El sistema de control en tiempo real ( RCS ) es una arquitectura de modelo de referencia , adecuada para muchos dominios de problemas de control informático en tiempo real y con uso intensivo de software . Define los tipos de funciones necesarias en un sistema de control inteligente en tiempo real y cómo estas funciones se relacionan entre sí.
RCS no es un diseño de sistema , ni es una especificación de cómo implementar sistemas específicos . RCS prescribe un modelo de control jerárquico basado en un conjunto de principios de ingeniería bien fundamentados para organizar la complejidad del sistema . Todos los nodos de control en todos los niveles comparten un modelo de nodo genérico. [1]
Además, RCS proporciona una metodología integral para diseñar, diseñar, integrar y probar sistemas de control. Los arquitectos dividen iterativamente las tareas y la información del sistema en subconjuntos finitos más finos que son controlables y eficientes. RCS se centra en el control inteligente que se adapta a entornos operativos inciertos y no estructurados. Las preocupaciones clave son la detección, la percepción, el conocimiento, los costos, el aprendizaje, la planificación y la ejecución. [1]
Descripción general
Una arquitectura de modelo de referencia es una forma canónica, no una especificación de diseño de sistema . La arquitectura del modelo de referencia RCS combina la planificación y el control del movimiento en tiempo real con la planificación de tareas de alto nivel, la resolución de problemas , el modelado mundial , la estimación del estado recursivo, el procesamiento de imágenes táctiles y visuales y el análisis de firmas acústicas. De hecho, la evolución del concepto RCS ha sido impulsada por un esfuerzo por incluir las mejores propiedades y capacidades de la mayoría, si no todos, los sistemas de control inteligente actualmente conocidos en la literatura, desde la subsunción hasta SOAR, desde pizarrones hasta orientados a objetos. programación. [2]
RCS (sistema de control en tiempo real) se desarrolla en una arquitectura de agente inteligente diseñada para permitir cualquier nivel de comportamiento inteligente, hasta e incluyendo los niveles humanos de desempeño. RCS se inspiró en un modelo teórico del cerebelo, la parte del cerebro responsable de la coordinación motora fina y el control de los movimientos conscientes. Fue diseñado originalmente para el control sensorial-interactivo dirigido por objetivos de manipuladores de laboratorio. Durante tres décadas, se ha convertido en una arquitectura de control en tiempo real para máquinas herramienta inteligentes, sistemas de automatización de fábricas y vehículos autónomos inteligentes. [3]
RCS se aplica a muchos dominios de problemas, incluidos ejemplos de fabricación y ejemplos de sistemas de vehículos . Los sistemas basados en la arquitectura RCS se han diseñado e implementado en diversos grados para una amplia variedad de aplicaciones que incluyen la carga y descarga de piezas y herramientas en máquinas herramienta, el control de estaciones de trabajo de mecanizado, la realización de desbarbado y biselado robóticos y el control de telerobots de estaciones espaciales, múltiples vehículos submarinos autónomos, vehículos terrestres no tripulados, sistemas de automatización de minería de carbón , sistemas de manejo de correo del servicio postal y sistemas de automatización operativa submarina. [2]
Historia
RCS ha evolucionado a través de una variedad de versiones durante varios años a medida que ha aumentado la comprensión de la complejidad y sofisticación del comportamiento inteligente. La primera implementación fue diseñada para robótica sensorial-interactiva por Barbera a mediados de la década de 1970. [4]
RCS-1
En RCS-1, el énfasis estaba en combinar comandos con retroalimentación sensorial para calcular la respuesta adecuada a cada combinación de objetivos y estados. La aplicación consistía en controlar un brazo robótico con un sistema estructurado de visión de luz en tareas de seguimiento visual. RCS-1 fue fuertemente influenciado por modelos biológicos como el modelo de Marr-Albus, [5] y el Modelo Cerebeloso de Computadora Aritmética (CMAC). [6] del cerebelo . [2]
CMAC se convierte en una máquina de estado cuando algunas de sus salidas se retroalimentan directamente a la entrada, por lo que RCS-1 se implementó como un conjunto de máquinas de estado organizadas en una jerarquía de niveles de control. En cada nivel, el comando de entrada selecciona efectivamente un comportamiento que es impulsado por retroalimentación en forma de estímulo-respuesta . CMAC se convirtió así en el bloque de construcción del modelo de referencia de RCS-1, como se muestra en la figura.
