送信する。
The
図１において、ロボット２−１に搭載された制御プランニング装置３が備える情報取得部３０は、ロボット２−１の性能ベクトルに関する情報を、ロボット２−１に搭載されたセンサ４および制御実行部６から取得する。情報取得部３０は、ロボット２−１に搭載された通信部５によって受信されたロボット２−２〜２−４のそれぞれの性能ベクトルに関する情報を、当該通信部５から取得する。通信部５は、情報取得部３０によって取得されたロボット２−１の性能ベクトルに関する情報を、ロボット２−２〜２−４に送信する。
In FIG. 1, the
性能ベクトルに関する情報は、性能ベクトルの更新に使用される情報であり、例えば、センサ４のセンサ情報および動力装置７のスペック情報である。性能ベクトルとは、機体の相対的な性能が数値化された性能値を要素とするベクトルである。機体の性能は、機体の物理的なスペックおよび機体に搭載された機器の性能である。機体の物理的なスペックは、情報取得部３０によって取得された動力装置７のスペック情報に基づいて特定される機体の性能であり、例えば、機体の稼働可能距離、稼働可能時間および最高速度がある。機体に搭載された機器がセンサ４である場合、機器の性能には、レーダ性能、光学センサ性能および赤外線センサ性能がある。
The information on the performance vector is information used for updating the performance vector, and is, for example, the sensor information of the
性能ベクトル処理部３１は、情報取得部３０によって取得された性能ベクトルに関する情報に基づいて、機体ごとに設定された性能ベクトルのうち、性能に変化のあった機体に設定された性能ベクトルを更新する。例えば、性能ベクトル処理部３１は、情報取得部３０によって取得された性能ベクトルに関する情報に基づいて、機体ごとに設定された初期の性能ベクトルのうち、性能に変化があった機体に設定された性能ベクトルを更新する。なお、初期の性能ベクトルは、ロボット群の稼働前に、人手で機体ごとに設定してもよい。さらに、性能ベクトル処理部３１は、情報取得部３０によって取得された性能ベクトルに関する情報に基づいて、機体ごとの性能ベクトルを算出してもよい。
The performance
図２は、性能ベクトル３１ａの例を示す図であり、機体Ｒｅｄの性能ベクトル３１ａ−１と、機体Ｂｌｕｅの性能ベクトル３１ａ−２とを示している。図２に示すように、機体Ｒｅｄの性能ベクトル３１ａ−１における性能（１）の性能値は“１０”であり、機体Ｂｌｕｅの性能ベクトル３１ａ−２における性能（１）の性能値は“２”である。機体Ｒｅｄの性能ベクトル３１ａ−１における性能（２）の性能値は“６”であり、機体Ｂｌｕｅの性能ベクトル３１ａ−２における性能（２）の性能値は“８”である。機体Ｒｅｄの性能ベクトル３１ａ−１における性能（３）の性能値は“４”であり、機体Ｂｌｕｅの性能ベクトル３１ａ−２における性能（３）の性能値は“３”である。
FIG. 2 is a diagram showing an example of the
性能値は、正規化された値であってもよい。例えば、ロボット２−１の稼働可能距離が５（ｋｍ）、最高速度が５（ｋｍ／ｓｅｃ）であり、ロボット２−２の稼働可能距離が３（ｋｍ）、最高速度が２０（ｋｍ／ｓｅｃ）である場合に、稼働可能距離の相対値および最高速度の相対値とを０から１０までの範囲内の数値となるように正規化する。これにより、性能ベクトルを構成する性能値の比較が容易になる。 The performance value may be a normalized value. For example, the operable distance of the robot 2-1 is 5 (km) and the maximum speed is 5 (km/sec), and the operable distance of the robot 2-2 is 3 (km) and the maximum speed is 20 (km/sec). ), the relative value of the workable distance and the relative value of the maximum speed are normalized to be a numerical value within the range of 0 to 10. This facilitates the comparison of the performance values forming the performance vector.
例えば、ロボット群がロボット２−１およびロボット２−２から構成されている場合、ロボット２−１の稼働可能距離である５（ｋｍ）は、ロボット群で最大の稼働可能距離であるので、上記範囲の最大値である１０とする。最大値の１０に対して、ロボット２−２の稼働可能距離である３（ｋｍ）は６となる。ロボット２−２の最高速度である２０（ｋｍ／ｓｅｃ）は、ロボット群で最大の最高速度であるので、上記範囲の最大値である１０とする。最大値の１０に対して、ロボット２−１の最高速度である５（ｋｍ／ｓｅｃ）は２．５となる。 For example, when the robot group is composed of the robot 2-1 and the robot 2-2, the workable distance of the robot 2-1 is 5 (km), which is the maximum workable distance of the robot group. The maximum value of the range is 10. With respect to the maximum value of 10, the working distance 3 (km) of the robot 2-2 is 6. Since the maximum speed of the robot 2-2, 20 (km/sec), is the maximum speed of the robot group, it is set to 10 which is the maximum value in the above range. For the maximum value of 10, the maximum speed of the robot 2-1 is 5 (km/sec), which is 2.5.
性能ベクトル処理部３１は、ロボット２−１の稼働可能距離の性能値と最高速度の性能値とを要素とした性能ベクトル［１０，２．５］と、ロボット２−２の稼働可能距離の性能値と最高速度の性能値とを要素とした性能ベクトル［６，１０］とを、制御プランニング部３２に出力する。
The performance
レーダ性能に関する性能値は、具体的な性能の内容に分けてもよい。例えば、レーダの探知可能距離を示す性能値と、レーダの分解能を示す性能値に分ける。レーダ性能の内容が詳細であるほど、ロボットの行動を緻密に制御することが可能となる。
なお、レーダ性能の内容が“探知可能距離”および“分解能”である場合に、どちらか一方の性能の内容のみが高いというレーダ性能の優劣を定量的に表現することができない場合が考えられる。この場合、どちらの性能の内容を優先するかを予め設定しておく。The performance value related to radar performance may be divided into specific performance contents. For example, it is divided into a performance value indicating the detectable distance of the radar and a performance value indicating the resolution of the radar. The more detailed the radar performance, the finer the behavior of the robot can be controlled.
It should be noted that when the radar performance contents are “detectable distance” and “resolution”, it may not be possible to quantitatively express the superiority or inferiority of the radar performance that only one of the performance contents is high. In this case, it is preset which of the performance contents has priority.
