A Logical-linguistic ROUTING method for unmanned vehicles with the minimum probability of accidents

Capa

Citar

Texto integral

Resumo

Forming optimal motion control laws for unmanned vehicles (UVs) by analyzing sensory data about the choice environment is an integral part of designing their situational control systems. The weakly predictable variability of the UV operating environment and the imperfection of measuring means reduce the possibility of obtaining comprehensive information about the environment state. Therefore, routing to minimize travel time and the probability of an accident is performed under uncertainty. An effective way to solve this problem is using logical-probabilistic and logical-linguistic models and algorithms. This paper is intended to develop new optimal routing methods for UVs with estimating the probability of an accident based on the logical-linguistic classification of route segments. For this purpose, the rows of parameters and characteristics of reference route segments are created and compared with the logical-probabilistic and logical-linguistic parameters and characteristics of classified route segments considering their significance for routing. After processing sensory and statistical data, the proposed logical-probabilistic and logical-linguistic methods are used to estimate the probabilities of accidents and minimize a performance criterion. As a consequence, the accuracy and speed of optimal routing for UVs are both increased. The results of this research can be used in the central nervous system of intelligent robots to classify route segments obtained by analyzing sensory and statistical data, which will improve the quality of motion control in an uncertain environment.

Sobre autores

A. Gorodetskiy

Institute for Problems in Mechanical Engineering, Russian Academy of Sciences

Autor responsável pela correspondência
Email: g27764@yandex.ru
St. Petersburg, Russia

