- •Технические нервные системы Обучаемые системы управления со зрением для промышленных роботов
- •Оглавление
- •Введение
- •1. Аналитический обзор информационно-управляющих систем промышленных роботов
- •1.1. Современное состояние систем управления роботами, использующих процедуру обучения
- •1.2. Принципы функционирования обучаемых систем управления (технических нервных систем)
- •Павлов Иван Петрович (1849-1936)
- •Пуанкаре (Poincare) Жюль Анри (1854-1912)
- •1.3. Сравнительный анализ адаптивных управляющих систем управления с распознаванием образов и обучаемых систем управления
- •1.4. Анализ вопросов аппаратной реализации систем управления роботами
- •2. Моделирование обучаемых систем управления
- •2.1. Математическое моделирование процесса обучения обучаемой системы управления
- •2.1.1. Алгоритм обучения обучаемой системы управления
- •2.1.2 Алгоритм расчета рецепторных долей сигнала управления
- •2.1.3. Условие сходимости процесса обучения
- •2.2. Закономерности процесса обучения, выявленные с помощью его математической модели
- •2.2.1. Закономерности процесса обучения системы управления для двух ситуаций обучаемой выборки
- •2.2.2. Закономерности процесса обучения системы управления при последовательном предъявлении ситуаций
- •2.2.3. Обучение с масштабированием подобных ситуаций
- •2.2.4. Влияние заданной точности выходных сигналов на продолжительность обучения
- •2.2.5. Влияние отличительности образов ситуаций обучаемой выборки на продолжительность обучения
- •2.2.6. Влияние порядка предъявления ситуаций обучаемой выборки на продолжительность обучения
- •Первый вариант обучения:
- •Второй вариант обучения:
- •2.2.7. Влияние способа дробления входной информации на продолжительность обучения
- •1 Вариант.
- •2 Вариант.
- •2.3. Имитационное моделирование обучения системы управления решению некоторых задач
- •2.3.1. Имитационное моделирование процесса обучения поиску заданного предмета
- •2.3.2. Имитационное моделирование процесса обучения воспроизведению образов
- •2.3.3. Имитационное моделирование процесса обучения распознаванию образов (ситуаций)
- •3. Схемные решения обучаемых систем управления
- •3.1. Командные рецепторы обучаемой системы управления
- •3.2. Обучаемая система управления с внутренними обратными связями
- •3.3. Деление рецепторов обучаемой системы управления на группы
- •3.4. Обучаемая система управления с парными рецепторами
- •3.5. Распределитель выходных сигналов обучаемой системы управления
- •4. Исследование обучаемой системы управления, установленной на робот тур-10к
- •4.1. Выбор параметров обучаемой системы управления для промышленного робота тур-10к
- •4.2. Методика обучения робота тур-10к с обучаемойсистемой управления со зрением поиску заданного предмета среди прочих
- •4.2.1. Разработка методики выбора ситуаций обучаемой выборки для решения задачи поиска заданного предмета
- •4.2.2. Настройка резисторной матрицы обучаемой системы управления и результат обучения
- •4.3. Свойства и особенности обучаемых систем управления, выявленные в результате исследований
- •5. Реализация обучаемых систем управления
- •5.1. Варианты физической реализации обучаемых систем управления
- •5.2. Варианты электрической реализации обучаемых систем управления
- •5.2.1. Обучаемая система управления с резисторной матрицей из подстроечных резисторов
- •5.2.2. Обучаемая система управления с резисторной матрицей, элементы которой выполнены в виде графитовых соединений
- •5.2.3. Обучаемая система управления с резисторной матрицей, элементы которой выполнены из халькогенидных полупроводников
- •5.3. Обучаемая система управления со зрением для промышленного робота pm-01 (puma)
- •6. Технический подход к проявлениям сложной нервной деятельности
- •6.1. Обучение и самообучение объекта с технической нервной системой
- •6.2. Чувства и эмоции объекта с технической нервной системой
- •6.3. Мышление объекта с технической нервной системой
4.2. Методика обучения робота тур-10к с обучаемойсистемой управления со зрением поиску заданного предмета среди прочих
4.2.1. Разработка методики выбора ситуаций обучаемой выборки для решения задачи поиска заданного предмета
Первой задачей, выполнению которой был обучен робот с обучаемой системой управления, была задача поиска измерительной скобы, расположенной на более темном фоне (рис.4.9).
Рис.4.9.
Измерительная скоба – цель поиска
зрячего робота ТУР10-К
Целевой была определена ситуация, когда изображение скобы находилось по центру поля зрения технического глаза в соответствии с рис.4.10. На рисунке черным цветом выделены рецепторы сетчатки, которые изменили свою проводимость по сравнению с ситуацией, когда глаз глядел на чистый фон.
Были определены опорные ситуации обучения, представленные на рис.4.11 (а, б, в, г, д, е). Первая ситуация (рис.4.11 а) – глаз видит только фон, вторая ситуация (рис.4.11 б) – обобщенная, охватывает любые посторонние предметы, попадающие в поле зрения технического глаза. Эти две ситуации использовались для обучения продольному (сканирующему) движению руки робота вдоль стола, на котором лежала измерительная скоба. Третья опорная ситуация (рис.4.11 в) охватывала случаи, когда какой-либо предмет попадал в поле зрения глаза робота с внешней стороны. Четвертая ситуация (рис.4.11 г) – предмет попадает в поле зрения глаза робота с внутренней стороны. Третья и четвертая ситуации использовались для обучения робота поперечному движению относительно стола. Пятая (рис.4.11 д) и шестая (рис.4.11 е) ситуации использовались для обучения робота повороту схвата в случаях, когда в поле зрения попадал несимметричный предмет.