Se utilizó una jerarquía de estos bloques de construcción para implementar una jerarquía de comportamientos como el observado por Tinbergen [7] y otros. RCS-1 es similar en muchos aspectos a la arquitectura de subsunción de Brooks , [8] excepto que RCS selecciona comportamientos antes del hecho a través de objetivos expresados en comandos, en lugar de después del hecho a través de subsunción. [2]
RCS-2
La próxima generación, RCS-2, fue desarrollada por Barbera, Fitzgerald, Kent y otros para el control de fabricación en la Instalación de Investigación de Fabricación Automatizada (AMRF) del NIST a principios de la década de 1980. [9] [10] [11] El bloque de construcción básico de RCS-2 se muestra en la figura.
La función H siguió siendo un ejecutor de tabla de estados de máquina de estados finitos . La nueva característica de RCS-2 fue la inclusión de la función G que consiste en una serie de algoritmos de procesamiento sensorial que incluyen algoritmos estructurados de análisis de luz y manchas. RCS-2 se utilizó para definir una jerarquía de ocho niveles que consta de niveles de control de Servo, Transformación de coordenadas, E-Move, Tarea, Estación de trabajo, Celda, Tienda e Instalación.
Solo se construyeron los primeros seis niveles. Dos de las estaciones de trabajo AMRF implementaron completamente cinco niveles de RCS-2. El sistema de control para el Robot de Manejo de Materiales de Campo del Ejército (FMR) [12] también se implementó en RCS-2, al igual que el proyecto de vehículo terrestre semiautónomo TMAP del Ejército . [2]
RCS-3
RCS-3 fue diseñado para el proyecto NBS / DARPA Multiple Autonomous Undersea Vehicle (MAUV) [13] y fue adaptado para el modelo de referencia estándar de NASA / NBS Telerobot Control System Architecture (NASREM) desarrollado para la estación espacial Flight Telerobotic Servicer [14] El bloque de construcción básico de RCS-3 se muestra en la figura.
Las principales características nuevas introducidas en RCS-3 son el modelo mundial y la interfaz del operador. La inclusión del modelo mundial proporciona la base para la planificación de tareas y para el procesamiento sensorial basado en modelos. Esto llevó al refinamiento de los módulos de descomposición de tareas (TD) para que cada uno tenga un asignador de trabajo, y un planificador y un ejecutor para cada uno de los subsistemas asignados a un trabajo. Esto corresponde aproximadamente a la jerarquía de control de tres niveles de Saridis [15] . [2]
RCS-4
RCS-4 ha sido desarrollado desde la década de 1990 por la División de Sistemas de Robots de NIST. El bloque de construcción básico se muestra en la figura). La principal característica nueva en RCS-4 es la representación explícita del sistema de Juicio de Valor (VJ). Los módulos VJ proporcionan al sistema de control RCS-4 el tipo de funciones proporcionadas al cerebro biológico por el sistema límbico . Los módulos de VJ contienen procesos que calculan el costo , el beneficio y el riesgo de las acciones planificadas, y que valoran los objetos , los materiales, el territorio, las situaciones, los eventos y los resultados. Las variables de estado de valor definen qué objetivos son importantes y qué objetos o regiones deben ser atendidos, atacados, defendidos, asistidos o sobre los que se debe actuar. Los juicios de valor, o funciones de evaluación, son una parte esencial de cualquier forma de planificación o aprendizaje. George Pugh ha abordado la aplicación de juicios de valor a los sistemas de control inteligente. [16] La estructura y función de los módulos VJ se desarrollan de forma más completa desarrollada en Albus (1991). [2] [17]
RCS-4 también usa el término generación de comportamiento (BG) en lugar del término descomposición de tarea 5 (TD) de RCS-3. El propósito de este cambio es enfatizar el grado de toma de decisiones autónoma . RCS-4 está diseñado para abordar aplicaciones altamente autónomas en entornos no estructurados donde las comunicaciones de gran ancho de banda son imposibles, como vehículos no tripulados que operan en el campo de batalla , bajo el mar profundo o en planetas distantes . Estas aplicaciones requieren juicios de valor autónomos y sofisticadas capacidades de percepción en tiempo real . RCS-3 seguirá utilizándose para aplicaciones menos exigentes, como la fabricación , la construcción o la telerobótica para operaciones en el espacio cercano u operaciones submarinas poco profundas, donde los entornos están más estructurados y el ancho de banda de comunicación a una interfaz humana es menos restringido. En estas aplicaciones, los juicios de valor a menudo se representan implícitamente en los procesos de planificación de tareas o en la entrada del operador humano. [2]