情報取得部３０は、ロボット群がミッション（行動）を開始してから、性能ベクトルに関する情報を、ロボット群を構成する複数の機体のそれぞれから周期的に取得する。性能ベクトル処理部３１は、情報取得部３０によって複数の機体のそれぞれから取得された性能ベクトルに関する情報に基づいて、機体ごとに設定された性能ベクトルのうち、性能に変化のあった機体に設定された性能ベクトルを更新する。
The
従来のロボット群の制御では、ロボット群を構成する複数の機体のうち、いずれかの性能が劣化した場合、性能が劣化した機体はないものとして扱われるか、あるいは機体の性能劣化に伴ったロボット群全体の制御効率の低下を補う処理が実行されるだけであった。これに対して、実施の形態１に係る制御プランニング装置３では、性能が劣化した機体をロボット群の制御対象から除くのではなく、性能が異なる新たな機体として扱うことで、機体の性能の変化に応じたロボット群の制御が可能である。
In the conventional control of a robot group, if the performance of any of the plurality of machines that make up the robot group deteriorates, it is treated as if there is no machine that has deteriorated performance, or if the performance of the robots deteriorates. Only the process of compensating for the decrease in the control efficiency of the entire group was executed. On the other hand, in the
図３は、機体の性能の変化に応じた性能ベクトル３１ａの変化を示す図である。ロボット群がミッションを開始した当初、機体Ｒｅｄ−２の性能ベクトル３１ａ−３における、性能（１）、性能（２）および性能（３）の各々の性能値は、機体Ｒｅｄ−１の性能ベクトル３１ａ−１と同じであったと仮定する。この後、ロボット群のミッションの途中に、外乱の影響で機体Ｒｅｄ−２の性能（１）が劣化して、性能（１）の性能値が“１０”から、図３に示すように、“３”に低下した場合を考える。
FIG. 3 is a diagram showing changes in the
図３に示すように、機体Ｂｌｕｅ−１の性能ベクトル３１ａ−２における、性能（１）の性能値は“２”であり、性能（２）の性能値は“８”であり、性能（３）の性能値は“３”である。一方、性能（１）が劣化した機体Ｒｅｄ−２の性能ベクトル３１ａ−３における、性能（１）の性能値は“３”であり、性能（２）の性能値は“６”であり、性能（３）の性能値は“４”である。このように、機体Ｒｅｄ−２は、性能（１）が劣化したことにより、性能（２）の性能値が最も高い機体Ｂｌｕｅ−１に近い性能になっている。すなわち、機体Ｒｅｄ−２は、機体Ｒｅｄ−１と同じ役割は果たせなくなったが、機体Ｂｌｕｅ−１に類似した役割を果たせる機体として扱うことができる。
As shown in FIG. 3, in the
また、ロボット群がミッションを開始した当初、機体Ｂｌｕｅ−２の性能ベクトル３１ａ−４における、性能（１）、性能（２）および性能（３）の各々の性能値は、機体Ｂｌｕｅ−１の性能ベクトル３１ａ−２と同じであったと仮定する。この後、ロボット群のミッションの途中に、外乱の影響で機体Ｂｌｕｅ−２の性能（３）が劣化して、性能（３）の性能値が“３”から、図３に示すように、“１”に低下した場合を考える。
Further, at the beginning of the mission of the robot group, the performance values of the performance (1), the performance (2), and the performance (3) in the
機体Ｂｌｕｅ−２は、性能（３）が劣化しても、性能（２）の性能値が最も高く、機体Ｂｌｕｅ−１に近い性能を維持している。すなわち、機体Ｂｌｕｅ−２は、性能（３）が劣化した後であっても、機体Ｂｌｕｅ−１と類似した役割を果たせる機体として扱うことができる。このように機体の相対的な性能を数値化した性能値を要素とする性能ベクトルを機体ごとに作成することによって、機体の性能が劣化した場合であっても、ロボット群を構成する複数の機体を、性能ベクトルを基準として分類することができる。 The airframe Blue-2 has the highest performance value of the performance (2) even if the performance (3) deteriorates, and maintains the performance close to that of the airframe Blue-1. That is, the aircraft Blue-2 can be treated as an aircraft that can play a role similar to that of the aircraft Blue-1 even after the performance (3) is deteriorated. In this way, by creating a performance vector for each aircraft that has performance values that quantify the relative performance of the aircraft, even if the aircraft performance deteriorates, multiple aircraft that make up the robot group can be created. Can be classified based on the performance vector.
制御プランニング部３２は、ロボット群を構成する複数の機体のそれぞれに搭載された制御プランニング装置３のうち、自身を備える制御プランニング装置３が搭載された第１の機体の行動を決定する。制御プランニング部３２による行動の決定には、第１の機体の性能ベクトルおよび第２の機体の性能ベクトルに基づく制御則が用いられる。性能ベクトル処理部３１によって第１の機体の性能ベクトルおよび第２の機体の性能ベクトルのいずれかが更新された場合、制御プランニング部３２は、更新後の性能ベクトルに基づく制御則に従って、第１の機体の行動を決定する。
The
制御則には、例えば、ロボット群を構成する機体間の性能ベクトル同士のコサイン類似度に基づく制御則（Ａ）、および、ロボット群を構成する機体の性能ベクトルとこの機体が存在する環境側から要求された性能ベクトルとの間のコサイン類似度に基づく制御則（Ｂ）がある。機体が存在する環境とは、機体が存在するエリアまたは機体の近傍に存在するポイントである。ロボット群を構成する機体間の性能ベクトル同士のコサイン類似度に基づく制御則（Ａ）は、図６を用いて詳細を後述する。また、ロボット群を構成する機体の性能ベクトルとこの機体が存在する環境側から要求された性能ベクトルとのコサイン類似度に基づく制御則（Ｂ）については、図７および図８を用いて詳細を後述する。 The control law includes, for example, the control law (A) based on the cosine similarity between performance vectors between machines forming the robot group, and the performance vector of the machines forming the robot group and the environment side where the machine exists. There is a control law (B) based on the cosine similarity with the required performance vector. The environment in which the airframe exists is a point existing in the area in which the airframe exists or in the vicinity of the airframe. The control law (A) based on the cosine similarity between performance vectors between machines forming a robot group will be described later in detail with reference to FIG. Further, the control law (B) based on the cosine similarity between the performance vector of the machine body that constitutes the robot group and the performance vector requested by the environment where this machine body exists will be described in detail with reference to FIGS. 7 and 8. It will be described later.
