引用本文

李勇, 李坤成, 孙柏青, 张秋豪, 王义娜, 杨俊友. 智能体Petri网融合的多机器人−多任务协调框架. 自动化学报, 2021, 47(8): 2029−2049 doi: 10.16383/j.aas.c190400

Li Yong, Li Kun-Cheng, Sun Bai-Qing, Zhang Qiu-Hao, Wang Yi-Na, Yang Jun-You. Multi-robot-multi-task coordination framework based on the integration of intelligent agent and Petri net. Acta Automatica Sinica, 2021, 47(8): 2029−2049 doi: 10.16383/j.aas.c190400

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190400

关键词

多机器人协调，满意度，Petri网，智能体 

摘要

为解决异构的服务机器人团队为多位老人服务时的协调问题以及在此过程中如何最大化老人的总体满意度, 提出了一种服务于多人的多机器人−多任务协调框架. 首先, 结合时延Petri网和颜色Petri网提出了可扩展时延−颜色Petri网(Scalable timed-colored Petri net, STdCPN)对养老院情境下服务机器人照顾老人的过程进行建模. 然后, 将老人的感受和情绪作为机器人照顾老人时的重要指标, 构建了服务对象满意度模型. 最后, 设计智能体来实现该协调框架的调度, 该智能体通过考虑老人“个人因素” 和机器人的实时状态、位置等信息来对任务进行合理的规划调度, 使机器人帮助老人完成任务的同时, 最大化老人总体满意度.

文章导读

在照顾失能老人时需要花费大量的人力, 像养老院这样的场所, 需要大量的人力资源来完成这项工作. 随着老龄化的发展[1]以及人工成本的不断上涨, 这个问题会愈加凸显. 机器人技术的发展使得一些服务型机器人已经能够在一定程度上帮助人们完成对老人日常生活起居和康复训练等活动的照顾. 因此, 使用服务型机器人来对老人进行照顾将会成为一个必然趋势. 而面对一定数量的、功能不尽相同的服务型机器人, 如何让它们能够协同起来帮助老人完成任务并保证该过程中老人的满意度就成为了一个必须要解决的问题.

Petri网[2]是一种离散并行系统的数学描述方法, 于20世纪60年代由卡尔·A·佩特里提出. 它既有严格的数学表述方式, 也有直观的图形表达形式, 因其便于描述系统中进程或部件的顺序、并发、冲突以及同步等关系, Petri网在多机器人系统的研究中一直占有一席之地. 文献[3]提出了一个机器人软件系统的编程框架, 使用信号解释Petri网来描述任务并将其存储在XML文件中, 调度器加载这些文件并根据需要执行不同的Petri网. 文献[4]提出了一种基于Petri网的新型表示框架, 用于描述单机器人和多机器人行为, 该框架形式上允许对编程认知机器人所必需的复杂动作交互进行高级描述. 以上两篇文献均使用Petri网对机器人的任务过程以及动作交互进行建模, 由于机器人的操作对象与本文不同, 二者仅对系统中机器人的状态以及动作进行描述, 缺少被操作对象的状态以及机器人与被操作对象之间的交互过程, 机器人相当于脱离了整个系统独自进行任务.

本文意在协调异构的服务机器人团队为老人服务, 因此本文所建立的模型中既包含机器人的状态以及动作流程, 也包含被操作对象的状态以及机器人与被操作对象之间的交互过程. 由于养老院情境的特殊性, 为了清晰地描述系统状态, 需要使用含有时间因素的Petri网以及颜色Petri网来对系统进行建模. 例如, 时延Petri网所提供的时间信息可对系统的状态进行时间上的预测, 比如计算老人完成任务需要的大致时间、判断机器人何时回到空闲状态等; 颜色Petri网可以对系统中不同的“资源”进行分类, 即实现对网系统的折叠, 从而更清晰地描述多个机器人和多位老人情况下的协调过程. 即便如此, 在使用Petri网对养老院情境进行建模时仍无法解决“老人们各行其道互不干扰” 以及“随时调整老人对任务的执行权限” 等问题. 因此, 为解决以上问题, 本文结合时延Petri网和颜色Petri网提出了一种改进的Petri网—可扩展时延 − 颜色Petri网(STdCPN)对养老院情境下机器人照顾老人的过程进行建模. 但本文的研究内容不限于此, 构建的STdCPN模型将作为多机器人 − 多任务协调框架的基础, 而如何在任务过程中提高被服务对象的满意度是本文的另一个重点.