Metodología
En la figura, un ejemplo de la metodología RCS para diseñar un sistema de control para la conducción autónoma en carretera en condiciones de tráfico cotidianas se resume en seis pasos. [18]
- El paso 1 consiste en un análisis intensivo del conocimiento del dominio de manuales de capacitación y expertos en la materia. Los escenarios se desarrollan y analizan para cada tarea y subtarea. El resultado de este paso es una estructuración del conocimiento procedimental en un árbol de descomposición de tareas con tareas cada vez más simples en cada escalón. En cada escalón, se define un vocabulario de comandos (verbos de acción con estados objetivo, parámetros y restricciones) para evocar el comportamiento de la tarea en cada escalón. [18]
- El paso 2 define una estructura jerárquica de unidades organizativas que ejecutarán los comandos definidos en el paso 1. Para cada unidad, se especifican sus deberes y responsabilidades en respuesta a cada comando. Esto es análogo a establecer una estructura de desglose del trabajo para un proyecto de desarrollo o definir un organigrama para una operación comercial o militar. [18]
- El paso 3 especifica el procesamiento que se activa dentro de cada unidad al recibir un comando de entrada. Para cada comando de entrada, se define un gráfico de estado (o un autómata de estado finito extendido o de tabla de estado) que proporciona un plan (o procedimiento para hacer un plan) para realizar la tarea ordenada. El comando de entrada selecciona (o hace que se genere) una tabla de estado apropiada, cuya ejecución genera una serie de comandos de salida para las unidades en el siguiente escalón inferior. La biblioteca de tablas de estado contiene un conjunto de reglas de procedimiento sensibles al estado que identifican todas las condiciones de ramificación de tareas y especifican la transición de estado correspondiente y los parámetros de comando de salida. [18]
El resultado del paso 3 es que cada unidad organizativa tiene para cada comando de entrada una tabla de estados de reglas de producción ordenadas, cada una adecuada para su ejecución por un autómata de estado finito extendido (FSA). La secuencia de subcomandos de salida requeridos para cumplir con el comando de entrada es generada por situaciones (es decir, condiciones de bifurcación) que hacen que la FSA pase de un subcomando de salida al siguiente. [18]
- En el paso 4, cada una de las situaciones que se definen en el paso 3 se analizan para revelar sus dependencias en los estados del mundo y de la tarea. Este paso identifica las relaciones detalladas entre entidades, eventos y estados del mundo que hacen que una situación particular sea cierta. [18]
- En el paso 5, identificamos y nombramos todos los objetos y entidades junto con sus características y atributos particulares que son relevantes para detectar los estados y situaciones del mundo anteriores. [18]
- En el paso 6, usamos el contexto de las actividades de la tarea particular para establecer las distancias y, por lo tanto, las resoluciones a las que los objetos y entidades relevantes deben ser medidos y reconocidos por el componente de procesamiento sensorial. Esto establece un conjunto de requisitos y / o especificaciones para que el sistema de sensores respalde cada actividad de subtarea. [18]
Software
Basado en la arquitectura del modelo de referencia RCS, el NIST ha desarrollado una biblioteca de software del sistema de control en tiempo real . Este es un archivo de código C ++, Java y Ada, scripts, herramientas, archivos MAKE y documentación gratuitos desarrollados para ayudar a los programadores de software a utilizarlos en sistemas de control en tiempo real , especialmente aquellos que utilizan la Arquitectura de modelo de referencia para el diseño de sistemas inteligentes. [19]
Aplicaciones
- ISAM Framework es una aplicación RCS para el dominio de fabricación.
- La arquitectura del modelo de referencia 4D-RCS es la aplicación RCS para el dominio del vehículo, y
- El modelo de referencia estándar de NASA / NBS para la arquitectura de sistemas de control de telerobot (NASREM) es una aplicación para el dominio espacial.
Referencias
- ^ a b Descripción general de las áreas de investigación de NIST ISD . Última actualización: 5/12/2003. Último acceso: 2 de agosto de 2009.