次に、制御プランニング装置３の機能を実現するハードウェア構成について説明する。制御プランニング装置３における、情報取得部３０、性能ベクトル処理部３１および制御プランニング部３２の機能は、処理回路によって実現される。すなわち、制御プランニング装置３は、後述する図５に示すフローチャートにおける、各々のステップの処理を実行するための処理回路を備える。処理回路は、専用のハードウェアであってもよいが、メモリに記憶されたプログラムを実行するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）であってもよい。
Next, a hardware configuration for realizing the function of the
図４Ａは、制御プランニング装置３の機能を実現するハードウェア構成を示すブロック図である。図４Ｂは、制御プランニング装置３の機能を実現するソフトウェアを実行するハードウェア構成を示すブロック図である。図４Ａおよび図４Ｂにおいて、センサインタフェース１００は、図１に示したセンサ４によって検出されたセンサ情報を中継するインタフェースである。情報取得部３０は、センサインタフェース１００を介して、センサ４からセンサ情報を取得する。
FIG. 4A is a block diagram showing a hardware configuration for realizing the function of the
また、通信インタフェース１０１は、図１に示した通信部５によって送受信される情報を中継するインタフェースである。情報取得部３０は、通信インタフェース１０１を介して、性能ベクトルに関する情報を通信部５から取得する。
The
動力インタフェース１０２は、図１に示した制御実行部６への制御信号を中継するインタフェースである。制御プランニング部３２は、動力インタフェース１０２を介して、第１の機体がとるべき行動を示す制御信号を、制御実行部６に出力する。制御実行６は、上記制御信号に従って、図１に示した動力装置７を制御することにより、第１の機体を動作させる。
The
処理回路が、図４Ａに示す専用のハードウェアの処理回路１０３である場合、処理回路１０３は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、またはこれらを組み合わせたものが該当する。制御プランニング装置３における、情報取得部３０、性能ベクトル処理部３１および制御プランニング部３２の機能を別々の処理回路で実現してもよく、これらの機能をまとめて１つの処理回路で実現してもよい。
When the processing circuit is the dedicated
処理回路が、図４Ｂに示すプロセッサ１０４である場合に、制御プランニング装置３における、情報取得部３０、性能ベクトル処理部３１および制御プランニング部３２の機能は、ソフトウェア、ファームウェアまたはソフトウェアとファームウェアとの組み合わせによって実現される。なお、ソフトウェアまたはファームウェアは、プログラムとして記述されてメモリ１０８に記憶される。
When the processing circuit is the
プロセッサ１０４は、メモリ１０５に記憶されたプログラムを読み出して実行することで、制御プランニング装置３における、情報取得部３０、性能ベクトル処理部３１および制御プランニング部３２の機能を実現する。すなわち、制御プランニング装置３は、プロセッサ１０４によって実行されるときに、図５のフローチャートにおけるステップＳＴ１からステップＳＴ３までの処理が結果的に実行されるプログラムを記憶するためのメモリ１０５を備えている。これらのプログラムは、制御プランニング装置３における、情報取得部３０、性能ベクトル処理部３１および制御プランニング部３２の手順または方法を、コンピュータに実行させる。なお、メモリ１０５は、コンピュータを、制御プランニング装置３における、情報取得部３０、性能ベクトル処理部３１および制御プランニング部３２として機能させるためのプログラムが記憶されたコンピュータ可読記憶媒体であってもよい。
The
メモリ１０５は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ−ＥＰＲＯＭ）などの不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤなどが該当する。
The
制御プランニング装置３における情報取得部３０、性能ベクトル処理部３１および制御プランニング部３２の機能について、一部を専用のハードウェアで実現し、一部をソフトウェアまたはファームウェアで実現してもよい。例えば、情報取得部３０は専用のハードウェアである処理回路１０３で機能を実現し、性能ベクトル処理部３１および制御プランニング部３２は、プロセッサ１０４がメモリ１０５に記憶されたプログラムを読み出して実行することによって機能を実現する。このように、処理回路は、ハードウェア、ソフトウェア、ファームウェアまたはこれらの組み合わせによって、上記機能を実現することができる。
The functions of the
次に動作について説明する。
図５は、実施の形態１に係る制御プランニング方法を示すフローチャートである。
情報取得部３０が、ロボット群を構成する複数の機体から、性能ベクトルに関する情報を取得する（ステップＳＴ１）。ここで、情報取得部３０は、自身を備える制御プランニング装置３が搭載された第１の機体から、第１の機体の性能ベクトルに関する情報を取得し、第１の機体以外にロボット群を構成する残りの１または複数の第２の機体から、第２の機体の性能ベクトルに関する情報を取得する。
なお、性能ベクトルに関する情報は、例えば、センサ４のセンサ情報および動力装置７のスペック情報であるが、前述した初期の性能ベクトルであってもよい。Next, the operation will be described.
FIG. 5 is a flowchart showing the control planning method according to the first embodiment.
The
The information about the performance vector is, for example, the sensor information of the
性能ベクトル処理部３１が、情報取得部３０によって取得された情報に基づいて、機体ごとに設定された性能ベクトルのうち、性能に変化のあった機体に設定された性能ベクトルを更新する（ステップＳＴ２）。性能ベクトル処理部３１は、情報取得部３０によって取得された第２の機体のセンサ４のセンサ情報および動力装置７のスペック情報に基づいて、第２の機体の性能の変化を認識した場合を例に挙げる。この場合、性能ベクトル処理部３１は、情報取得部３０によって取得された第１の機体および第２の機体のセンサ４のセンサ情報および動力装置７のスペック情報に基づいて第２の機体の性能ベクトルを更新する。
Based on the information acquired by the
制御プランニング部３２が、性能ベクトルに基づく制御則に従って機体の行動を決定する（ステップＳＴ３）。制御プランニング部３２は、ロボット群を構成する複数の機体のそれぞれに搭載された制御プランニング装置３のうち、自身を備える制御プランニング装置３が搭載された第１の機体の行動を決定する。例えば、第１の機器の行動の決定には、第１の機体の性能ベクトルと第２の機体の性能ベクトルとのコサイン類似度に基づく制御則が用いられる。
The
制御実行部６は、制御プランニング部３２によって決定された行動をとるように、動力装置７を制御する。動力装置７は、制御実行部６からの制御に従って、第１の機体の動作を制御する。これにより、第１の機体および第２の機体は自律的に行動する。
The
例えば、異なる種類の性能を有した機体同士を散らばって行動させる場合、ロボット群を構成する複数の機体のそれぞれが有する制御プランニング部３２に対して、機体同士の性能ベクトルのコサイン類似度が大きいものほど機体を遠ざけ、コサイン類似度が小さいものほど機体を近付ける制御則を設定する。コサイン類似度は２つのベクトルがどれだけ類似しているかを示す指標である。コサイン類似度が大きい２つの性能ベクトルは、類似しており、コサイン類似度が小さい２つの性能ベクトルは、類似していない。
For example, in the case where aircraft having different types of performance are scattered and actuated, the cosine similarity of the performance vectors of the aircraft is large with respect to the
この制御則に従ってロボット群を構成する各々の機体が行動することで、性能が類似する機体が遠ざけられて、性能が類似していない機体が近付けられる。異なる種類の性能のセンサ４を有した機体が空間的に散らばり、様々な内容のセンシングが広範囲に一度に行われるので、効率的なセンシングが可能となる。
なお、制御則は、ロボット群がミッションを開始する前に、ロボット群を構成する複数の機体のそれぞれに予め設定される。ただし、前述したように、ロボット群がミッションを開始した後であっても、性能ベクトルは更新可能である。By the action of each aircraft constituting the robot group according to this control law, aircraft having similar performances are moved away from each other, and aircraft having dissimilar performances are brought closer.
