Искусственный интеллект на службе человечества. Аспирант факультета ФМиЕН представил собственные разработки на 17-ой международной конференции по автономным агентам и мультиагентным системам

Справочно:

Многоагентные или мультиагентные системы – это направление искусственного интеллекта, которое для решения сложной задачи или проблемы использует системы из множества взаимодействующих агентов (роботов). Теория многоагентных систем направлена на изучение возможностей взаимодействия агентов для совместного решения общей глобальной задачи. "Классический" пример использования – логистические системы, где в качестве агентов рассматриваются различные грузовики транспортных компаний. Основная задача - доставить товары всем потребителям при оптимальной загруженности грузовиков с минимальными финансовыми и временными затратами.

Также многоагентные системы применяются в транспортных, геоинформационных системах, робототехнике и компьютерных играх.

Антон Андрейчук представил постерный доклад на тему «Два метода улучшения эффективности планирования траекторий для множества роботов с использованием приоритизированного подхода». В своем исследовании аспирант рассмотрел сценарий работы группы роботов, у каждого из которых есть свое стартовое и целевое положение. Задача исследователя – найти последовательность действий для каждого из роботов, чтобы все они успешно достигли своих целевых положений без столкновений с препятствиями или друг с другом в процессе движения. 

Один из способов решения этой задачи – приоритизированный подход или поочередное планирование траекторий для каждого робота. В данном случае каждый последующий робот в процессе планирования должен учитывать траектории более высоко приоритизированных роботов таким образом, чтобы не столкнуться с ними. Такой подход обладает высокой вычислительной эффективностью, но также имеет и ряд недостатков. Он не гарантирует нахождение лучшего решения, как и то, что решение вообще будет найдено, несмотря на то, что оно существует. 

Проблема заключается в неправильно выбранной последовательности, в которой планируются траектории роботов. Возможным решением этой проблемы – изменение последовательности приоритетов и повторное перепланирование. Подход с перепланированием известен и описан, однако в существующих работах предлагается изменять последовательность случайным образом. Предложенный аспирантом метод изменяет порядок действий строго определенно, без какого-либо случайного выбора: каждый раз, когда алгоритм не может найти траекторию какого-либо робота, его приоритет увеличивается до максимума, а приоритет всех роботов, которые были перед ним, соответственно уменьшается на 1. Проведенные модельные экспериментальные исследования показали, что предложенный метод работает быстрее случайного изменения приоритетов и находит сопоставимые по качеству решения.

Результаты исследования в будущем могут быть применены в таких сферах как системы автономных роботизированных складов.

Конференция AAMAS-2018 привлекла более 500 ученых и специалистов из таких компаний и университетов как Stanford University (США), IBM Research (США), Apple Inc. (США), University of Oxford (Великобритания), Massachusetts Institute of Technology (США) и другие.  В ходе пленарных и устных сессий было сделано более 200 устных сообщений и 140 постерных докладов. В этом году конференция AAMAS стала частью более глобального Объединенного совещания по искусственному интеллекту (Federated AI Meeting).