- ↑ a b c d e f g h James S. Albus (1992). Una arquitectura de modelo de referencia para el diseño de sistemas inteligentes Archivado el 16 de septiembre de 2008 en la División de Sistemas Inteligentes de Wayback Machine , Laboratorio de Ingeniería de Manufactura, Instituto Nacional de Estándares y Tecnología.
- ^ Jim Albus, Tony Barbera, Craig Schlenoff (2004). " RCS: Una arquitectura de agente inteligente " En: Proc. de 2004 Conferencia AAAI: Taller de agente inteligente Arquitecturas: La combinación de los puntos fuertes de ingeniería y software de los sistemas cognitivos, San Jose, CA .
- ^ AJ Barbera, JS Albus, ML Fitzgerald (1979). "Control jerárquico de robots mediante microcomputadoras". En: Actas del Noveno Simposio Internacional sobre Robots Industriales , Washington, DC, marzo de 1979.
- ↑ JS Albus (1971). "Una teoría de la función cerebelosa". En: Biociencias matemáticas , vol. 10, págs. 25–61, 1971
- ^ JS Albus (1975). "Un nuevo enfoque para el control de manipuladores: el controlador de articulación modelo cerebeloso (CMAC)". En: Transactions ASME , septiembre de 1975.
- ^ Nico Tinbergen (1951). El estudio del instinto . Clarendon, Oxford.
- ^ Rodney Brooks (1986). "Un sistema de control robusto en capas para un robot móvil". En: IEEE Journal of Robotics and Automation . Vol. RA-2, [1], marzo de 1986.
- ^ JA Simpson, RJ Hocken, JS Albus (1983). "La instalación de investigación de fabricación automatizada de la Oficina Nacional de Normas". En: Journal of Manufacturing Systems , vol. 1, N ° 1, 1983.
- ^ JS Albus, C. McLean, AJ Barbera, ML Fitzgerald (1982). "Una arquitectura para el control sensorial-interactivo en tiempo real de robots en un entorno de fabricación". En: 4º Simposio IFAC / IFIP sobre Problemas de Control de Información en Tecnología de Manufactura . Gaithersburg, MD, octubre de 1982
- ^ EW Kent, JS Albus (1984). "Modelos de mundo servidos como interfaces entre sistemas de control de robots y datos sensoriales". En: Robotica , Vol. 2, No 1, enero de 1984.
- ^ HG McCain, RD Kilmer, S. Szabo, A. Abrishamian (1986). "Un robot autónomo controlado jerárquicamente para aplicaciones de campo militar de carga pesada". En: Actas de la Conferencia Internacional sobre Sistemas Autónomos Inteligentes . Amsterdam, Países Bajos, 8 al 11 de diciembre de 1986.
- ^ JS Albus (1988). Descripción del sistema y arquitectura de diseño para múltiples vehículos submarinos autónomos . Instituto Nacional de Estándares y Tecnología, Informe técnico 37 1251, Gaithersburg, MD, septiembre de 1988.
- ^ JS Albus, HG McCain, R. Lumia (1989). Modelo de referencia estándar de la NASA / NBS para la arquitectura del sistema de control de telerobot (NASREM) . Instituto Nacional de Estándares y Tecnología, Informe técnico 1235, Gaithersburg, MD, abril de 1989.
- ^ George N. Saridis (1985). Fundamentos de la Teoría de Controles Inteligentes . Taller de IEEE sobre control inteligente, 1985
- ^ GE Pugh, GL Lucas, (1980). Aplicaciones de la teoría de la decisión basada en el valor al control y coordinación de sistemas avanzados de control de aire táctico . Decision-Science Applications, Inc., Informe No. 218, abril de 1980
- ^ JS Albus (1991). "Esquema de una teoría de la inteligencia". En: IEEE Trans. sobre Sistemas, Hombre y Cibernética . Vol. 21, No. 3, mayo / junio de 1991.
- ↑ a b c d e f g h James S. Albus y Anthony J. Barbera (2005). RCS: una arquitectura cognitiva para sistemas inteligentes de agentes múltiples . Instituto Nacional de Estándares y Tecnología, Gaithersburg, Maryland 20899
- ^ Biblioteca de sistemas de control en tiempo real: software y documentación en nist.gov. Último acceso: 4 de agosto de 2009.
- Este artículo incorpora material de dominio público del sitio web del Instituto Nacional de Estándares y Tecnología https://www.nist.gov .
enlaces externos
- RCS Arquitectura de sistemas de control en tiempo real Página de inicio de NIST