The control law is set in advance for each of the plurality of machines forming the robot group before the robot group starts the mission. However, as described above, the performance vector can be updated even after the robot group starts the mission.
反対に、類似した性能を有した機体同士を近付けて行動させる場合、ロボット群を構成する複数の機体のそれぞれが有する制御プランニング部３２に対して、機体同士の性能ベクトルのコサイン類似度が小さいものほど機体を遠ざけ、コサイン類似度が大きいものほど機体を近付ける制御則を設定する。この制御則に従ってロボット群を構成する各々の機体が行動することにより、性能が類似する機体が近付けられ、性能が類似していない機体が遠ざかる。この場合、ある機体の性能が劣化しても、この機体と類似した性能の機体が近くに存在するので、性能が劣化した機体を代替させることができる。これにより、機体の性能が変化しても、ロボット群を構成する複数の機体の各々の位置を大幅に変更させることなく、ロボット群の制御を継続できる。
On the contrary, when the aircrafts having similar performances are moved close to each other and act, the cosine similarity of the performance vectors of the aircrafts is small with respect to the
類似した性能の機体同士を近付ける制御則が設定された場合、第１の機体が備える制御プランニング部３２は、第１の機体の性能ベクトルと、通信部５の通信可能範囲内に存在する全ての第２の機体の性能ベクトルとのコサイン類似度を算出する。
続いて、第１の機体が備える制御プランニング部３２は、コサイン類似度が閾値以上の性能ベクトルを有した第２の機体について、第１の機体から第２の機体へ向かう正方向でかつコサイン類似度と同じ長さを有した移動ベクトルを算出する。
一方、コサイン類似度が閾値未満の性能ベクトルを有する第２の機体については、第１の機体が備える制御プランニング部３２が、第２の機体から第１の機体へ向かう逆方向であり、１からコサイン類似度を減算した長さを有した移動ベクトルを算出する。When a control law for bringing aircraft having similar performances close to each other is set, the
Subsequently, the
On the other hand, for the second aircraft having the performance vector whose cosine similarity is less than the threshold value, the
第１の機体が備える制御プランニング部３２は、通信部５の通信可能範囲内に存在する全ての第２の機体について上記移動ベクトルを算出し、算出した全ての移動ベクトルの和を最終的な移動ベクトルとする。これらの処理を、第１の機体が備える制御プランニング部３２は、ロボット群のフォーメーションの変更周期ごとに繰り返す。なお、第１の機体が備える性能ベクトル処理部３１は、コサイン類似度を算出する前に、第１の機体の性能ベクトルを更新する。
The
図６は、性能ベクトルに基づくロボット群の制御の例を示す説明図であり、ロボット群を構成する機体間の性能ベクトル同士のコサイン類似度に基づく制御則（Ａ）の具体例を示している。図６において、ロボット２−１が備える制御プランニング部３２には、制御則（Ａ）として、機体同士の性能ベクトルのコサイン類似度が小さいものほど機体を遠ざけ、コサイン類似度が大きいものほど機体を近付ける制御則が設定されている。
FIG. 6 is an explanatory diagram showing an example of control of the robot group based on the performance vector, and shows a specific example of the control law (A) based on the cosine similarity between the performance vectors of the machines forming the robot group. .. In FIG. 6, the
ロボット２−１が備える制御プランニング部３２は、ロボット２−１の性能ベクトルとロボット２−１が備える通信部５の通信可能範囲内に存在するロボット２−２およびロボット２−３のそれぞれの性能ベクトルとのコサイン類似度を算出する。コサイン類似度の閾値を０．５とする。このとき、ロボット２−１とロボット２−２の性能ベクトルのコサイン類似度は０．７であり、ロボット２−１とロボット２−３の性能ベクトルのコサイン類似度は０．４であるものとする。
The
ロボット２−１の性能ベクトルとロボット２−２の性能ベクトルとのコサイン類似度は０．７で閾値０．５以上である。この場合、ロボット２−１が備える制御プランニング部３２は、ロボット２−１からロボット２−２に向かう方向に、コサイン類似度と同じ値（０．７）の長さを有する移動ベクトルａを設定する。
The cosine similarity between the performance vector of the robot 2-1 and the performance vector of the robot 2-2 is 0.7 and the threshold value is 0.5 or more. In this case, the
一方、ロボット２−１の性能ベクトルとロボット２−３の性能ベクトルとのコサイン類似度は０．４で閾値０．５未満である。この場合、ロボット２−１が備える制御プランニング部３２は、ロボット２−２からロボット２−１に向かう方向に、１からコサイン類似度を減算した値（０．６）の長さを有する移動ベクトルｂを設定する。ロボット２−１が備える制御プランニング部３２は、移動ベクトルａと移動ベクトルｂとの和の移動ベクトルｃを算出する。そして、ロボット２−１が備える制御プランニング部３２は、移動ベクトルｃに基づいて、ロボット２−１の移動方向および移動距離を算出する。
On the other hand, the cosine similarity between the performance vector of the robot 2-1 and the performance vector of the robot 2-3 is 0.4, which is less than the threshold value 0.5. In this case, the
次に、ロボット群にエリアを監視させる制御について説明する。
まず、情報取得部３０は、通信部５を用いて、監視対象の環境側（エリア）から要求される性能ベクトルを取得する。エリアから要求される性能ベクトルは、エリアごとに設置された外部装置が発信してもよい。また、情報取得部３０は、通信部５を用いて、複数のエリアに関する性能ベクトルを管理している外部装置から、複数のエリアのそれぞれから要求される性能ベクトルを一括して取得してもよい。第１の機体が備える制御プランニング部３２は、第１の機体の性能ベクトルと、情報取得部３０によってエリアから取得された性能ベクトルとのコサイン類似度を算出する。Next, control for causing the robot group to monitor the area will be described.