I. Tarasova

Institute for Problems in Mechanical Engineering, Russian Academy of Sciences

Email: g17265@yandex.ru
St. Petersburg, Russia

V. Kurbanov

Institute for Problems in Mechanical Engineering, Russian Academy of Sciences

Email: vugar_borchali@yahoo.com
St. Petersburg, Russia

Bibliografia

  1. Евтодьева М.Г., Целицкий С.В. Беспилотные летательные аппараты военного назначения: тенденции в сфере разработок и производства // Пути к миру и безопасности. - 2019. - № 2 (57). - С. 104-111.
  2. Divis, D.A. Military UAV Market to Mop $83B // Inside Unmanned Systems. 24.04.2018. URL: http://insideunmannedsystems.com/military-uav-market-to-top-83b.
  3. Li, C. Artificial Intelligence Technology in UAV Equipment // 2021 IEEE/ACIS 20th International Fall Conference on Computer and Information Science (ICIS Fall). - Xi’an, China, 2021. - P. 299-302. - doi: 10.1109/ICISFall51598.2021.9627359.
  4. Xia, C. and Yudi, A. Multi - UAV Path Planning Based on Improved Neural Network // 2018 Chinese Control and Decision Conference (CCDC). - Shenyang, China, 2018. - P. 354-359. - doi: 10.1109/CCDC.2018.8407158.
  5. Varatharasan, V., Rao, A.S.S., Toutounji, E., et al. Target Detection, Tracking and Avoidance System for Low-cost UAVs using AI-Based Approaches // 2019 Workshop on Research, Education and Development of Unmanned Aerial Systems (RED UAS). - Cranfield, UK, 2019. - P. 142-147. - doi: 10.1109/REDUAS47371.2019.8999683.
  6. Zheng, L., Ai, P., and Wu, Y. Building Recognition of UAV Remote Sensing Images by Deep Learning // IGARSS 2020 - 2020 IEEE International Geoscience and Remote Sensing Symposium. - Waikoloa, HI, USA, 2020. - P. 1185-1188. - doi: 10.1109/IGARSS39084.2020.9323322.
  7. Zhang, Y., McCalmon, J., Peake, A., et al. A Symbolic-AI Approach for UAV Exploration Tasks // 2021 7th International Conference on Automation, Robotics and Applications (ICARA). - Prague, Czech Republic, 2021. - P. 101-105. - doi: 10.1109/ICARA51699.2021.9376403.
  8. Аггарвал Ч. Нейронные сети и глубокое обучение: учебный курс. Пер. с англ. - СПб.: Диалектика, 2020. - 752 с.
  9. Kim, H., Ben-Othman, J., Mokdad, L., et al. Research Challenges and Security Threats to AI-Driven 5G Virtual Emotion Applications Using Autonomous Vehicles, Drones, and Smart Devices // IEEE Network. - 2020. - Vol. 34, no. 6. - P. 288-294. - doi: 10.1109/MNET.011.2000245.
  10. Ким М.Л., Костеренко В.Н., Певзнер Л.Д. и др. Система автоматического управления траекторным движением шахтного беспилотного летательного аппарата // Горная промышленность. - 2019. - № 3 (145). - С. 60-64.
  11. Кутахов В.П., Мещеряков Р.В. Управление групповым поведением беспилотных летательных аппаратов: постановка задачи применения технологий искусственного интеллекта // Проблемы управления. - 2022. - № 1. - С. 67-74.
  12. Долгий П.С., Немыкин Г.И., Думитраш Г.Ф. Беспилотное управление транспортными средствами // Молодой ученый. - 2019. - № 8.2 (246.2). - С. 13-15.
  13. Власов С.М., Бойков В.И., Быстров С.В., Григорьев В.В. Бесконтактные средства локальной ориентации роботов. - СПб.: Университет ИТМО, 2017. - 169с.
  14. Gorodetskiy A.E., Tarasova I.L., Kurbanov V.G. Reduction of Logical-Probabilistic and Logical-Linguistic Constraints to Interval Constraints in the Synthesis of Optimal SEMS / In: Smart Electromechanical Systems. Group Interaction. Eds. Gorodetskiy Andrey E., Tarasova Irina L. / Studies in Systems, Decision and Control. - Springer International Publishing, 2019. - Vol. 174. - P. 77-90. - doi: 10.1007/978-3-319-99759-9_7.
  15. Москвин В.А. Риски инвестиционных проектов. - М.: Курс: ИНФРА-М, 2016. -320 с.
  16. Решетняк Е.И. Методы оценки инвестиционных рисков в бизнес-планировании // БIЗНЕС ИНФОРМ. - 2017. - №12. - С.189-194.
  17. Попова А.Ю. Оценка риска инвестиционного проекта. // Научный журнал КубГАУ. - 2006. - №19. - С. 73-98.
  18. Кулик Ю. А., Волович В. Н., Привалов Н. Г., Козловский А. Н. Классификация и качественная оценка рисков инновационных проектов // Записки Горного института. - 2012. - Т. 197. - С.124-128.
  19. Ведмедь И.Ю. Анализ количественных методов оценки рисков инвестиционных проектов// «Вероятностные математические модели экономических процессов»: XII конференция «Российские регионы в фокусе перемен»: Сборник трудов. - Екатеринбург, 2017. - С. 52-61.
  20. Королькова Е.М. Риск-менеджмент: управление проектными рисками. - Тамбов: ФГБОУ ВПО «ТГТУ», 2013. - 159 с.
  21. Миркин Б.Г. Проблема группового выбора. - М.: Наука, 1974. - 256 с.
  22. Соложенцев Е.Д. Управление риском и эффективностью в экономике: логико-вероятностный подход. - СПб.: Изд-во СПбГУ, 2009. - 242 с.
  23. Gorodetskiy, A.E., Tarasova, I.L., Kurbanov, V.G. Classification of Images in Decision Making in the Central Nervous System of SEMS / In: Smart Electromechanical Systems. Behavioral Decision Making. Eds. Andrey E. Gorodetskiy, Irina L. Tarasova / Studies in Systems, Decision and Control. - Springer Nature Switzerland AG, 2021. - Vol. 352. - P. 187-196. - DOI: http://doi/org/10.1007/978-3-030-68172-2-15
  24. Городецкий А. Е., Курбанов В. Г., Тарасова И. Л. Способ классификации изображений: Патент РФ № 2756778. Зарег. 05.10.2021.
  25. Городецкий А.Е., Тарасова И.Л. Нечеткое математическое моделирование плохо формализуемых процессов и систем. - СПб:. Изд-во Политехн. ун-та, 2010. - 335 c.
  26. Gorodetskiy, A.E., Tarasova, I.L., Kurbanov, V.G. Assessmentof UAV Intelligence Based on the Results of Computer Modeling/ In: Smart Electromechanical Systems. Eds. Andrey E. Gorodetskiy, Irina L. Tarasova / Studies in Systems, Decision and Control. - Springer Nature Switzerland AG, 2022. - Vol. 419. - P. 105-116. - DOI: http://doi/org/10.1007/978-3-030-97004-8_8.
  27. Жегалкин И.И. Арифметизация символической логики // Математический сборник. - 1928. - Т. 35. - Вып. 3-4. - С. 311-377.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar


Creative Commons License
Este artigo é disponível sob a Licença Creative Commons Atribuição 4.0 Internacional.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».