Рис.4.10.
Рецепторы сетчатки технического глаза,
проводимость которых изменилась
в
целевой ситуации по сравнению с ситуацией
рассматривания фона (поверхности стола)
Далее, были проведены замеры возбуждений (проводимостей) рецепторов сетчатки в двух ситуациях: когда технический глаз был направлен на светлый фон и когда он был направлен на темный фон. Полученные замеры использовались для формирования всех опорных ситуаций обучения. Причем следует отметить, что проводимости фоторезисторов сетчатки значительно различались даже в ситуациях, когда глаз смотрел, например, на чистый фон. Различная чувствительность фоторезисторов учитывалась в процессе обучения и отражалась в расчетных значениях долей сигналов управления каждого рецептора. Значения долей сигналов управления от рецепторов сетчатки по каждому исполнительному двигателю рассчитывались на компьютере.
Рис.4.11.
Опорные ситуации обучаемой выборки для
обучения поиску скобы
4.2.2. Настройка резисторной матрицы обучаемой системы управления и результат обучения
Настройка матрицы мозга осуществлялась следующим образом. К парным выходам матрицы, соответствующим определенному исполнительному двигателю, подключался вольтметр, и при помощи ключа изменялись проводимости резисторных элементов так, чтобы получить расчетное значение доли сигнала управления (рис.4.12).
Рис.4.12.
Настройка матрицы технического мозга
обучаемой системы управления робота
ТУР-10К
Практическое обучение робота настройкой долей сигналов управления позволило найти прием обучения, который можно условно назвать “обучение на белом листе”. Этот прием заключается в том, что доли сигнала управления пересчитываются относительно некоторой опорной ситуации, в которой рецепторы сетчатки технического глаза освещены более или менее равномерно. Такое условие можно выполнить в частности, если направить технический глаз на лист белой бумаги. Настройка матрицы технического мозга в такой ситуации дает более точный результат, т.к. все рецепторы технического глаза возбуждены примерно одинаково. В других ситуациях на часть рецепторов может не попасть освещение, поэтому настроить их доли управляющих сигналов практически невозможно.
Первый поиск заданного предмета (измерительной скобы) роботом ТУР-10К с обучаемой системой управляющего зрения был осуществлен 4 сентября 1989 года (рис.4.13).
Рис.4.13.
Робот ТУР-10К, оснащенный обучаемой
системой управления со зрением
и
обученный поиску заданной измерительной
скобы
Робот, обученный поиску заданного предмета, оказался способным решать еще ряд самостоятельных задач. Он выполнял отслеживание произвольной траектории, заданной белой полосой переменной ширины. Причем скорость движения руки робота менялась: при увеличении ширины движение замедлялось, при уменьшении ширины – ускорялось. Кроме того, обученный робот преследовал найденный предмет, а при смене полярности сигнала управляющего двигателем поперечного перемещения, решал задачу уклонения от предметов при движении вдоль стола (рис.4.14).
Рис.4.14.
Игра с обученным роботом (преследование
подвижной цели)
Отличие данной системы от систем технического зрения можно охарактеризовать следующим сравнением. Традиционная система технического зрения является как бы “поводырем” слепого робота. Такая система воспринимает зримую информацию, анализирует ее (распознает), принимает определенное решение и дает команды роботу, направленные на выполнение этого решения, т.е. она работает независимо от робота. Робот же, оснащенный обучаемой системой управляющего зрения, сам является зрячим. Зрительная информация, воспринимаемая его техническим глазом или глазами, непосредственно преобразуется техническим мозгом в сигналы управления исполнительными двигателями, минуя стадии распознавания и принятия решения. Движения робота изменяют воспринимаемую зрительную информацию, что изменяет сигналы управления. Таким образом робот действует в окружающей его обстановке.
По мере расширения понимания принципов работы обучаемых систем управления мы вносили изменения и в конструкцию экспериментальной системы управляющего зрения робота ТУР-10К. В частности, по сравнению с первым вариантом обучаемой системы, в нее был добавлен рецептор общей освещенности и командные рецепторы. Рецептор общей освещенности представлял собой отдельный фоторезистор, размещенный в трубке, направленной на поле зрения технического глаза (рис.4.15).
Рис.4.15.
Технический глаз обучаемой системы
управления робота ТУР-10К
В процессе экспериментальных исследований робот ТУР-10К обучался выполнению различных задач: поиску заданных предметов, отслеживанию “шва”, уклонению от предметов, преследованию подвижных предметов (рис.4.16). Эти задачи использовались в лабораторных работах для студентов Липецкого политехнического института и для демонстрации возможностей обучаемых систем управления различным комиссиям и в рекламных целях.
Рис.4.16.
Робот ТУР-10К с обучаемой системой
управления в процессе поиска заданного
предмета
Работы велись при финансировании Елецким заводом тракторных гидроагрегатов (главный инженер Самохин А.В.) по хозяйственному договору с ЛипПИ 8938 “Обучаемые нейрокибернетические системы управления” и Грязинским заводом гидрооборудования (главный инженер Остапенко А.А.) по хозяйственному договору с ЛипПИ 8968 “Обучаемые нейрокибернетические системы управления”.