First, the
例えば、制御則（Ｂ）として、エリアから要求された性能ベクトルとのコサイン類似度が大きい性能ベクトルを有した機体を、このエリアの監視に割り当てるという制御則が、ロボット群を構成する複数の機体のそれぞれが有する制御プランニング部３２に設定される。制御則（Ｂ）に従ってロボット群を制御することにより、類似した性能のセンサ４を有する機体同士が同じエリアを監視することになる。レーダで監視させたいエリアには、レーダ性能が高い機体が割り当てられ、光学センサで監視させたいエリアには、光学センサ性能が高い機体が割り当てられる。
For example, as a control law (B), a control law of assigning a machine having a performance vector having a large cosine similarity to the performance vector requested from the area to the monitoring of this area is a plurality of machines forming a robot group. Is set in the
図７は、性能ベクトルに基づくロボット群の制御の例を示す説明図であり、ロボット群を構成する機体の性能ベクトルとこの機体が存在する環境側から要求された性能ベクトルとの間のコサイン類似度に基づく制御則（Ｂ）の具体例を示している。図７において、エリア２００〜２０２は、機体が存在する環境である。エリア２００には、エリア２００が要求する性能ベクトルＡを管理する外部装置が設置され、エリア２０１には、エリア２０１が要求する性能ベクトルＢを管理する外部装置が設置され、エリア２０２には、エリア２０２が要求する性能ベクトルＣを管理する外部装置が設置されている。
FIG. 7 is an explanatory diagram showing an example of control of the robot group based on the performance vector, and is a cosine analogy between the performance vector of the machine body forming the robot group and the performance vector requested from the environment side in which the machine body exists. A specific example of the control rule (B) based on degrees is shown. In FIG. 7,
ロボット２−１がエリア２００に接近することで、エリア２００に設置された外部装置が、ロボット２−１が備える通信部５の通信可能範囲内になったものとする。このとき、ロボット２−１が備える情報取得部３０は、通信部５を用いて、エリア２００から要求された性能ベクトルＡを外部装置から取得する。同様に、ロボット２−２が備える情報取得部３０が、通信部５を用いて、エリア２０１から要求された性能ベクトルＢを取得する。さらに、ロボット２−３が備える情報取得部３０が、通信部５を用いて、エリア２０２から要求された性能ベクトルＣを取得する。
It is assumed that the external device installed in the
例えば、ロボット２−１、ロボット２−２およびロボット２−３がそれぞれ備える制御プランニング部３２には、制御則（Ｂ）として、あるエリアから要求された性能ベクトルとのコサイン類似度が大きい性能ベクトルを有した機体を、このエリアの監視に割り当てるという制御則が設定されている。ロボット２−１が備える制御プランニング部３２は、ロボット２−１の性能ベクトルと情報取得部３０によって取得された性能ベクトルＡとのコサイン類似度を算出する。同様に、ロボット２−２が備える制御プランニング部３２が、ロボット２−２の性能ベクトルと情報取得部３０によって取得された性能ベクトルＢとのコサイン類似度を算出し、ロボット２−３が備える制御プランニング部３２は、ロボット２−３の性能ベクトルと情報取得部３０によって取得された性能ベクトルＣとのコサイン類似度を算出する。
For example, the
ロボット２−１が備える制御プランニング部３２は、ロボット２−１の性能ベクトルとエリア２００から要求された性能ベクトルＡとのコサイン類似度が閾値以上である場合、ロボット２−１の行動をエリア２００への移動と決定する。ロボット２−１が備える制御実行部６は、制御プランニング部３２によって決定された行動をとるように、ロボット２−１の動作を制御する。これにより、ロボット２−１がエリア２００の監視に割り当てられる。
When the cosine similarity between the performance vector of the robot 2-1 and the performance vector A requested from the
一方、ロボット２−２の性能ベクトルとエリア２０１から要求された性能ベクトルＢとのコサイン類似度が閾値未満であり、ロボット２−３の性能ベクトルとエリア２０２から要求された性能ベクトルＣとのコサイン類似度が閾値未満である場合、ロボット２−２はエリア２０１の監視に割り当てられず、ロボット２−３はエリア２０２の監視に割り当てられない。この場合、ロボット２−２が備える制御プランニング部３２は、ロボット２−２がエリア２０１から離れる行動を決定し、ロボット２−３が備える制御プランニング部３２も、ロボット２−３がエリア２０２から離れる行動を決定する。ロボット２−２が備える制御実行部６は、制御プランニング部３２によって決定された行動をとるようにロボット２−２の動作を制御し、ロボット２−３が備える制御実行部６は、制御プランニング部３２によって決定された行動をとるようにロボット２−３の動作を制御する。
On the other hand, the cosine similarity between the performance vector of the robot 2-3 and the performance vector B requested from the
次に、ボロノイ図を用いたロボット群の制御について説明する。
ロボット群を構成する複数の機体のそれぞれには、制御則（Ｂ）として、第１の機体が属するボロノイ領域の重心位置に移動させる制御則が設定されている。第１の機体が備える情報取得部３０は、通信部５の通信可能範囲内に存在する全ての第２の機体から、性能ベクトルを取得する。第１の機体が備える制御プランニング部３２は、第１の機体の性能ベクトルと情報取得部３０によって取得された第２の機体の性能ベクトルとのコサイン類似度を算出する。Next, control of the robot group using the Voronoi diagram will be described.
As a control law (B), a control law for moving to the center of gravity of the Voronoi region to which the first body belongs is set for each of the plurality of bodies forming the robot group. The
コサイン類似度の閾値を０．５とすると、第１の機体が備える制御プランニング部３２は、コサイン類似度が閾値０．５以上である第２の機体については、第１の機体から第２の機体へ向かう、コサイン類似度の値と同じ長さを有した移動ベクトルを設定する。
一方、第１の機体が備える制御プランニング部３２は、コサイン類似度が閾値０．５未満である第２の機体については、第２の機体から第１の機体へ向かう、コサイン類似度の値と同じ長さを有した移動ベクトルを設定する。When the cosine similarity threshold is set to 0.5, the
On the other hand, the
第１の機体が備える制御プランニング部３２は、通信部５の通信可能範囲内に存在する全ての第２の機体について移動ベクトルを設定し、これらの移動ベクトルの和のベクトルと、第１の機体の位置から第１の機体が属するボロノイ領域の重心へ向かうベクトルとの和を算出する。第１の機体が備える制御プランニング部３２は、算出した和のベクトルに基づいて、第１の機体の移動方向および移動距離を決定する。第１の機体が備える制御プランニング部３２は、この処理を制御の更新周期ごとに繰り返し実行する。第１の機体が備える性能ベクトル処理部３１は、コサイン類似度が算出される前に、第１の機体の性能ベクトルを更新する。
The
次に、ロボット群にポイントを巡回させる制御について説明する。
情報取得部３０は、通信部５を用いて、巡回対象の環境側（ポイント）から要求された性能ベクトルを取得する。ポイントから要求される性能ベクトルは、ポイントごとに設置された外部装置が発信してもよい。また、情報取得部３０は、通信部５を用いて、複数のポイントに関する性能ベクトルを管理している外部装置から、複数のポイントのそれぞれから要求される性能ベクトルを一括して取得してもよい。第１の機体が備える制御プランニング部３２は、第１の機体の性能ベクトルと情報取得部３０によってポイントから取得された性能ベクトルとのコサイン類似度を算出する。Next, control for causing the robot group to circulate the points will be described.