目前, 针对多机器人协调的研究主要集中在解决多机器人的任务分配[5-7]、路径规划[8-9]、编队控制[10]、勘探制图[11-13]等问题上, 该领域中绝大部分的研究都不涉及“人的因素”, 也不需要考虑协调过程中人的感受和情绪. 在机器人领域中, 有少量研究涉及到了最基本的人的安全性. 文献[14]从减少焊接过程中重型零件的手动操作密度的角度来提高人的安全性. 文献[15-16]从保证机器人与人之间适当的距离的角度来提高人的安全性. 文献[17]通过调节机器人与人潜在碰撞期间内的冲击力因素的方法来提高人的安全性. 而机器人领域中进一步考虑人的满意度的研究甚少. 文献[18]为最大化团队效率和人类成员与机器人成员的合作意愿, 将任务分配的权利交给工人, 结果表明工人宁愿将控制权交给机器人, 他们宁愿成为高效团队中的一员, 而不是在调度过程中发挥作用. 文献[19]为将人与机器人之间的相互作用系统化, 以减少人的工作量并最大化用户满意度, 开发了几种认知模型, 这些模型可以根据任务来管理和启动交互, 并通过使用交互结果修改机器人的活动. 以上两篇文献分别从赋予人机混合团队中人一定的决策权和调整人机交互中人的工作量的角度来提高人的满意度. 而本文完全将人类作为被服务的对象, 从服务对象的角度出发, 提出了服务对象满意度模型. 将老人的满意度作为任务执行情况的一个重要指标, 在协调多个机器人为多位老人服务的基础上, 通过调整机器人在任务执行过程中的各项参数以及多个任务冲突时的任务执行顺序来最大化老人的总体满意度.

由于养老院中环境复杂, 其中老人的身体情况、个人偏好、床位位置等都各不相同, 需要根据老人的“个人因素” (即性格急躁程度、被机器人拉起时的舒适速度、被机器人运载时的舒适速度、当前所处位置、自提出需求后的已等待时间以及所执行任务的优先级等)来对任务进行个性化的规划, 同时需要根据各个机器人的实时状态、位置等信息来合理地分配系统资源. 面对这些灵活的决策, 智能体是一个合适的选择. 文献[20]提出了一种自动建议智能体, 该智能体通过分析系统当前状态, 对系统接下来所有可执行动作的“回报” 进行预测, 然后找出“回报” 最大的一种决策提供给人类操作员, 从而提高系统效率并减轻人类操作员的工作负荷. 但该文中机器人的操作对象是货架, 并不涉及人的满意度, 且使用该方法将带来巨大的计算负荷, 因此一般情况下该智能体仅考虑系统接下来3步之内的状态来计算得出当前时刻的最佳决策.

而养老院情境中虽然任务种类繁杂, 但每个任务的流程是大致固定的, 因此对系统中任意时刻所有机器人可执行的每个动作的“回报” 进行预测是不必要的, 且在执行如“送老人去卫生间” 这样比较紧急的任务时, 仅能预测系统接下来几步的状态是不能接受的. 相反, 在该情境下更加需要的是对机器人的任务执行过程有一个宏观的规划, 这正是Petri网的优势所在. 因此本文使用STdCPN对系统底层的运行情况进行建模, 智能体只在必要时给出决策, 这样就同时发挥了Petri网的宏观规划能力和智能体的灵活决策能力, 在协调多个机器人为多位老人服务的基础上, 保持了系统的实时性.

本文结合时延Petri网和颜色Petri网提出了可扩展时延−颜色Petri网(STdCPN)并对养老院情境下服务机器人团队照顾老人的过程进行建模. 为提高该过程中老人即机器人所服务对象的满意度, 提出了服务对象满意度模型, 将老人的满意度作为任务完成情况的重要指标. 设计了智能体对该协调框架进行调度, 该智能体对老人的任务进行个性化的规划, 合理分配系统资源, 最大化老人总体满意度.

本文内容安排如下: 第1节介绍了STdCPN子模型, 并以此模型为例对改进的Petri网—STdCPN进行详细阐述; 第2节建立了服务对象满意度模型; 第3节提出了基于智能体的协调框架; 第4节对不同情况下智能体的决策进行仿真与分析; 第5节为结论.

图 1  送老人去卫生间及送回过程中使用的机器人

图 2  SR和CR协同送老人去卫生间及送回STdCPN模型

图 3  基于智能体的考虑人的因素的协调框架结构示意图

本文为解决养老院情境下多个异构服务机器人照顾多位老人的建模问题, 结合时延Petri网与颜色Petri网并加以改进提出了一种可扩展时延−颜色Petri网(STdCPN), 并使用STdCPN对养老院情境下多个异构服务机器人照顾多位老人的过程进行建模. STdCPN的特点是可以在不改变网络结构的基础上随时调整系统中资源的种类(不仅限于数量), 应用于养老院情境中, 既可以增减老人和机器人的数量(该情境中, 由于老人和机器人都携带着各自的信息, 因此数量的增加即是种类的增加)也可以对老人的任务执行权限加以限制. 为保证任务过程中老人的满意度, 提出了基于养老院情境的服务对象满意度模型. 该模型考虑老人的性格急躁程度、已等待时间、机器人运载速度与老人舒适速度之差以及老人所要执行任务种类等因素来评估老人的满意度, 该满意度将作为系统中任务完成情况的重要指标. 设计了智能体作为该协调框架的“调度者”. 当老人提出任务需求后, 智能体根据机器人的实时状态、位置等信息派出合适的机器人执行任务, 并根据老人的“个人因素” 结合满意度模型对老人的任务过程进行个性化的规划, 机器人将按照该规划以及对应的STdCPN模型执行任务. 当多个任务冲突时, 智能体会对所有的任务执行方案进行预测, 选出能够使得老人总体满意度最大的任务执行方案来执行. 对该协调框架进行了仿真. 通过仿真结果可以看出, 在仅改变老人个人信息和仅改变老人任务种类这两种情况下, 智能体均能给出较为合理的决策. 在同时改变老人个人信息、老人任务种类以及机器人初始位置的情况下, 智能体的决策仍具有其合理性. 本文接下来的工作, 将搭建基于VR虚拟场景和生理信号采集的满意度获取系统. 通过实验对象的满意度反馈不断地调整满意度模型中的各项参数, 从而使智能体的决策更加合理, 使该协调框架更好的应用于养老院情境.

作者简介

李勇

沈阳工业大学电气工程学院副教授. 2010年获得东北大学控制理论与控制工程博士学位. 主要研究方向为系统建模与多目标优化和机器学习. E-mail: liyong@sut.edu.cn

李坤成

沈阳工业大学电气工程学院硕士研究生. 主要研究方向为多机器人 − 多任务协调. E-mail: likuncheng94@aliyun.com

孙柏青

沈阳工业大学电气工程学院副教授. 2006年获得日本高知工科大学智能机械系统工程专业工学博士学位. 主要研究方向为智能康复机器人和人机交互. 本文通信作者. E-mail: sunbaiqing@sut.edu.cn

张秋豪

沈阳工业大学电气工程学院副教授. 2005年获得北京邮电大学信号与信息处理博士学位. 主要研究方向为康复机器人. E-mail: zhangqhao@sina.com

王义娜

沈阳工业大学电气工程学院副教授. 2014年获得日本高知工科大学基础工学系博士学位. 主要研究方向为智能康复机器人, 运动控制, 智能算法. E-mail: wang.yina@sut.edu.cn

杨俊友

沈阳工业大学电气工程学院教授. 1993年获得哈尔滨工业大学电气工程博士学位. 主要研究方向为智能福祉机器人, 智能电网, 特种电机及其控制. E-mail: junyouyang@sut.edu.cn