The
例えば、ロボット群を構成する複数の機体のそれぞれが有する制御プランニング部３２には、制御則（Ｂ）として、ポイントから要求された性能ベクトルとのコサイン類似度が大きい性能ベクトルを有した機体が、このポイントを巡回するという制御則が設定されている。制御則（Ｂ）に従ってロボット群を制御することにより、類似した性能のセンサ４を有する機体同士が同じポイントを巡回することになる。レーダを有した機体を巡回させたいポイントには、レーダ性能が高い機体の巡回頻度が増加され、光学センサを有した機体を巡回させたいポイントには、光学センサ性能が高い機体の巡回頻度が増加される。
For example, in the
図８は、性能ベクトルに基づくロボット群の制御の例を示す説明図であり、ロボット群を構成する機体の性能ベクトルとこの機体が存在する環境側から要求された性能ベクトルとの間のコサイン類似度に基づく制御則（Ｂ）の具体例を示している。図８において、ポイントＰ１には、性能ベクトルＡを管理する外部装置が設置され、ポイントＰ２には、性能ベクトルＢを管理する外部装置が設置され、ポイントＰ３には、性能ベクトルＣを管理する外部装置が設置されている。 FIG. 8 is an explanatory diagram showing an example of control of the robot group based on the performance vector, and is a cosine analogy between the performance vector of the machine body forming the robot group and the performance vector requested by the environment where the machine body exists. A specific example of the control rule (B) based on degrees is shown. In FIG. 8, an external device that manages the performance vector A is installed at a point P1, an external device that manages the performance vector B is installed at a point P2, and an external device that manages the performance vector C is installed at a point P3. The device is installed.
ロボット２−１がポイントＰ１に接近することで、ポイントＰ１に設置された外部装置が、ロボット２−１が備える通信部５の通信可能範囲内になったものとする。このとき、ロボット２−１が備える情報取得部３０は、通信部５を用いて、ポイントＰ１から要求された性能ベクトルＡを外部装置から取得する。同様に、ロボット２−２が備える情報取得部３０が、通信部５を用いて、ポイントＰ２から要求された性能ベクトルＢを取得する。さらに、ロボット２−３が備える情報取得部３０が、通信部５を用いて、ポイントＰ３から要求された性能ベクトルＣを取得する。
It is assumed that the external device installed at the point P1 is within the communicable range of the
例えば、ロボット２−１、ロボット２−２およびロボット２−３がそれぞれ備える制御プランニング部３２には、制御則（Ｂ）として、あるポイントから要求された性能ベクトルとのコサイン類似度が大きい性能ベクトルを有した機体を、このポイントに巡回させるという制御則が設定されている。ロボット２−１が備える制御プランニング部３２は、ロボット２−１の性能ベクトルと、情報取得部３０によって取得された性能ベクトルＡとのコサイン類似度を算出する。同様に、ロボット２−２が備える制御プランニング部３２が、ロボット２−２の性能ベクトルと情報取得部３０によって取得された性能ベクトルＢとのコサイン類似度を算出し、ロボット２−３が備える制御プランニング部３２は、ロボット２−３の性能ベクトルと情報取得部３０によって取得された性能ベクトルＣとのコサイン類似度を算出する。
For example, the
ロボット２−１が備える制御プランニング部３２は、ロボット２−１の性能ベクトルとポイントＰ１から要求された性能ベクトルＡとのコサイン類似度が閾値以上である場合、ロボット２−１の行動をポイントＰ１への移動と決定する。ロボット２−１が備える制御実行部６は、制御プランニング部３２によって決定された行動をとるようにロボット２−１の動作を制御する。これにより、ロボット２−１がポイントＰ１を巡回する。
When the cosine similarity between the performance vector of the robot 2-1 and the performance vector A requested from the point P1 is equal to or more than the threshold, the
一方、ロボット２−２の性能ベクトルとポイントＰ２から要求された性能ベクトルＢとのコサイン類似度が閾値未満であり、ロボット２−３の性能ベクトルとポイントＰ３から要求された性能ベクトルＣとのコサイン類似度が閾値未満である場合、ポイントＰ２は、ロボット２−２の巡回ポイントとされず、ポイントＰ３は、ロボット２−３の巡回ポイントとされない。 On the other hand, the cosine similarity between the performance vector of the robot 2-3 and the performance vector B requested from the point P2 is less than the threshold, and the cosine of the performance vector of the robot 2-3 and the performance vector C requested from the point P3. When the degree of similarity is less than the threshold value, the point P2 is not the traveling point of the robot 2-2, and the point P3 is not the traveling point of the robot 2-3.
この場合、ロボット２−２が備える制御プランニング部３２は、ポイントＰ２を巡回しない経路を決定し、ロボット２−３が備える制御プランニング部３２も、ポイントＰ３を巡回しない経路を決定する。ロボット２−２が備える制御実行部６は、制御プランニング部３２によって決定された行動をとるように、ロボット２−２の動作を制御し、ロボット２−３が備える制御実行部６は、制御プランニング部３２によって決定された行動をとるように、ロボット２−３の動作を制御する。
In this case, the
次に、ポイントで前回にセンシングが実行されてからの経過期間を用いたロボット群の巡回制御について説明する。
ポイントから要求される性能ベクトルを管理する外部装置がポイントごとに設置されている。また、ロボット群を構成する複数の機体のそれぞれには、制御則（Ｂ）として、機体が備えるセンサ４のセンシング可能範囲内に存在するポイントのうち、前回にセンシングが実行されてからの経過期間が最も長いポイントを次に巡回するという制御則が設定されている。Next, the patrol control of the robot group using the elapsed time since the previous sensing was executed at a point will be described.
An external device that manages the performance vector required from the point is installed for each point. In addition, as a control law (B), each of the plurality of machines forming the robot group has a period that has elapsed since the previous sensing, among points existing within the sensing range of the
第１の機体が備える情報取得部３０は、通信部５を用いて、センサ４のセンシング可能範囲内に存在する全てのポイントに設置された外部装置から、性能ベクトルを取得する。第１の機体が備える制御プランニング部３２は、センシング可能範囲内に存在する全てのポイントについて、第１の機体の性能ベクトルとポイントから要求された性能ベクトルとのコサイン類似度を算出する。続いて、第１の機体が備える制御プランニング部３２は、算出した複数のコサイン類似度のうち、前回にセンシングが実行されてからの経過期間が最も長いポイントを、次に巡回するポイントに決定する。
なお、第１の機体が備える制御プランニング部３２は、巡回ポイントを決定する度に、前述した一連の処理を繰り返し行う。第１の機体が備える性能ベクトル処理部３１は、コサイン類似度が算出される前に、第１の機体の性能ベクトルを更新する。The
The
前述したように、実施の形態１に係る制御プランニング装置３は、機体の相対的な性能が数値化された性能値を要素とする性能ベクトルを更新し、性能ベクトルに基づく制御則に従って機体の行動を決定する。ロボット群を構成する複数の機体のいずれかが故障して性能が変化した場合であっても、その機体の性能ベクトルを更新して性能の変化を反映させるので、ロボット群を構成する複数の機体の制御における、機体の故障に対する耐性を高めることができる。
As described above, the
実施の形態１に係る制御プランニング装置３において、制御プランニング部３２は、ロボット群を構成する機体間の性能ベクトル同士のコサイン類似度に基づく制御則に従って機体の行動を決定する。これにより、機体間の性能に基づいて、ロボット群の行動を制御することができる。
In the
実施の形態１に係る制御プランニング装置３において、制御プランニング部３２は、ロボット群を構成する機体についての性能ベクトルと環境側から要求された性能ベクトルとのコサイン類似度に基づく制御則に従って機体の行動を決定する。これにより、ロボット群を構成する機体の性能と環境側から要求された性能とに基づいて、ロボット群の行動を制御することができる。
In the
実施の形態１に係るロボット群システムは、図１に示した構成を有することによって、ロボット群を構成する複数の機体のいずれかが故障して性能が変化した場合であっても、その機体の性能ベクトルを更新して性能の変化を反映させる。これにより、ロボット群を構成する複数の機体の制御における、機体の故障に対する耐性を高めることができる。
実施の形態１に係る制御プランニング方法は、図５に示した一連の処理を行うことで、ロボット群を構成する複数の機体の制御における、機体の故障に対する耐性を高めることができる。The robot group system according to the first embodiment has the configuration shown in FIG. 1 so that even if one of the plurality of machines forming the robot group fails and the performance changes, The performance vector is updated to reflect the change in performance. As a result, it is possible to increase the resistance to the failure of the machine bodies in the control of the plurality of machine bodies forming the robot group.
In the control planning method according to the first embodiment, the series of processes shown in FIG. 5 is performed, so that it is possible to increase the resistance to the failure of the machine body in the control of the plurality of machine bodies forming the robot group.
なお、本発明は上記実施の形態に限定されるものではなく、本発明の範囲内において、実施の形態の任意の構成要素の変形もしくは実施の形態の任意の構成要素の省略が可能である。 It should be noted that the present invention is not limited to the above-described embodiment, and within the scope of the present invention, it is possible to modify any constituent element of the embodiment or omit any constituent element of the embodiment.
本発明に係る制御プランニング装置は、集団を構成する複数の機体の制御における機体の故障に対する耐性を高めることができるので、例えば、各種のロボットシステムに利用可能である。 INDUSTRIAL APPLICABILITY The control planning device according to the present invention can improve resistance to a failure of a machine body in controlling a plurality of machine bodies forming a group, and thus can be used in various robot systems, for example.
１ ロボット群システム、２−１，２−２，２−３，２−４ ロボット、３ 制御プランニング装置、４ センサ、５ 通信部、６ 制御実行部、７ 動力装置、３０ 情報取得部、３１ 性能ベクトル処理部、３１ａ，３１ａ−１，３１ａ−２，３１ａ−３，３１ａ−４ 性能ベクトル、３２ 制御プランニング部、１００ センサインタフェース、１０１ 通信インタフェース、１０２ 動力インタフェース、１０３ 処理回路、１０４ プロセッサ、１０５ メモリ、２００，２０１，２０２ エリア。 1 Robot group system, 2-1, 2-2, 2-3, 2-4 robot, 3 control planning device, 4 sensor, 5 communication part, 6 control execution part, 7 power device, 30 information acquisition part, 31 performance Vector processing unit, 31a, 31a-1, 31a-2, 31a-3, 31a-4 performance vector, 32 control planning unit, 100 sensor interface, 101 communication interface, 102 power interface, 103 processing circuit, 104 processor, 105 memory , 200, 201, 202 areas.
本発明に係る制御プランニング装置は、集団を構成し、各々が自律的に行動する複数の機体のそれぞれに搭載され、搭載された機体がとるべき行動を決定する。制御プランニング装置は、情報取得部、性能ベクトル処理部および制御プランニング部を備えている。情報取得部は、機体の相対的な性能が数値化された性能値を要素とする性能ベクトルに関する情報を、複数の機体から取得するとともに、機体が監視する監視対象の環境側から要求された性能ベクトルに関する情報を取得する。性能ベクトル処理部は、情報取得部によって機体から取得された性能ベクトルに関する情報に基づいて、機体ごとに設定された性能ベクトルのうち、性能に変化があった機体に設定された性能ベクトルを更新する。制御プランニング部は、機体に設定された性能ベクトルと環境側から要求された性能ベクトルとに基づく制御則に従って機体の行動を決定する。 The control planning device according to the present invention constitutes a group, is mounted on each of a plurality of aircraft that each autonomously behaves, and determines the action to be taken by the mounted aircraft. The control planning device includes an information acquisition unit, a performance vector processing unit, and a control planning unit. The information acquisition unit acquires information about a performance vector whose performance value is a numerical value of the relative performance of the aircraft, from multiple aircraft, and the performance requested by the environment to be monitored by the aircraft. Get information about a vector . The performance vector processing unit updates the performance vector set for the aircraft whose performance has changed among the performance vectors set for each aircraft based on the information about the performance vector acquired from the aircraft by the information acquisition unit. .. The control planning unit determines the behavior of the aircraft according to a control rule based on the performance vector set for the aircraft and the performance vector requested by the environment .
Claims (7)
前記機体の相対的な性能が数値化された性能値を要素とする性能ベクトルに関する情報を、複数の前記機体から取得する情報取得部と、
前記情報取得部によって取得された前記性能ベクトルに関する情報に基づいて、前記機体ごとに設定された前記性能ベクトルのうち、性能に変化があった前記機体に設定された前記性能ベクトルを更新する性能ベクトル処理部と、
前記性能ベクトルに基づく制御則に従って前記機体の行動を決定する制御プランニング部とを備えたこと
を特徴とする制御プランニング装置。A control planning device that constitutes a group, is mounted on each of a plurality of aircraft that each autonomously behaves, and determines the behavior of the mounted aircraft,
Information about a performance vector whose relative performance of the aircraft is a numerically quantified performance value, an information acquisition unit that acquires from a plurality of the aircraft,
Based on the information about the performance vector acquired by the information acquisition unit, of the performance vectors set for each machine, a performance vector that updates the performance vector set for the machine that has changed in performance A processing unit,
A control planning unit that determines the behavior of the aircraft according to a control rule based on the performance vector.
を特徴とする請求項１記載の制御プランニング装置。The control planning device according to claim 1, wherein the performance vector is a vector having the performance value as an element regarding the physical performance of the machine body and the performance of a device mounted on the machine body.
を特徴とする請求項１記載の制御プランニング装置。The control planning device according to claim 1, wherein the performance value is a normalized value.
を特徴とする請求項１記載の制御プランニング装置。The control planning device according to claim 1, wherein the control planning unit determines the behavior of the aircraft according to a control rule based on the cosine similarity between the performance vectors of the aircraft forming the group.
を特徴とする請求項１記載の制御プランニング装置。The control planning unit determines the behavior of the aircraft according to a control law based on the cosine similarity between the performance vector of the aircraft constituting the group and the performance vector requested from the environment side. The control planning device according to claim 1.
複数の前記機体のそれぞれに搭載され、搭載された前記機体の行動を決定する請求項１から請求項５のいずれか１項記載の制御プランニング装置とを備えたこと
を特徴とするロボット群システム。A group of robots that are the group, and a plurality of aircraft each of which autonomously behaves,
A robot group system, comprising: the control planning device according to any one of claims 1 to 5, which is mounted on each of the plurality of machines and determines an action of the installed machine.
情報取得部が、前記機体の相対的な性能が数値化された性能値を要素とする性能ベクトルに関する情報を、複数の前記機体から取得するステップと、
性能ベクトル処理部が、前記情報取得部によって取得された前記性能ベクトルに関する情報に基づいて、前記機体ごとに設定された前記性能ベクトルのうち、性能に変化があった前記機体に設定された前記性能ベクトルを更新するステップと、
制御プランニング部が、前記性能ベクトルに基づく制御則に従って前記機体の行動を決定するステップとを備えたこと
を特徴とする制御プランニング方法。A control planning method that configures a group and determines the behavior of each of a plurality of aircraft that each autonomously behaves,
Information acquisition unit, the relative performance of the aircraft, the information about the performance vector having a performance value that has been quantified as a factor, a step of acquiring from a plurality of the aircraft,
The performance vector processing unit, based on the information about the performance vector acquired by the information acquisition unit, of the performance vector set for each of the aircraft, the performance set for the aircraft having a change in performance Updating the vector,
The control planning unit comprises a step of determining the behavior of the aircraft according to a control rule based on the performance vector.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2018/024415 WO2020003418A1 (en) | 2018-06-27 | 2018-06-27 | Control planning device, robot group system, and control planning method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6463567B1 JP6463567B1 (en) | 2019-02-06 |
| JPWO2020003418A1 true JPWO2020003418A1 (en) | 2020-07-02 |
Family
ID=65270582
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018548455A Active JP6463567B1 (en) | 2018-06-27 | 2018-06-27 | Control planning apparatus, robot group system, and control planning method |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP6463567B1 (en) |
| WO (1) | WO2020003418A1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7199600B6 (en) * | 2020-04-07 | 2024-02-06 | 三菱電機株式会社 | Movement control device and movement control method |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2995970B2 (en) * | 1991-12-18 | 1999-12-27 | トヨタ自動車株式会社 | Travel control device for vehicles |
| JP3818722B2 (en) * | 1997-03-21 | 2006-09-06 | 富士通テン株式会社 | Vehicle group formation control device |
| JP2001179665A (en) * | 1999-12-24 | 2001-07-03 | Toshiba Corp | Intelligent robot |
| JP6272347B2 (en) * | 2013-11-08 | 2018-01-31 | 株式会社日立製作所 | Autonomous traveling vehicle and autonomous traveling system |
-
2018
- 2018-06-27 WO PCT/JP2018/024415 patent/WO2020003418A1/en active Application Filing
- 2018-06-27 JP JP2018548455A patent/JP6463567B1/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020003418A1 (en) | 2020-01-02 |
| JP6463567B1 (en) | 2019-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11125883B2 (en) | Efficient and scalable three-dimensional point cloud segmentation | |
| JP6397608B2 (en) | Mission rescheduling for systematic task assignment across multiple vehicles | |
| CN108958235B (en) | Robot motion planning | |
| EP3347171B1 (en) | Using sensor-based observations of agents in an environment to estimate the pose of an object in the environment and to estimate an uncertainty measure for the pose | |
| US11163299B2 (en) | Control device, control method, and program recording medium | |
| JP2014059860A5 (en) | ||
| CN110775071A (en) | Autonomous vehicle reservation workspace management | |
| US20210105339A1 (en) | Systems and methods for dynamic application management with an autonomous vehicle | |
| KR102303126B1 (en) | Method and system for optimizing reinforcement learning based navigation to human preference | |
| JPWO2017221859A1 (en) | Mobile body, mobile body control system, mobile body control method, interface device, and program | |
| CN111897304B (en) | Method, apparatus and system for real-time diagnostics and fault monitoring in a machine system | |
| US11653256B2 (en) | Apparatus, method and computer program for controlling wireless network capacity | |
| US11347241B2 (en) | Control device, control method, and non-transitory program recording medium | |
| JP6463567B1 (en) | Control planning apparatus, robot group system, and control planning method | |
| US11379308B2 (en) | Data processing pipeline failure recovery | |
| JP7014289B2 (en) | Mobile control device, mobile, mobile control system, mobile control method and mobile control program | |
| KR102179835B1 (en) | Method and system for path prediction considering vehicle travel intention and object selection algorithm based on vehicle sensor including wireless communication | |
| JP7070673B2 (en) | Autonomous machine control device, autonomous machine control method, and autonomous machine control program | |
| US20220301440A1 (en) | Conflict detection and avoidance along a current route of a robot | |
| JPWO2019244702A1 (en) | Sensor recognition integrated device | |
| Patle et al. | Topological drone navigation in uncertain environment | |
| JP7135322B2 (en) | MONITORING OBJECT FOLLOWING CONTROL DEVICE, MONITORING OBJECT FOLLOWING CONTROL PROGRAM | |
| US11797004B2 (en) | Causing a robot to execute a mission using a task graph and a task library | |
| Alkhaleeli et al. | Movement strategies selection of a mobile robot to avoid obstacles | |
| Mottola et al. | Flying Blind with Reactive Control of Aerial Drones |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180913 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180913 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20180913 |
|
| TRDD | Decision of grant or rejection written | ||
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20181121 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20181204 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181228 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6463567 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |