2.793

                    2018影響因子

                    (CJCR)

                    • 中文核心
                    • EI
                    • 中國科技核心
                    • Scopus
                    • CSCD
                    • 英國科學文摘

                    留言板

                    尊敬的讀者、作者、審稿人, 關于本刊的投稿、審稿、編輯和出版的任何問題, 您可以本頁添加留言。我們將盡快給您答復。謝謝您的支持!

                    姓名
                    郵箱
                    手機號碼
                    標題
                    留言內容
                    驗證碼

                    智能體Petri網融合的多機器人 ? 多任務協調框架

                    李勇 李坤成 孫柏青 張秋豪 王義娜 楊俊友

                    李勇, 李坤成, 孫柏青, 張秋豪, 王義娜, 楊俊友. 智能體Petri網融合的多機器人 ? 多任務協調框架. 自動化學報, 2019, 45(x): 1?21. doi: 10.16383/j.aas.c190400
                    引用本文: 李勇, 李坤成, 孫柏青, 張秋豪, 王義娜, 楊俊友. 智能體Petri網融合的多機器人 ? 多任務協調框架. 自動化學報, 2019, 45(x): 1?21. 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, 2019, 45(x): 1?21. doi: 10.16383/j.aas.c190400
                    Citation: 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, 2019, 45(x): 1?21. doi: 10.16383/j.aas.c190400

                    智能體Petri網融合的多機器人 ? 多任務協調框架


                    DOI: 10.16383/j.aas.c190400
                    詳細信息
                      作者簡介:

                      沈陽工業大學電氣工程學院副教授. 2010年獲得東北大學控制理論與控制工程博士學位. 主要研究方向為系統建模與多目標優化和機器學習. E-mail: liyong@sut.edu.cn

                      沈陽工業大學電氣工程學院碩士研究生. 主要研究方向為多機器人 ? 多任務協調. E-mail: likuncheng94@aliyun.com

                      沈陽工業大學電氣工程學院副教授. 2006年獲得日本高知工科大學智能機械系統工程專業工學博士學位. 主要研究方向為智能康復機器人和人機交互. 本文通信作者. E-mail: sunbaiqing@sut.edu.cn

                      沈陽工業大學電氣工程學院副教授. 2005年獲得北京郵電大學信號與信息處理博士學位. 主要研究方向為康復機器人. E-mail: zhangqhao@sina.com

                      沈陽工業大學電氣工程學院副教授. 2014年獲得日本高知工科大學基礎工學系博士學位. 主要研究方向為智能康復機器人, 運動控制, 智能算法. E-mail: wang.yina@sut.edu.cn

                      沈陽工業大學電氣工程學院教授. 1993年獲得哈爾濱工業大學電氣工程博士學位. 主要研究方向為智能福祉機器人, 智能電網, 特種電機及其控制. E-mail: junyouyang@sut.edu.cn

                    • 基金項目:  國家自然科學基金(61906125), 遼寧省自然科學基金(2019-ZD-0205), 遼寧省自然科學基金 (20180550596)資助

                    Multi-Robot-Multi-Task Coordination Framework Based on the Integration of Intelligent Agent and Petri Net

                    More Information
                    • Fund Project:  Supported by National Natural Science Foundation of China (61906125), Natural Science Foundation of Liaoning Province (2019-ZD-0205), Natural Science Foundation of Liaoning Province (20180550596)
                    • 摘要: 為解決異構的服務機器人團隊為多位老人服務時的協調問題以及在此過程中如何最大化老人的總體滿意度, 提出了一種服務于多人的多機器人 ? 多任務協調框架. 首先, 結合時延Petri網和顏色Petri網提出了可擴展時延 ? 顏色Petri網(Scalable Timed-Colored Petri Net, 記為STdCPN)對養老院情境下服務機器人照顧老人的過程進行建模. 然后, 將老人的感受和情緒作為機器人照顧老人時的重要指標, 構建了服務對象滿意度模型. 最后, 設計智能體來實現該協調框架的調度, 該智能體通過考慮老人“個人因素”和機器人的實時狀態、位置等信息來對任務進行合理的規劃調度, 使機器人幫助老人完成任務的同時, 最大化老人總體滿意度.
                    • 圖  1  送老人去衛生間及送回過程中使用的機器人

                      Fig.  1  Robots for send the elderly to the toilet and return

                      圖  2  SR和CR協同送老人去衛生間及送回STdCPN模型

                      Fig.  2  STdCPN model for SR and CR work together to send the elderly to the toilet and return

                      圖  3  基于智能體的考慮人的因素的協調框架結構示意圖

                      Fig.  3  Diagram of coordination framework considering human factors based on intelligent agent

                      圖  4  基于智能體的考慮人的因素的協調框架算法流程圖

                      Fig.  4  Algorithm flow chart of coordination framework considering human factors based on intelligent agent

                      圖  5  養老院模擬場景平面圖

                      Fig.  5  Nursing home simulation scene plan

                      圖  7  養老院運行情況STdCPN模型

                      Fig.  7  STdCPN model of nursing home situation

                      圖  6  機器人初始位置

                      Fig.  6  Initial position of the robots

                      圖  8  案例1中不同任務執行順序下老人的個人滿意度

                      Fig.  8  Personal satisfaction of the elderly under different task execution sequence in case 1

                      圖  9  案例1中不同任務執行順序下老人的總體滿意度

                      Fig.  9  Overall satisfaction of the elderly under different task execution sequence in case 1

                      圖  11  案例2中不同任務執行順序下老人的總體滿意度

                      Fig.  11  Overall satisfaction of the elderly under different task execution sequence in case 2

                      圖  13  案例3中不同任務執行順序下老人的總體滿意度

                      Fig.  13  Overall satisfaction of the elderly under different task execution sequence in case 3

                      圖  10  案例2中不同任務執行順序下老人的個人滿意度

                      Fig.  10  Personal satisfaction of the elderly under different task execution sequence in case 2

                      圖  12  案例3中不同任務執行順序下老人的個人滿意度

                      Fig.  12  Personal satisfaction of the elderly under different task execution sequence in case 3

                      圖  14  案例4中不同任務執行順序下老人的個人滿意度

                      Fig.  14  Personal satisfaction of the elderly under different task execution sequence in case 4

                      圖  15  案例4中不同任務執行順序下老人的總體滿意度

                      Fig.  15  Overall satisfaction of the elderly under different task execution sequence in case 4

                      圖  16  案例5中不同任務執行順序下老人的個人滿意度

                      Fig.  16  Personal satisfaction of the elderly under different task execution sequence in case 5

                      圖  17  案例5中不同任務執行順序下老人的總體滿意度

                      Fig.  17  Overall satisfaction of the elderly under different task execution sequence in case 5

                      圖  19  案例6中不同任務執行順序下老人的總體滿意度

                      Fig.  19  Overall satisfaction of the elderly under different task execution sequence in case 6

                      圖  18  案例6中不同任務執行順序下老人的個人滿意度

                      Fig.  18  Personal satisfaction of the elderly under different task execution sequence in case 6

                      圖  20  案例7中機器人初始位置

                      Fig.  20  Initial position of the robots in case 7

                      圖  22  案例7中不同任務執行順序下老人的總體滿意度

                      Fig.  22  Overall satisfaction of the elderly under different task execution sequence in case 7

                      圖  21  案例7中不同任務執行順序下老人的個人滿意度

                      Fig.  21  Personal satisfaction of the elderly under different task execution sequence in case 7

                      圖  23  案例8中機器人初始位置

                      Fig.  23  Initial position of the robots in case 8

                      圖  25  案例8中不同任務執行順序下老人的總體滿意度

                      Fig.  25  Overall satisfaction of the elderly under different task execution sequence in case 8

                      圖  26  案例9中機器人初始位置

                      Fig.  26  Initial position of the robots in case 9

                      圖  28  案例9中不同任務執行順序下老人的總體滿意度

                      Fig.  28  Overall satisfaction of the elderly under different task execution sequence in case 9

                      圖  24  案例8中不同任務執行順序下老人的個人滿意度

                      Fig.  24  Personal satisfaction of the elderly under different task execution sequence in case 8

                      圖  27  案例9中不同任務執行順序下老人的個人滿意度

                      Fig.  27  Personal satisfaction of the elderly under different task execution sequence in case 9

                      表  1  送老人去衛生間及送回STdCPN模型中庫所含義

                      Table  1  The mean of spaces in the STdCPN model of send the elderly to the toilet and return

                      庫所含義
                      $p_1$老人在自己的床位上
                      $p_2$SR處于空閑狀態
                      $p_3$CR處于空閑狀態
                      $p_4$老人在虛擬的"等待區"內等待,智能體進行任務規劃和資源分配
                      $p_5$老人等待SR和CR到來
                      $p_6$老人被拉起前的準備過程
                      $p_7$老人在SR幫助下的站起過程
                      $p_8$SR與CR的對接過程
                      $p_9$老人在SR幫助下的下坐過程
                      $p_{10}$老人坐在CR上
                      $p_{11}$CR載著老人前往衛生間
                      $p_{12}$老人被拉起前的準備過程
                      $p_{13}$老人在SR幫助下的站起過程
                      $p_{14}$SR與馬桶的對接過程
                      $p_{15}$老人在SR幫助下的下坐過程
                      $p_{16}$老人坐在衛生間內的馬桶上
                      $p_{17}$老人在虛擬的“等待區”內等待, 智能體進行任務規劃和資源分配
                      $p_{18}$老人等待SR和CR到來
                      $p_{19}$老人被拉起前的準備過程
                      $p_{20}$老人在SR幫助下的站起過程
                      $p_{21}$SR與CR的對接過程
                      $p_{22}$老人在SR幫助下的下坐過程
                      $p_{23}$老人坐在CR上
                      $p_{24}$CR載著老人前往老人的床位
                      $p_{25}$老人被拉起前的準備過程
                      $p_{26}$老人在SR幫助下的站起過程
                      $p_{27}$SR與床位的對接過程
                      $p_{28}$老人在SR幫助下的下坐過程
                      下載: 導出CSV

                      表  2  送老人去衛生間及送回STdCPN模型中變遷含義

                      Table  2  The mean of transitions in the STdCPN model of send the elderly to the toilet and return

                      變遷含義
                      $t_1$老人提出去衛生間的需求
                      $t_2$SR和CR開始前往老人的床位
                      $t_3$SR和CR到達老人的床位
                      $t_4$老人已做好站起準備
                      $t_5$老人站起動作完成
                      $t_6$SR與CR對接完成
                      $t_7$老人下坐動作完成
                      $t_8$CR開始運載老人前往衛生間
                      $t_9$CR載著老人到達衛生間
                      $t_{10}$老人已做好站起準備
                      $t_{11}$老人站起動作完成
                      $t_{12}$SR與馬桶對接完成
                      $t_{13}$老人下坐動作完成
                      $t_{14}$老人提出返回床位的需求
                      $t_{15}$SR和CR開始前往老人所在位置
                      $t_{16}$SR和CR到達老人所在位置
                      $t_{17}$老人已做好站起準備
                      $t_{18}$老人站起動作完成
                      $t_{19}$SR與CR對接完成
                      $t_{20}$老人下坐動作完成
                      $t_{21}$CR開始運載老人前往老人的床位
                      $t_{22}$CR載著老人到達老人的床位
                      $t_{23}$老人已做好站起準備
                      $t_{24}$老人站起動作完成
                      $t_{25}$SR與床位對接完成
                      $t_{26}$老人下坐動作完成
                      下載: 導出CSV

                      表  3  任務信息

                      Table  3  Task information

                      任務優先級拉起次數放下次數所需機器人
                      去衛生間4221臺SR, 1臺CR
                      去餐廳2221臺SR, 1臺CR
                      站起1101臺SR
                      下載: 導出CSV

                      表  5  案例2中老人的個人信息

                      Table  5  Personal information of the elders in case 2

                      人員性格急躁
                      程度
                      舒適運載
                      速度(m/s)
                      舒適拉起
                      時間(s)
                      舒適下坐
                      時間(s)
                      已等待
                      時間(s)
                      老人A1.10.5330
                      老人B1.10.9330
                      老人C1.10.5330
                      下載: 導出CSV

                      表  6  案例3中老人的個人信息

                      Table  6  Personal information of the elders in case 3

                      人員性格急躁
                      程度
                      舒適運載
                      速度(m/s)
                      舒適拉起
                      時間(s)
                      舒適下坐
                      時間(s)
                      已等待
                      時間(s)
                      老人A1.41.21115
                      老人B1.10.9330
                      老人C1.10.5330
                      下載: 導出CSV

                      表  4  案例1中老人的個人信息

                      Table  4  Personal information of the elders in case 1

                      人員性格急躁
                      程度
                      舒適運載
                      速度(m/s)
                      舒適拉起
                      時間(s)
                      舒適下坐
                      時間(s)
                      已等待
                      時間(s)
                      老人A1.10.5330
                      老人B1.10.5330
                      老人C1.10.5330
                      下載: 導出CSV

                      表  7  案例4中老人的任務信息

                      Table  7  Task information of the elders in case 4

                      人員所執行任務
                      老人A站起
                      老人B去餐廳
                      老人C去衛生間
                      下載: 導出CSV

                      表  8  案例5中老人的任務信息

                      Table  8  Task information of the elders in case 5

                      人員所執行任務
                      老人A去餐廳
                      老人B去衛生間
                      老人C站起
                      下載: 導出CSV

                      表  9  案例6中老人的任務信息

                      Table  9  Task information of the elders in case 6

                      人員所執行任務
                      老人A去衛生間
                      老人B站起
                      老人C去餐廳
                      下載: 導出CSV

                      表  10  案例7中老人的個人信息

                      Table  10  Personal information of the elders in case 7

                      人員性格急躁
                      程度
                      舒適運載
                      速度(m/s)
                      舒適拉起
                      時間(s)
                      舒適下坐
                      時間(s)
                      已等待
                      時間(s)
                      老人A1.00.42.53.50
                      老人B1.30.32.32.60
                      老人C1.10.51.71.72
                      下載: 導出CSV

                      表  11  案例7中老人的任務信息

                      Table  11  Task information of the elders in case 7

                      人員所執行任務
                      老人A去衛生間
                      老人B去餐廳
                      老人C去衛生間
                      下載: 導出CSV

                      表  12  案例8中老人的個人信息

                      Table  12  Personal information of the elders in case 8

                      人員性格急躁
                      程度
                      舒適運載
                      速度(m/s)
                      舒適拉起
                      時間(s)
                      舒適下坐
                      時間(s)
                      已等待
                      時間(s)
                      老人A1.10.252.43.57
                      老人B1.00.382.02.33
                      老人C1.20.423.12.50
                      下載: 導出CSV

                      表  13  案例8中老人的任務信息

                      Table  13  Task information of the elders in case 8

                      人員所執行任務
                      老人A去餐廳
                      老人B站起
                      老人C去衛生間
                      下載: 導出CSV

                      表  14  案例9中老人的個人信息

                      Table  14  Personal information of the elders in case 9

                      人員性格急躁
                      程度
                      舒適運載
                      速度(m/s)
                      舒適拉起
                      時間(s)
                      舒適下坐
                      時間(s)
                      已等待
                      時間(s)
                      老人A1.00.655.24.615
                      老人B1.30.884.83.00
                      老人C1.20.514.34.410
                      下載: 導出CSV

                      表  15  案例9中老人的任務信息

                      Table  15  Task information of the elders in case 9

                      人員所執行任務
                      老人A去衛生間
                      老人B站起
                      老人C去餐廳
                      下載: 導出CSV
                      360彩票
                    • [1] 1 Bloom D E, Canning D, Lubet A. Global population aging: facts, challenges, solutions & perspectives. Daedalus, 2015, 144(2): 80?92 doi:  10.1162/DAED_a_00332
                      [2] 2 Murata T. Petri nets: properties, analysis and applications. Proceedings of the IEEE, 1989, 77(4): 541?580 doi:  10.1109/5.24143
                      [3] 3 Joaquin López, Diego Pérez, Zalama E. A framework for building mobile single and multi-robot applications. Robotics and Autonomous Systems, 2011, 59(3-4): 151?162 doi:  10.1016/j.robot.2011.01.004
                      [4] 4 Ziparo V A, Iocchi L, Lima P U, Nardi D, Palamara P F. Petri Net Plans. Autonomous Agents and Multi-Agent Systems, 2011, 23(3): 344?383 doi:  10.1007/s10458-010-9146-1
                      [5] 5 Maza I, Caballero F, Capitán J, Martinez-de-Dios J R, Ollero A. Experimental results in multi-UAV coordination for disaster management and civil security applications. Journal of intelligent & robotic systems, 2011, 61(1-4): 563?585
                      [6] 6 Farinelli A, Nicolo' Boscolo, Zanotto E, Pagello E. Advanced approaches for multi-robot coordination in logistic scenarios. Robotics and Autonomous Systems, 2017, 90: 34?44 doi:  10.1016/j.robot.2016.08.010
                      [7] 7 ?ztürk S, Kuzucuo?lu A E. A multi-robot coordination approach for autonomous runway Foreign Object Debris (FOD) clearance. Robotics and Autonomous Systems, 2016, 75: 244?259 doi:  10.1016/j.robot.2015.09.022
                      [8] 8 Jones E G, Dias M B, Stentz A. Time-extended multi-robot coordination for domains with intra-path constraints. Autonomous robots, 2011, 30(1): 41?56 doi:  10.1007/s10514-010-9202-3
                      [9] 9 Kala R. Multi-robot path planning using co-evolutionary genetic programming. Expert Systems with Applications, 2012, 39(3): 3817?3831 doi:  10.1016/j.eswa.2011.09.090
                      [10] 10 Haghighi R, Cheah C C. Multi-group coordination control for robot swarms. Automatica, 2012, 48(10): 2526?2534 doi:  10.1016/j.automatica.2012.03.028
                      [11] 11 Puig D, García M A, Wu L. A new global optimization strategy for coordinated multi-robot exploration: development and comparative evaluation. Robotics and Autonomous Systems, 2011, 59(9): 635?653 doi:  10.1016/j.robot.2011.05.004
                      [12] 12 Nieto-Granda C, Rogers III J G, Christensen H I. Coordination strategies for multi-robot exploration and mapping. The International Journal of Robotics Research, 2014, 33(4): 519?533 doi:  10.1177/0278364913515309
                      [13] 吳培良, 孔令富, 孔亮. 一種普適機器人系統同時定位、標定與建圖方法. 自動化學報, 2012, 38(4): 618?631

                      13 Wu Pei-Liang, Kong Ling-Fu, Kong Liang. A solution to simultaneous localization, calibration and mapping of ubiquitous robot system. Acta Automatica Sinica, 2012, 38(4): 618?631
                      [14] Thomas C, Busch F, Kuhlenkoetter B, Deuse J. Enabling Manufacturing Competitiveness and Economic Sustainability. Berlin Heidelberg: Springer-Verlag, 2012. 464−470
                      [15] Nokata M, Ikuta K, Ishii H. Safety-optimizing method of human-care robot design and control. In: Proceedings of IEEE International Conference on Robotics and Automation. Washington, DC, USA: IEEE, 2002. 2: 1991−1996
                      [16] Lu Y, Zeng L, Bone G M. Multisensor system for safer human-robot interaction. In: Proceedings of the 2005 IEEE International Conference on Robotics and Automation. Orlando, FL, USA: IEEE, 2005. 1767−1772
                      [17] 17 Kuli? D, Croft E A. Real-time safety for human-robot interaction. Robotics and Autonomous Systems, 2016, 54(1): 1?12
                      [18] 18 Gombolay M C, Gutierrez R A, Clarke S G, Sturla G F, Shah J A. Decision-making authority, team efficiency and human worker satisfaction in mixed human-robot teams. Autonomous Robots, 2015, 39(3): 293?312 doi:  10.1007/s10514-015-9457-9
                      [19] Kim Y C, Yoon W C, Kwon H T, Yoon Y S, Kim H J. A cognitive approach to enhancing human-robot interaction for service robots. In: Proceedings of Symposium on Human Interface and the Management of Information. Berlin Heidelberg: Springer-Verlag, 2007. 858−867
                      [20] 20 Rosenfeld A, Agmon N, Maksimov O, Kraus S. Intelligent agent supporting human-multi-robot team collaboration. Artificial Intelligence, 2017, 252: 211?231 doi:  10.1016/j.artint.2017.08.005
                    • [1] 吳敏, 顏鋼鋒, 張瑤瑤, 劉妹琴. 基于Petri網結構分析的監控器綜合[J]. 自動化學報, doi: 10.3724/SP.J.1004.2008.00964
                      [2] 龍濤, 沈林成, 朱華勇, 牛軼峰. 面向協同任務的多UCAV分布式任務分配與協調技術[J]. 自動化學報, doi: 10.1360/aas-007-0731
                      [3] 馬炳先, 徐穎蕾. 動態描述邏輯動作間關系的Petri網分析方法研究[J]. 自動化學報, doi: 10.1360/aas-007-1144
                      [4] 龐善臣, 蔣昌俊, 孫萍, 周長紅. 共享合成Petri網的性質分析[J]. 自動化學報
                      [5] 鐘偉才, 劉靜, 焦李成. 多智能體遺傳算法用于線性系統逼近[J]. 自動化學報
                      [6] 吳維敏, 董利達, 王肖, 蘇宏業, 褚健. 離散事件系統的混合型Petri網控制器[J]. 自動化學報
                      [7] 李志武, 王安榮. 基于Petri網的柔性制造系統一種預防死鎖方法[J]. 自動化學報
                      [8] 李志武, 賈建援. 自動制造系統Petri網的公平活性控制策略[J]. 自動化學報
                      [9] 薛雷, 郝躍. 基于Petri網的啟發式生產調度[J]. 自動化學報
                      [10] 景奉水, 譚民, 侯增廣, 王云寬. 船體分段位姿找正對接系統--一個多機器人協調操作系統的實現[J]. 自動化學報
                      [11] 李杰, 韋慶, 常文森. 基于對象阻抗控制的多機器人協調方法--模型、算法與實驗[J]. 自動化學報
                      [12] 李杰, 韋慶, 常文森. 基于對象阻抗控制的多機器人協調方法--模型、算法與實驗[J]. 自動化學報
                      [13] 邢科義, 席裕庚, 胡保生. 具有不可控變遷離散事件系統的Petri網控制器[J]. 自動化學報
                      [14] 胡健, 譚民. CMRC--多DSP并行結構機器人控制器的研究[J]. 自動化學報
                      [15] 蔣昌俊, 王懷清, 廖少毅. Petri網連接過程中的行為關系[J]. 自動化學報
                      [16] 徐心和, 李政國, 李彥平. 一類混雜系統的廣義Petri網模型[J]. 自動化學報
                      [17] 王君英, 段廣洪. 基于IDEF0的CIMS底層控制Petri網模型的自動生成方法[J]. 自動化學報
                      [18] 崔亞軍, 王君英. 自動制造系統異常情況Petri網控制器的形式化設計方法[J]. 自動化學報
                      [19] 蔣昌俊. Petri網的廣義笛積運算[J]. 自動化學報
                      [20] 陸維明, 林闖. 生產系統的Petri網模型[J]. 自動化學報
                    • 加載中
                    計量
                    • 文章訪問數:  1694
                    • HTML全文瀏覽量:  1691
                    • 被引次數: 0
                    出版歷程
                    • 收稿日期:  2019-05-22
                    • 錄用日期:  2019-10-21
                    • 網絡出版日期:  2019-12-20

                    智能體Petri網融合的多機器人 ? 多任務協調框架

                    doi: 10.16383/j.aas.c190400
                      基金項目:  國家自然科學基金(61906125), 遼寧省自然科學基金(2019-ZD-0205), 遼寧省自然科學基金 (20180550596)資助
                      作者簡介:

                      沈陽工業大學電氣工程學院副教授. 2010年獲得東北大學控制理論與控制工程博士學位. 主要研究方向為系統建模與多目標優化和機器學習. E-mail: liyong@sut.edu.cn

                      沈陽工業大學電氣工程學院碩士研究生. 主要研究方向為多機器人 ? 多任務協調. E-mail: likuncheng94@aliyun.com

                      沈陽工業大學電氣工程學院副教授. 2006年獲得日本高知工科大學智能機械系統工程專業工學博士學位. 主要研究方向為智能康復機器人和人機交互. 本文通信作者. E-mail: sunbaiqing@sut.edu.cn

                      沈陽工業大學電氣工程學院副教授. 2005年獲得北京郵電大學信號與信息處理博士學位. 主要研究方向為康復機器人. E-mail: zhangqhao@sina.com

                      沈陽工業大學電氣工程學院副教授. 2014年獲得日本高知工科大學基礎工學系博士學位. 主要研究方向為智能康復機器人, 運動控制, 智能算法. E-mail: wang.yina@sut.edu.cn

                      沈陽工業大學電氣工程學院教授. 1993年獲得哈爾濱工業大學電氣工程博士學位. 主要研究方向為智能福祉機器人, 智能電網, 特種電機及其控制. E-mail: junyouyang@sut.edu.cn

                    摘要: 為解決異構的服務機器人團隊為多位老人服務時的協調問題以及在此過程中如何最大化老人的總體滿意度, 提出了一種服務于多人的多機器人 ? 多任務協調框架. 首先, 結合時延Petri網和顏色Petri網提出了可擴展時延 ? 顏色Petri網(Scalable Timed-Colored Petri Net, 記為STdCPN)對養老院情境下服務機器人照顧老人的過程進行建模. 然后, 將老人的感受和情緒作為機器人照顧老人時的重要指標, 構建了服務對象滿意度模型. 最后, 設計智能體來實現該協調框架的調度, 該智能體通過考慮老人“個人因素”和機器人的實時狀態、位置等信息來對任務進行合理的規劃調度, 使機器人幫助老人完成任務的同時, 最大化老人總體滿意度.

                    English Abstract

                    李勇, 李坤成, 孫柏青, 張秋豪, 王義娜, 楊俊友. 智能體Petri網融合的多機器人 ? 多任務協調框架. 自動化學報, 2019, 45(x): 1?21. doi: 10.16383/j.aas.c190400
                    引用本文: 李勇, 李坤成, 孫柏青, 張秋豪, 王義娜, 楊俊友. 智能體Petri網融合的多機器人 ? 多任務協調框架. 自動化學報, 2019, 45(x): 1?21. 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, 2019, 45(x): 1?21. doi: 10.16383/j.aas.c190400
                    Citation: 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, 2019, 45(x): 1?21. doi: 10.16383/j.aas.c190400
                    • 在照顧失能老人時需要花費大量的人力, 像養老院這樣的場所, 需要大量的人力資源來完成這項工作. 隨著老齡化的發展[1]以及人工成本的不斷上漲, 這個問題會愈加凸顯. 機器人技術的發展使得一些服務型機器人已經能夠在一定程度上幫助人們完成對老人日常生活起居和康復訓練等活動的照顧. 因此, 使用服務型機器人來對老人進行照顧將會成為一個必然趨勢. 而面對一定數量的、功能不盡相同的服務型機器人, 如何讓它們能夠協同起來幫助老人完成任務并保證該過程中老人的滿意度就成為了一個必須要解決的問題.

                      Petri網[2]是一種離散并行系統的數學描述方法, 于20世紀60年代由卡爾·A·佩特里提出. 它既有嚴格的數學表述方式, 也有直觀的圖形表達形式, 因其便于描述系統中進程或部件的順序、并發、沖突以及同步等關系, Petri網在多機器人系統的研究中一直占有一席之地. 文獻[3]提出了一個機器人軟件系統的編程框架, 使用信號解釋Petri網來描述任務并將其存儲在XML文件中, 調度器加載這些文件并根據需要執行不同的Petri網. 文獻[4]提出了一種基于Petri網的新型表示框架, 用于描述單機器人和多機器人行為, 該框架形式上允許對編程認知機器人所必需的復雜動作交互進行高級描述. 以上兩篇文獻均使用Petri網對機器人的任務過程以及動作交互進行建模, 由于機器人的操作對象與本文不同, 二者僅對系統中機器人的狀態以及動作進行描述, 缺少被操作對象的狀態以及機器人與被操作對象之間的交互過程, 機器人相當于脫離了整個系統獨自進行任務.

                      本文意在協調異構的服務機器人團隊為老人服務, 因此本文所建立的模型中既包含機器人的狀態以及動作流程, 也包含被操作對象的狀態以及機器人與被操作對象之間的交互過程. 由于養老院情境的特殊性, 為了清晰的描述系統狀態, 需要使用含有時間因素的Petri網以及顏色Petri網來對系統進行建模. 例如, 時延Petri網所提供的時間信息可對系統的狀態進行時間上的預測, 比如計算老人完成任務需要的大致時間、判斷機器人何時回到空閑狀態等; 顏色Petri網可以對系統中不同的“資源”進行分類, 即實現對網系統的折疊, 從而更清晰的描述多個機器人和多位老人情況下的協調過程. 即便如此, 在使用Petri網對養老院情境進行建模時仍無法解決“老人們各行其道互不干擾”以及“隨時調整老人對任務的執行權限”等問題. 因此, 為解決以上問題, 本文結合時延Petri網和顏色Petri網提出了一種改進的Petri網——可擴展時延 ? 顏色Petri網(STdCPN)對養老院情境下機器人照顧老人的過程進行建模. 但本文的研究內容不限于此, 構建的STdCPN模型將作為多機器人 ? 多任務協調框架的基礎, 而如何在任務過程中提高被服務對象的滿意度是本文的另一個重點.

                      目前, 針對多機器人協調的研究主要集中在解決多機器人的任務分配[5-7]、路徑規劃[8-9]、編隊控制[10]、勘探制圖[11-13]等問題上, 該領域中絕大部分的研究都不涉及“人的因素”, 也不需要考慮協調過程中人的感受和情緒. 在機器人領域中, 有少量研究涉及到了最基本的人的安全性. 文獻[14]從減少焊接過程中重型零件的手動操作密度的角度來提高人的安全性. 文獻[15-16]從保證機器人與人之間適當的距離的角度來提高人的安全性. 文獻[17]通過調節機器人與人潛在碰撞期間內的沖擊力因素的方法來提高人的安全性. 而機器人領域中進一步考慮人的滿意度的研究甚少. 文獻[18]為最大化團隊效率和人類成員與機器人成員的合作意愿, 將任務分配的權利交給工人, 結果表明工人寧愿將控制權交給機器人, 他們寧愿成為高效團隊中的一員, 而不是在調度過程中發揮作用. 文獻[19]為將人與機器人之間的相互作用系統化, 以減少人的工作量并最大化用戶滿意度, 開發了幾種認知模型, 這些模型可以根據任務來管理和啟動交互, 并通過使用交互結果修改機器人的活動. 以上兩篇文獻分別從賦予人機混合團隊中人一定的決策權和調整人機交互中人的工作量的角度來提高人的滿意度. 而本文完全將人類作為被服務的對象, 從服務對象的角度出發, 提出了服務對象滿意度模型. 將老人的滿意度作為任務執行情況的一個重要指標, 在協調多個機器人為多位老人服務的基礎上, 通過調整機器人在任務執行過程中的各項參數以及多個任務沖突時的任務執行順序來最大化老人的總體滿意度.

                      由于養老院中環境復雜, 其中老人的身體情況、個人偏好、床位位置等都各不相同, 需要根據老人的“個人因素”(即性格急躁程度、被機器人拉起時的舒適速度、被機器人運載時的舒適速度、當前所處位置、自提出需求后的已等待時間以及所執行任務的優先級等)來對任務進行個性化的規劃, 同時需要根據各個機器人的實時狀態、位置等信息來合理的分配系統資源. 面對這些靈活的決策, 智能體是一個合適的選擇. 文獻[20]提出了一種自動建議智能體, 該智能體通過分析系統當前狀態, 對系統接下來所有可執行動作的“回報”進行預測, 然后找出“回報”最大的一種決策提供給人類操作員, 從而提高系統效率并減輕人類操作員的工作負荷. 但該文中機器人的操作對象是貨架, 并不涉及人的滿意度, 且使用該方法將帶來巨大的計算負荷, 因此一般情況下該智能體僅考慮系統接下來3步之內的狀態來計算得出當前時刻的最佳決策.

                      而養老院情境中雖然任務種類繁雜, 但每個任務的流程是大致固定的, 因此對系統中任意時刻所有機器人可執行的每個動作的“回報”進行預測是不必要的, 且在執行如“送老人去衛生間”這樣比較緊急的任務時, 僅能預測系統接下來幾步的狀態是不能接受的. 相反, 在該情境下更加需要的是對機器人的任務執行過程有一個宏觀的規劃, 這正是Petri網的優勢所在. 因此本文使用STdCPN對系統底層的運行情況進行建模, 智能體只在必要時給出決策, 這樣就同時發揮了Petri網的宏觀規劃能力和智能體的靈活決策能力, 在協調多個機器人為多位老人服務的基礎上, 保持了系統的實時性.

                      本文結合時延Petri網和顏色Petri網提出了可擴展時延-顏色Petri網(STdCPN)并對養老院情境下服務機器人團隊照顧老人的過程進行建模. 為提高該過程中老人即機器人所服務對象的滿意度, 提出了服務對象滿意度模型, 將老人的滿意度作為任務完成情況的重要指標. 設計了智能體對該協調框架進行調度, 該智能體對老人的任務進行個性化的規劃, 合理分配系統資源, 最大化老人總體滿意度.

                      本文內容安排如下: 第1節介紹了STdCPN子模型, 并以此模型為例對改進的Petri網——STdCPN進行詳細闡述; 第2節建立了服務對象滿意度模型; 第3節提出了基于智能體的協調框架; 第4節對不同情況下智能體的決策進行仿真與分析; 第5節為結論.

                      • 要完成養老院情境下多個服務型機器人照顧多位老人的協調, 對機器人照顧老人的過程進行建模是基礎. 由于養老院中任務復雜多樣, 因此應先對其中一個或相聯系的幾個任務進行子模型構建, 之后便可根據該子模型推演出其他子模型, 并根據實際需要將它們組合成完整的模型. 現以機器人送老人去衛生間以及送回這兩個相聯系的任務為例, 進行STdCPN子模型搭建, 并以此模型為例對STdCPN進行闡述. 為說明該模型在多機器人多人情況下模擬能力的同時方便描述, 令該模型中包含老人4位、步行支援機器人2臺(記為SR, 如圖1(a)所示, 其主要功能是攙扶老人站起、坐下和移動)、智能輪椅機器人2臺(記為CR, 如圖1(b)所示, 其主要功能是運載老人從起始點到達目的地), 構建的STdCPN子模型如圖2所示.

                        圖  1  送老人去衛生間及送回過程中使用的機器人

                        Figure 1.  Robots for send the elderly to the toilet and return

                        圖  2  SR和CR協同送老人去衛生間及送回STdCPN模型

                        Figure 2.  STdCPN model for SR and CR work together to send the elderly to the toilet and return

                        該模型中$ p_1 $$ p_{16} $為SR與CR協同將老人從床位送到衛生間的過程, $ p_{16} $$ p_1 $為SR與CR協同將老人從衛生間送回到床位的過程, 這兩個過程是不同的任務, 即老人被送到衛生間后任務結束, 經過不定長的時間后, 當老人想要返回時, 需要再次提出需求. 該STdCPN模型的具體數學表達式及運行過程見附錄A. 模型中庫所的含義如表1所示, 變遷的含義如表2所示.

                        表 1  送老人去衛生間及送回STdCPN模型中庫所含義

                        Table 1.  The mean of spaces in the STdCPN model of send the elderly to the toilet and return

                        庫所含義
                        $p_1$老人在自己的床位上
                        $p_2$SR處于空閑狀態
                        $p_3$CR處于空閑狀態
                        $p_4$老人在虛擬的"等待區"內等待,智能體進行任務規劃和資源分配
                        $p_5$老人等待SR和CR到來
                        $p_6$老人被拉起前的準備過程
                        $p_7$老人在SR幫助下的站起過程
                        $p_8$SR與CR的對接過程
                        $p_9$老人在SR幫助下的下坐過程
                        $p_{10}$老人坐在CR上
                        $p_{11}$CR載著老人前往衛生間
                        $p_{12}$老人被拉起前的準備過程
                        $p_{13}$老人在SR幫助下的站起過程
                        $p_{14}$SR與馬桶的對接過程
                        $p_{15}$老人在SR幫助下的下坐過程
                        $p_{16}$老人坐在衛生間內的馬桶上
                        $p_{17}$老人在虛擬的“等待區”內等待, 智能體進行任務規劃和資源分配
                        $p_{18}$老人等待SR和CR到來
                        $p_{19}$老人被拉起前的準備過程
                        $p_{20}$老人在SR幫助下的站起過程
                        $p_{21}$SR與CR的對接過程
                        $p_{22}$老人在SR幫助下的下坐過程
                        $p_{23}$老人坐在CR上
                        $p_{24}$CR載著老人前往老人的床位
                        $p_{25}$老人被拉起前的準備過程
                        $p_{26}$老人在SR幫助下的站起過程
                        $p_{27}$SR與床位的對接過程
                        $p_{28}$老人在SR幫助下的下坐過程

                        表 2  送老人去衛生間及送回STdCPN模型中變遷含義

                        Table 2.  The mean of transitions in the STdCPN model of send the elderly to the toilet and return

                        變遷含義
                        $t_1$老人提出去衛生間的需求
                        $t_2$SR和CR開始前往老人的床位
                        $t_3$SR和CR到達老人的床位
                        $t_4$老人已做好站起準備
                        $t_5$老人站起動作完成
                        $t_6$SR與CR對接完成
                        $t_7$老人下坐動作完成
                        $t_8$CR開始運載老人前往衛生間
                        $t_9$CR載著老人到達衛生間
                        $t_{10}$老人已做好站起準備
                        $t_{11}$老人站起動作完成
                        $t_{12}$SR與馬桶對接完成
                        $t_{13}$老人下坐動作完成
                        $t_{14}$老人提出返回床位的需求
                        $t_{15}$SR和CR開始前往老人所在位置
                        $t_{16}$SR和CR到達老人所在位置
                        $t_{17}$老人已做好站起準備
                        $t_{18}$老人站起動作完成
                        $t_{19}$SR與CR對接完成
                        $t_{20}$老人下坐動作完成
                        $t_{21}$CR開始運載老人前往老人的床位
                        $t_{22}$CR載著老人到達老人的床位
                        $t_{23}$老人已做好站起準備
                        $t_{24}$老人站起動作完成
                        $t_{25}$SR與床位對接完成
                        $t_{26}$老人下坐動作完成

                        可擴展時延 ? 顏色Petri網是一個六元組, $ STdCPN = (P,T;F,D,C,W,M_0) $, 其中: $P = \{p_1,$$p_2,\cdots,p_m\} $是庫所的有限集, 表示系統的資源、操作或狀態等, 當庫所$ p $內含有令牌時, 庫所$ p $代表的意義生效; $ T = \{t_1,t_2,\cdots,t_n\} $是變遷的有限集, 代表系統狀態間的轉換, 當變遷$ t $的每個輸入庫所中的令牌量都大于等于該庫所與變遷$ t $間的權重時, 變遷$ t $可以觸發, $ t $的觸發會從每個輸入庫所中移除對應權重的令牌量, 并在每個輸出庫所中生成對應權重的令牌量; $ F\subseteq(P\times T)\cup(T\times P) $是有向弧的有限集, 連接庫所與變遷; $ D $是時延Petri網中的概念, 是定義在庫所集$ P $上的時間函數, 即當令牌進入某一庫所后, 需要停留該庫所時延量的時間才可以離開該庫所; $ C = \{c_1,c_2,\cdots,c_k\} $是顏色Petri網中的概念, 是顏色的有限集, 表示系統中資源的種類, 當顏色集的維度改變后, 系統中的令牌和權重等的維度都需要相應的改變; $ W $是映射在有向弧集上的權函數, 控制著變遷的發生規則; $ M_0 $是映射在庫所集上的初始標識, 表示系統的初始狀態.

                        STdCPN模型利用庫所上的時延量對系統狀態進行時間上的預測, STdCPN的時延量$ D $不同于傳統的附著于變遷上的時延量, 而是附著于庫所之上. 如果將時延量附著于變遷之上, 由于標識$ M $映射在庫所上, 當變遷正在發生時, 它的前集中的令牌會消失, 而后集中的令牌需要等到變遷結束后才會出現, 因此系統此刻的狀態無法明確表示, 而將時延量附著于庫所之上, 使所有變遷的時延量為零, 則可以準確的通過標識描述系統任意時刻所處狀態.

                        在該模型的時延因素$ D $中, $ d $為由傳感器實時采回的機器人位置信息計算得出的機器人與老人床位間的路徑長度, 若任務所需機器人數量大于1, 則$ d $取其中最大值, $ v_{max} $為機器人的最大移動速度, $ v $為老人被分配的CR運載速度, $ t_{up} $為預設的機器人以老人舒適速度攙扶老人站起所用時間, $ t_{down} $為預設的機器人以老人舒適速度攙扶老人坐下所用時間, $ m $為老人床位與衛生間內馬桶之間的路徑長度, 含有以上量的各項時延量均是確定的. 含有“x”的時延量代表該時間具有不確定性, $ x_1 $為老人在床位上停留的時間, $ x_{16} $為老人如廁的時間, 這2項時間取決于老人的實際需求. $ x_2 $為SR保持“空閑狀態”的時間, $ x_3 $為CR保持“空閑狀態”的時間, 這2項時間取決于實際情況下機器人的使用情況. $ x_4 $$ x_{17} $為從老人呼叫后至機器人響應請求的用時, 這2項時間取決于實際情況下機器人的使用情況以及智能體對機器人資源的分配情況. 以上6項時延量對應的6個庫所均處于任務開始之前, 因此該6項具有不確定性的時延量對系統狀態的預測沒有影響. $ x_6 $、$ x_{12} $、$ x_{19} $$ x_{25} $為SR拉起老人之前老人的準備時間, $ x_8 $$ x_{21} $為SR與CR對接的時間, $ x_{14} $為SR與馬桶的對接時間, $ x_{27} $為SR與床位的對接時間, 這8項時延量會受到老人個人情況的影響, 但在實際應用中可以測出一個大致的值. 這些時延量將僅做預測使用, 實際以機器人每次完成動作后傳回的信號為準, 機器人每完成一個動作STdCPN模型即可向前運行一步并為機器人指明下一步動作, 同時刷新預測時間, 這樣就可以利用時延量對系統的狀態進行預測. 例如在老人出發后, 可以預測老人距某一狀態的大致時間, 也可以預測大致多久后老人可以完成任務以及機器人何時可以回到空閑狀態等. 這些時間信息可以提供給智能體, 作為多機器人 ? 多任務規劃的依據.

                        可靈活的對系統規模和系統中相同種類資源的數量進行擴展而不影響已搭建好的模型結構是Petri網具備的特點. 由于養老院這一系統的特殊性, 其內所有任務的運行均是以被服務對象即老人為中心展開的, 且各對象之間互不干擾, 同時由于養老院的人員流動性以及不同養老院的機器人數量可能不同, 因此構建的模型要能夠隨時調整資源種類, 適應于不同的老人與機器人的組合. 因此可擴展時延 ? 顏色Petri網的“可擴展”指的是通過對權函數中各項權重的“矩陣化”使得模型可以在不改變其結構的基礎上任意增減資源種類, 隨時改變各資源對各子模型的執行權限.

                        使用傳統的顏色Petri網對系統建模時, 會將系統中的“資源”進行分類, 以該STdCPN模型為例, 系統中有4位老人, 2臺SR和2臺CR, 這8個“資源”會被分為3類, 即顏色集$C = \{MAN, $$ SR,CR\} $, 令牌、權函數$ W $的每項以及標識$ M $的每項都為1個三維向量. 當需要增減老人或機器人時, 僅需改變令牌向量相應位的大小; 當變遷的規則變化時, 權函數的改變會影響一整類“資源”的權限. 而在養老院情境中, 不能將老人和機器人視為如同“待加工的零部件”那樣進行分類, 因為每位老人和每臺機器人都攜帶著他們的“個人信息”, 老人所攜帶的如床位所在位置、性格急躁程度、被機器人拉起時的舒適速度、被機器人運載時的舒適速度、當前所處位置、已等待時間以及所要執行任務種類等信息會影響智能體對該老人任務執行過程的規劃, 機器人攜帶的如是否處于“空閑”狀態、當前所處位置以及該機器人種類等信息會影響智能體對該機器人的任務規劃. 因此在養老院情境下, 不能將這些“資源”進行如上的分類, 而是要將每位老人和每臺機器人都區分開, 因此需令顏色集$ C = $$\{ MAN1 $, $ MAN2 $, $ MAM3 $, $ MAM4 $, $ SR1 $, $ SR2 $, $ CR1 $, $ CR2 \}$, 即每個“資源”都是一類獨特的“資源”, 因此該模型中令牌的每一位只能是0或者1, 當增減老人和機器人時, 實際上都是在增加或者減少“資源”的種類, 即令牌的維度. 同時也需要權函數有能力為增加(減少)的“資源”提供(解除)權限, 因此本文在結合時延Petri網和顏色Petri網的基礎上, 改進了權函數的形式并調整了網絡的運行規則. 改進后的權函數映射到有向弧上的每一位權重可以是向量也可以是矩陣, 當權函數的某位權重為矩陣時, 意味著該權重的每一行都為變遷的發生提供了一種可能. 附錄A中給出的權函數$ W $基于的條件是4位老人均可以執行該任務且可以使用任意的SR與CR的組合.

                        使用改進權函數的STdCPN運行規則: 1) 當變遷具有1個輸入庫所和1個輸出庫所時, 若變遷輸入庫所中的令牌不少于輸入庫所到變遷間權重的某一行, 則變遷有發生權. 變遷發生后, 輸入庫所中的令牌減去該行權重生成新令牌, 輸出庫所中的令牌加上變遷到輸出庫所間權重對應的同一行, 生成新的令牌. 2) 當變遷具有多個輸入庫所和1個輸出庫所時, 如果每個輸入庫所中的令牌都不少于該輸入庫所與變遷間權重中的某一行, 則變遷有發生權. 變遷發生后, 這些行權重相加的結果等于變遷與輸出庫所間權重的哪一行, 則輸出庫所內的令牌加上哪一行. 3) 當變遷具有1個輸入庫所和多個輸出庫所時, 如果輸入庫所滿足條件則變遷可以發生, 變遷到多個輸出庫所的權重中, 每個權重選出一行對它們求和, 哪幾行相加的結果等于輸入庫所減去的那一行權重, 則在變遷發生后將這幾行權重分別加到對應輸出庫所的令牌上.

                        需要強調的是: 第一, 由于STdCPN的權重為變遷的發生提供了多種可能, 若變遷具有多個輸入庫所和多個輸出庫所, 會造成變遷發生時權重選擇混亂, 因此在使用STdCPN建模時應避免這種情況的發生, 可以通過如增加中間庫所等方式實現. 第二, 為了使標識可以明確的表示系統當前狀態以及防止老人之間相互影響, 當多塊令牌處于同一庫所內時, 除任務開始前($ p_1 $、$ p_4 $)和結束后($ p_{16} $)以及存儲機器人的庫所($ p_2 $、$ p_3 $)內的令牌可以疊加外, 在任務執行過程中, 令牌均不可以疊加, 而是按照各自的進度前進.

                        該STdCPN子模型建立后, 模型的運行會指示SR和CR需要完成的動作以及它們之間動作的順序, 從而協調2臺異構的服務機器人幫助老人完成任務. 通過該STdCPN子模型可以清楚的了解任意時刻系統中每位老人與每臺機器人所處的狀態以及他們間的聯系, 即可以清楚的知道哪一(幾)臺機器人正在為哪一位老人服務到哪一個階段, 這樣就可以對整個系統有一個精準的把控, 并可對系統狀態進行時間上的預測, 這些信息都將作為智能體進行任務規劃時的依據. 且STdCPN模型的"可擴展性"能夠滿足實際應用中老人和機器人數量的擴展以及對他們權限的限制, 由于STdCPN運行過程中并不涉及似矩陣求逆般耗時的計算, 因此由老人和機器人數量擴展導致的模型中向量和矩陣維度的增加對模型的運行不會造成很大的影響. 可以組合多個STdCPN子模型來構成完整的養老院運行模型, 作為養老院情境下多機器人 ? 多任務協調的基礎.

                      • 當STdCPN模型搭建完成后, 在機器人資源充足時, 老人們均可以按照自己的需求隨時進行各種任務. 但在現實情況中難免會有短時間內多位老人接連提出需求甚至同時提出需求的情況, 按此情形配置機器人數量會造成大量冗余. 但如果機器人資源不夠充足, 系統將陷入僵局. 由于每位老人的身體狀況不同, 所執行的任務緊急程度也不同, 盲目的按照老人提出需求的順序來執行任務可能會造成一些不良后果. 同時由于該過程服務于人, 那么應該從人的角度出發考慮, 找出能夠讓老人們整體更滿意的解決方案. 因此通過對養老院情境的模擬以及該情境下老人心理的分析, 提出了如下服務對象滿意度模型. 在該模型中, 將任務分為不同的優先級, 并將老人的性格急躁程度分為不同等級. 假設在機器人幫助老人完成一項任務后, 老人會根據此次任務的執行情況得出一個他心中的滿意度. 認為在該情境下, 任務的優先級、老人的性格急躁程度、老人呼叫后的等待時間以及機器人運載老人的速度與老人的舒適速度之差都會對老人的滿意度造成影響. 建立的滿意度模型如式(1)所示:

                        $$\begin{split}& Satf_{X,e_x,k,n} = \alpha_0 Prior_{e_x}-\alpha_1 Impat_X\cdot \\&\qquad {\rm e}^{\alpha_2 t_{wait,X,e_x,k,n}}-\alpha_3{\rm e}^{\alpha_4(v_{X,e_x,k,n}-v_x^\ast)} \end{split} $$ (1)

                        式(1)中$ Satf $為老人的滿意度, $ X $代表老人, $ e_x $代表該老人要做的事件是事件$ x $, $ k $代表在當前隊列中該老人排在第k位, $ n $代表共有n位老人在隊列中. $ Prior $代表事件優先級, 這里將所有事件分成五個等級, $ Prior\in \{0, 1, 2, 3, 4\}$, 其中“4”為優先級最高的等級. $ Impat $代表老人性格急躁系數, 由于目前無法對性格急躁程度進行定量測量, 假設性格急躁程度最低的人急躁系數為“1.0”, 該系數隨著老人急躁程度的提升而增加, 暫定為五個等級, $ Impat\in \{1.0, 1.1, 1.2, 1.3, 1.4\}$, $ t_{wait} $為老人從提出需求開始直至機器人到達老人所在位置之間的總等待時間, $ v $為老人被分配的運載速度, $ v^\ast $為老人預設的舒適運載速度.

                        對于式1中第1項, 假設高優先級的任務在完成時會得到更大的滿意度; 對于式1中第2項, 假設性格急躁系數$ Impat $會被總等待時間$ t_{wait} $以指數的形式影響, 從而降低老人滿意度; 對于式1中第3項, 假設機器人運載老人的速度$ v $與老人舒適速度$ v^\ast $之差會以指數的形式對老人的滿意度造成負面影響.

                        其中總等待時間$ t_{wait} $由式2求得, 由預計等待時間$ t_{ew} $和已經等待時間$ t_{aw} $兩部分構成($ t_{aw} $產生原因是: 當多位老人的任務產生沖突時, 智能體會給出老人的任務執行順序, 當按照某種順序執行后, 在完成所有的任務之前若有新的老人加入隊列或有任意種類機器人重回空閑狀態, 則需要重新計算得出基于當前時刻的任務執行順序, 因此需要一個已經等待時間來描述老人的真實等待時間).

                        $$ t_{wait,X,e_x,k,n} = t_{ew,X,e_x,k,n}+t_{aw,X} $$ (2)

                        預計等待時間$ t_{ew} $由式3求得. 當$ k $ = 1時, 預計等待時間$ t_{ew} $等于所派出機器人距離老人的初始距離中的最大值$ d $與機器人最大行駛速度$ v_{max} $的商; 當$ 1<k\leq n $時, 預計等待時間$ t_{ew} $等于排在該老人前面一位的老人的預計等待時間$ t_{ew, k-1} $加上前一位老人的任務執行時間(包括以老人預設的舒適方式將老人拉起的用時$ t_{up}^\ast $與拉起次數$ n_{up} $ 的乘積、以老人預設的舒適方式將老人放下的用時$ t_{down}^\ast $與放下次數$ n_{down} $的乘積以及任務路程$ m $與機器人運載老人速度$ v $的商)再加上機器人到達所需用時$ d_k/v_{max} $.

                        運載速度$ v $由式4求得, 它等于老人的最舒適速度$ v^\ast $加上該老人的加速系數$ a $在加速系數變化范圍($ a_{max}-a_{min} $)內所占比例與該老人運載速度最大變化范圍($ v_{max}-v^\ast $)的乘積.

                        加速系數$ a $由式5求得. 當$ 1\leq k<n $時, 該老人的加速系數$ a $等于該老人所執行任務的優先級的平方根加上排在該老人之后所有老人的任務優先級總和的平方根; 當$ k = n $時, 加速系數$ a $等于該老人所執行任務的優先級的平方根.

                        式6中$ Satf_m $為隊列中所有老人的總體滿意度, 包括所有老人的個人滿意度之和以及一個表示“優先級高的任務被先執行”程度的量$ f $($ prior_1 $, $ prior_2 , \cdots ,prior_n$), 其值為每一項分別減去其后各項再對所有正的結果求和. 這樣做的目的是適當提高優先級高的任務被先執行時的總體滿意度, 因為現實情況中高優先級的任務往往更緊急, 需要優先被執行.

                        $$ \begin{array}{l} t_{ew,X,e_x,k,n} = \left\{\!\! {\begin{array}{*{20}c} \dfrac{d_k}{v_{max}}, &k = 1 \\ t_{ew,X,e_x,k-1,n}+t_{up,X,k-1,n}^\ast\cdot n_{up,e_x,k-1,n}+t_{down,X,k-1,n}^\ast\cdot n_{down,e_x,k-1,n}+ \\ \dfrac{m_{X,e_x,k-1,n}}{v_{X,e_x,k-1,n}} +\dfrac{d_k}{v_{max}}, & 1<k\leq n \\ \end{array}} \right. \end{array}$$ (3)
                        $$ v_{X,e_x,k,n} = v_X^\ast+\frac{a_{X,e_x,k,n}-a_{min}}{a_{max}-a_{min}}\cdot\beta(v_{max}-v_X^\ast) \hspace{230pt}$$ (4)
                        $$ \begin{array}{l}a_{X,e_x,k,n} = \left\{\!\! \begin{array}{ll} \gamma_0\sqrt{Prior_{e_x}}+\gamma_1\sqrt{\sum\limits_{x = k+1}^nPrior}, & 1\leq k<n \\ \gamma_2\sqrt{Prior_{e_x}}, & k = n \\ \end{array} \right. \end{array} \hspace{183pt}$$ (5)
                        $$ Satf_m = \sum\limits_{k = 1}^nSatf_{X,e_x,k,n}+\delta\cdot f(Prior_1,Prior_2,\cdots,Prior_n) \hspace{180pt}$$ (6)

                        該滿意度模型建立后, 智能體對系統中的任務進行規劃時除了考慮老人和機器人的實時信息外, 還會考慮老人的滿意程度, 將滿意程度的高低作為衡量任務完成情況的一個指標, 在協調多個機器人為多位老人服務的基礎上最大化老人的總體滿意程度.

                      • 該協調框架由STdCPN模型和智能體兩部分組成, STdCPN模型作為該協調框架的基礎, 指示機器人如何協同完成任務, 智能體作為該協調框架的“調度者”, 對系統資源進行分配, 并根據老人的“個人因素”對機器人的任務執行過程進行規劃, 其結構如圖3所示.

                        圖  3  基于智能體的考慮人的因素的協調框架結構示意圖

                        Figure 3.  Diagram of coordination framework considering human factors based on intelligent agent

                        當老人提出任務需求后, STdCPN模型的標識會產生對應變化, 智能體根據STdCPN模型提供的老人任務信息結合老人的個人信息以及滿意度模型對老人的任務過程進行規劃, 并根據實時環境信息和STdCPN模型提供的機器人實時狀態信息派出合適的機器人, 將此方案作為最佳方案輸入到STdCPN模型中, 使機器人依據該方案按照STdCPN模型執行任務; 當多位老人的任務發生沖突且機器人資源不足時, 智能體通過調整老人的任務執行順序得出多個任務執行方案, 并將這些任務執行方案輸入到STdCPN模型內進行模擬運行, 從而得出計算滿意度所需的時間信息, 再通過滿意度模型計算得出使得總體滿意度最大的任務執行方案(由于目前系統規模較小, 這里暫且使用窮舉法, 當老人、機器人和任務大量增加后, 需要使用快速優化方法進行求解), 然后將該方案作為最佳方案輸入到STdCPN模型中, 使機器人依據該方案執行任務.

                        以上文搭建的STdCPN子模型(圖2)為例, 在不限制老人和機器人的數量、狀態的條件下給出該協調框架的算法流程圖, 如圖4所示. 圖4相當于智能體的“思維方式”智能體通過該“思維方式”決定當前系統中的任務能否同時執行, 如果不能, 那么哪(幾)個任務應該先被執行, 如果執行應該派出哪(幾)個機器人前往, 在拉起和放下該老人時應該以什么樣的速度, 在運載該老人時應該以什么樣的速度等問題.

                        圖  4  基于智能體的考慮人的因素的協調框架算法流程圖

                        Figure 4.  Algorithm flow chart of coordination framework considering human factors based on intelligent agent

                        下面對該協調框架的算法流程圖做一些解釋: 1) 由于“等待區”內新增老人和在“等待區”非空的前提下任意種類機器人重回空閑狀態這兩種情況都可能造成有新的具備出發條件的老人產生, 所以每當這兩種情況發生, 智能體對當前時刻系統所處狀態進行判斷. 2) “等待區”內存在多位老人可能是由于先提出需求的老人不具備出發條件而隨時間推移不斷有新的老人加入從而堆積造成的, 也有可能是多位老人在同一瞬間提出需求造成的. 3) 當排在第1位的老人被轉移到“等待機器人到來”狀態($ p_5 $$ p_{18} $)內之后, 智能體重新判斷剩下的老人是否具備出發條件, 然后再次對其中具備出發條件的老人進行排列組合, 選出能夠得到最大總體滿意度的出發順序執行. 這樣做的原因是: 雖然最初多位老人都具備出發條件, 但不同的任務需要的機器人種類和數量可能不同, 所以當前機器人的種類和數量可能滿足一位老人出發, 也可能滿足多位老人同時出發, 因此當排在第1位的老人進入下一狀態后, 排在第2位的老人是否依然具備出發條件不明, 同時也存在排在第2位的老人不具備出發條件而排在第3位的老人具備出發條件等多種可能, 因此智能體需要重新判斷. 4) 將“等待機器人到來”狀態內的老人返回“等待區”并將對應機器人返回“空閑狀態”是因為“等待機器人到來”狀態內的老人雖然任務已被規劃但還未出發, 而此時可能有新的具備出發條件的老人產生, 因此需要根據這些老人的任務優先級、個人信息、機器人的實時狀態、位置等信息重新規劃任務方案. 5) 將“等待機器人到來”狀態內的老人返回“等待區”后, 不存在沒有老人具備出發條件這種情況的原因是: 被返回的老人正是因為具備出發條件才會存在于“等待機器人到來”狀態($ p_5 $$ p_{18} $)內.

                      • 對該協調框架進行了仿真, 現對多位老人任務沖突且機器人資源不充足的情況下智能體給出的決策進行分析.

                        圖5是一個模擬的養老院場景平面圖, 從北至南分別是衛生間、A、B、C、D 4位老人的房間以及餐廳. 為方便計算, 令相鄰房間的門間距離為3 m, 由房間的門口到老人床邊的距離為3 m. 該養老院擁有2臺SR(圖5中三角形)和2臺CR(圖5中矩形), 它們可以將老人拉起、放下以及運載老人到達目的地, 行駛最大速度$ v_{max} $為1.2 m/s. 假設該養老院當前有3種任務: 從床位去衛生間、從床位去餐廳和在機器人的幫助下站起. 表3為任務信息.

                        圖  5  養老院模擬場景平面圖

                        Figure 5.  Nursing home simulation scene plan

                        表 3  任務信息

                        Table 3.  Task information

                        任務優先級拉起次數放下次數所需機器人
                        去衛生間4221臺SR, 1臺CR
                        去餐廳2221臺SR, 1臺CR
                        站起1101臺SR
                      • 考慮第1種情況, 多位老人在機器人資源不充足的情況下想要完成同一任務. 如圖6所示, 假設當前時刻老人D占用了1臺SR和1臺CR正在執行“去餐廳”任務(圖中未表示), 僅剩1臺SR和1臺CR處于空閑狀態且它們停在老人C的房間門前, 此時A、B、C 3位老人同時想去衛生間, 圖7為這一時刻的STdCPN模型.

                        圖  7  養老院運行情況STdCPN模型

                        Figure 7.  STdCPN model of nursing home situation

                        表 5  案例2中老人的個人信息

                        Table 5.  Personal information of the elders in case 2

                        人員性格急躁
                        程度
                        舒適運載
                        速度(m/s)
                        舒適拉起
                        時間(s)
                        舒適下坐
                        時間(s)
                        已等待
                        時間(s)
                        老人A1.10.5330
                        老人B1.10.9330
                        老人C1.10.5330

                        表 6  案例3中老人的個人信息

                        Table 6.  Personal information of the elders in case 3

                        人員性格急躁
                        程度
                        舒適運載
                        速度(m/s)
                        舒適拉起
                        時間(s)
                        舒適下坐
                        時間(s)
                        已等待
                        時間(s)
                        老人A1.41.21115
                        老人B1.10.9330
                        老人C1.10.5330

                        圖  6  機器人初始位置

                        Figure 6.  Initial position of the robots

                        圖7中, $ p_1 $$ p_{41} $為SR和CR幫助老人從床位去餐廳的過程, $ p_{41} $$ p_1 $為SR和CR幫助老人從餐廳回到床位的過程, $ p_1 $$ p_{16} $ 為SR和CR幫助老人從床位去衛生間的過程, $ p_{16} $$ p_1 $為SR和CR幫助老人從衛生間回到床位的過程, $ p_1 $$ p_{58} $為SR幫助老人從坐到站的過程, $ p_{58} $$ p_1 $為SR幫助老人從站到坐的過程. 庫所$ p_{36} $ 代表CR運載老人從床位去餐廳的過程, 其中的令牌[0, 0, 0, 1, 0, 1, 0, 1]代表該狀態中涉及到老人D、第2臺SR和第2臺CR. 庫所$ p_4 $為從床位去衛生間任務的"等待區", 其中的令牌[1, 1, 1, 0, 0, 0, 0, 0]代表A、B、C 3位老人都有去衛生間的需求. 庫所$ p_2 $$ p_3 $中的令牌分別代表第1臺SR和第1臺CR處于空閑狀態.

                        現保持機器人初始位置和老人所執行任務種類不變, 通過改變A、B、C 3位老人的個人信息來觀察在個人信息不同時智能體給出的任務執行順序.

                        案例1中, 圖8為不同任務執行順序下智能體預測的3位老人的個人滿意度, 圖9為不同任務執行順序下智能體預測的3位老人的總體滿意度. 如圖9所示, 以CAB的順序幫助老人完成任務將會得到最大的總體滿意度.

                        圖  8  案例1中不同任務執行順序下老人的個人滿意度

                        Figure 8.  Personal satisfaction of the elderly under different task execution sequence in case 1

                        圖  9  案例1中不同任務執行順序下老人的總體滿意度

                        Figure 9.  Overall satisfaction of the elderly under different task execution sequence in case 1

                        表4所示, 在案例1中, 3位老人的個人信息是相同的, 這種情況下智能體給出的任務執行順序將完全基于3位老人和機器人的位置信息. 當機器人經過C的房間時幫助C是順路的, 如果不幫助C, 之后需要返回, 這樣會增加總路程, 導致老人們的總體等待時間增加, 因此它選擇了先幫助C. 幫助完C之后, 此時先幫助A再幫助B和先幫助B再幫助A的總路程是相同的, 但先幫助A可以更快的將1位老人送入衛生間, 從而減少A的等待時間以及A和B的總等待時間, 因此智能體決定以CAB的順序執行任務.

                        表 4  案例1中老人的個人信息

                        Table 4.  Personal information of the elders in case 1

                        人員性格急躁
                        程度
                        舒適運載
                        速度(m/s)
                        舒適拉起
                        時間(s)
                        舒適下坐
                        時間(s)
                        已等待
                        時間(s)
                        老人A1.10.5330
                        老人B1.10.5330
                        老人C1.10.5330

                        案例2中, 如圖11所示, 以BAC的順序幫助老人完成任務將會得到最大的總體滿意度. 在案例2中, 通過提高B的舒適運載速度使B成為了第1位. 因為B具有較高的舒適運載速度, 在被分配更高的速度時, 由于速度差造成的不適相比于其他人會更小, 且由于B的舒適速度較高, 其被分配的運載速度也會較高, 因此先幫助B進行任務可以適當減小后面2位老人的等待時間. 以上的優勢已經大于機器人需要返回C的房間所造成的劣勢, 因此智能體決定以BAC的順序執行任務.

                        圖  11  案例2中不同任務執行順序下老人的總體滿意度

                        Figure 11.  Overall satisfaction of the elderly under different task execution sequence in case 2

                        案例3中, 如圖13所示, 以ABC的順序幫助老人完成任務將會得到最大的總體滿意度. 在案例3中, 提高了A的性格急躁程度、舒適運載速度和已等待時間, 并降低了其舒適拉起時間和舒適下坐時間, 智能體選擇接受總路程和總體等待時間的增加而先幫助了A. 由于B距離衛生間較近且舒適運載速度較高, 智能體決定以ABC的順序執行任務.

                        圖  13  案例3中不同任務執行順序下老人的總體滿意度

                        Figure 13.  Overall satisfaction of the elderly under different task execution sequence in case 3

                        圖  10  案例2中不同任務執行順序下老人的個人滿意度

                        Figure 10.  Personal satisfaction of the elderly under different task execution sequence in case 2

                        圖  12  案例3中不同任務執行順序下老人的個人滿意度

                        Figure 12.  Personal satisfaction of the elderly under different task execution sequence in case 3

                      • 現保持機器人初始位置不變(如圖6)、人員信息不變(如表4), 改變老人所要執行任務種類, 觀察智能體給出的決策.

                        圖  14  案例4中不同任務執行順序下老人的個人滿意度

                        Figure 14.  Personal satisfaction of the elderly under different task execution sequence in case 4

                        表7所示, 在案例4中, 老人A想執行“站起”任務, 老人B想執行“去餐廳”任務, 老人C想執行“去衛生間”任務. 圖15表明以CAB的順序幫助老人執行任務會得到最大的回報. 因為C的任務優先級最高, 需要更快的被執行, 且機器人距離C最近, 先幫助C可以更快的到達其中一位老人的床邊, 通過減少C的等待時間來減少3位老人的總等待時間. 當機器人將C送到衛生間之后, 先幫助A是順路的, 可以減少A的等待時間以及A和B的總等待時間, 且A所執行的任務用時很短, 能夠很快的完成, 不會讓下一位老人有很長的等待時間. 若先幫助B, 由于B的任務終點是餐廳, 再返回幫助A的話會造成路程的大量增加. 因此智能體給出的任務執行順序是CAB.

                        表 7  案例4中老人的任務信息

                        Table 7.  Task information of the elders in case 4

                        人員所執行任務
                        老人A站起
                        老人B去餐廳
                        老人C去衛生間

                        圖  15  案例4中不同任務執行順序下老人的總體滿意度

                        Figure 15.  Overall satisfaction of the elderly under different task execution sequence in case 4

                        圖  16  案例5中不同任務執行順序下老人的個人滿意度

                        Figure 16.  Personal satisfaction of the elderly under different task execution sequence in case 5

                        表8為案例5中老人的任務需求, 圖17表明以BCA的順序幫助老人執行任務可以得到最大的回報. 因為B所要執行任務優先級最高, 先幫助B再返回幫助C所造成的劣勢小于先幫助B所造成的優勢. 當機器人將B送到衛生間后, 由于C的任務用時遠小于A的任務用時, 先幫助C再幫助A造成的總體等待時間減少的優勢大于了先幫助任務優先級更高的A所造成的優勢, 因此智能體決定以BCA的順序執行任務.

                        表 8  案例5中老人的任務信息

                        Table 8.  Task information of the elders in case 5

                        人員所執行任務
                        老人A去餐廳
                        老人B去衛生間
                        老人C站起

                        圖  17  案例5中不同任務執行順序下老人的總體滿意度

                        Figure 17.  Overall satisfaction of the elderly under different task execution sequence in case 5

                        表9為案例6中老人的任務需求, 圖19表明以ABC的順序幫助老人執行任務可以得到最大的回報. 從案例4、5、6的結果可以看出: 當其他條件不變時, 優先級高的任務往往能被更早的執行, 在真實情況中, 這樣的結果也是較為合理的.

                        表 9  案例6中老人的任務信息

                        Table 9.  Task information of the elders in case 6

                        人員所執行任務
                        老人A去衛生間
                        老人B站起
                        老人C去餐廳

                        圖  19  案例6中不同任務執行順序下老人的總體滿意度

                        Figure 19.  Overall satisfaction of the elderly under different task execution sequence in case 6

                        圖  18  案例6中不同任務執行順序下老人的個人滿意度

                        Figure 18.  Personal satisfaction of the elderly under different task execution sequence in case 6

                      • 現隨意改變機器人初始位置信息、老人所執行的任務種類以及老人的個人信息來觀察智能體給出的決策.

                        案例7中, 機器人的初始位置如圖20所示, 老人的個人信息如表10所示, 老人的任務需求如表11所示. 圖22表明以CAB的順序幫助老人執行任務可以得到最大的回報. 由于A和C的任務緊急程度都為最高級別, C的性格急躁程度和已等待時間均高于A, 再加之C的舒適運載速度與舒適拉起和下坐時間均比A更具優勢, 這些優勢戰勝了先幫助C所造成的總體等待時間增加的劣勢, 因此智能體選擇先幫助C. 另一方面, 當機器人將C送入衛生間后, A在任務優先級、地理位置、任務執行所需時間以及舒適運載速度這些方面均具有優勢, B的性格急躁程度較高, 但不足以戰勝A, 因此智能體給出的任務執行順序是CAB.

                        圖  20  案例7中機器人初始位置

                        Figure 20.  Initial position of the robots in case 7

                        表 10  案例7中老人的個人信息

                        Table 10.  Personal information of the elders in case 7

                        人員性格急躁
                        程度
                        舒適運載
                        速度(m/s)
                        舒適拉起
                        時間(s)
                        舒適下坐
                        時間(s)
                        已等待
                        時間(s)
                        老人A1.00.42.53.50
                        老人B1.30.32.32.60
                        老人C1.10.51.71.72

                        表 11  案例7中老人的任務信息

                        Table 11.  Task information of the elders in case 7

                        人員所執行任務
                        老人A去衛生間
                        老人B去餐廳
                        老人C去衛生間

                        圖  22  案例7中不同任務執行順序下老人的總體滿意度

                        Figure 22.  Overall satisfaction of the elderly under different task execution sequence in case 7

                        圖  21  案例7中不同任務執行順序下老人的個人滿意度

                        Figure 21.  Personal satisfaction of the elderly under different task execution sequence in case 7

                        案例8中, 機器人的初始位置如圖23所示, 老人的個人信息如表12所示, 老人的任務需求如表13所示. 圖25表明以CBA的順序幫助老人執行任務可以得到最大的回報. 在該案例中, C的任務優先級、性格急躁程度以及舒適運載速度均具有很大優勢, 因此C成為了第1名. B的舒適運載速度、舒適拉起時間以及任務執行所需時間均具有優勢, 這些優勢戰勝了A的已等待時間所造成的滿意度下降, 且A的任務地點較遠, 若先幫助A會增加老人們的總體等待時間, 因此智能體給出的任務執行順序是CBA.

                        圖  23  案例8中機器人初始位置

                        Figure 23.  Initial position of the robots in case 8

                        表 12  案例8中老人的個人信息

                        Table 12.  Personal information of the elders in case 8

                        人員性格急躁
                        程度
                        舒適運載
                        速度(m/s)
                        舒適拉起
                        時間(s)
                        舒適下坐
                        時間(s)
                        已等待
                        時間(s)
                        老人A1.10.252.43.57
                        老人B1.00.382.02.33
                        老人C1.20.423.12.50

                        表 13  案例8中老人的任務信息

                        Table 13.  Task information of the elders in case 8

                        人員所執行任務
                        老人A去餐廳
                        老人B站起
                        老人C去衛生間

                        圖  25  案例8中不同任務執行順序下老人的總體滿意度

                        Figure 25.  Overall satisfaction of the elderly under different task execution sequence in case 8

                        案例9中, 機器人的初始位置如圖26所示, 老人的個人信息如表14所示, 老人的任務需求如表15所示. 圖28表明以ABC的順序幫助老人執行任務可以得到最大的回報. 在該案例中, A的任務優先級最高, 且A在任務很緊急的情況下有著較長的已等待時間, 這是智能體最不能接受的情況, 因此智能體選擇讓機器人先幫助A. 對于B和C, 機器人將A送到衛生間后, 先幫助B再幫助C是順路的, 且B在性格急躁程度、舒適運載速度以及任務所需時間這些方面都具有優勢, 加之C所要執行的“去餐廳”任務受等待時間影響所造成的滿意度下降不是非常明顯, 因此智能體給出的任務執行順序是ABC.

                        圖  26  案例9中機器人初始位置

                        Figure 26.  Initial position of the robots in case 9

                        表 14  案例9中老人的個人信息

                        Table 14.  Personal information of the elders in case 9

                        人員性格急躁
                        程度
                        舒適運載
                        速度(m/s)
                        舒適拉起
                        時間(s)
                        舒適下坐
                        時間(s)
                        已等待
                        時間(s)
                        老人A1.00.655.24.615
                        老人B1.30.884.83.00
                        老人C1.20.514.34.410

                        表 15  案例9中老人的任務信息

                        Table 15.  Task information of the elders in case 9

                        人員所執行任務
                        老人A去衛生間
                        老人B站起
                        老人C去餐廳

                        圖  28  案例9中不同任務執行順序下老人的總體滿意度

                        Figure 28.  Overall satisfaction of the elderly under different task execution sequence in case 9

                        圖  24  案例8中不同任務執行順序下老人的個人滿意度

                        Figure 24.  Personal satisfaction of the elderly under different task execution sequence in case 8

                        圖  27  案例9中不同任務執行順序下老人的個人滿意度

                        Figure 27.  Personal satisfaction of the elderly under different task execution sequence in case 9

                        在案例1、2、3中, 使3位老人同時執行“去衛生間”任務, 保持機器人初始位置不變, 改變老人們的個人信息來觀察智能體給出的決策. 案例1中, 由于3位老人的個人信息相同, 因此智能體根據3位老人的地理位置給出了最優的任務執行順序CAB. 案例2中, B的舒適運載速度增加了0.4 m/s, 這導致B可以以更快的速度執行任務、減少總體等待時間以及減少速度差造成的滿意度下降, 這些優勢大于了需要返回幫助C造成的路程增加和總體等待時間增加, 因此智能體給出的任務執行順序是BAC. 案例3中, 為使A成為第1名, 需要大幅度增加A的優勢, 因為先幫助A將造成很多路程和總體等待時間的增加. 因此在A的性格急躁程度增加0.3、舒適運載速度增加0.7 m/s、舒適拉起時間減少2 s、舒適下坐時間減少2 s、已等待時間增加15 s后, 智能體終于將A排到了第1名. 這是在A的優勢已經遠遠大于其他人之后智能體不得不做出的決定. 可以看出, 在案例1、2、3中智能體給出的決策是較為合理的. 在案例4、5、6中, 保持機器人初始位置和老人個人信息不變, 通過改變老人所要執行任務種類來觀察智能體給出的決策. 案例4中, C執行“去衛生間”任務, 由于該任務優先級最高且機器人距離C最近, 因此C被排在的第1名. A與B的任務優先級均較低, 雖然B的任務“去餐廳”的優先級較A的任務“站起”高1級, 但A的地理位置較好且任務耗時較短, 因此智能體在權衡后給出了CAB的任務執行順序. 案例5中, B執行“去衛生間”任務, 雖然C距離機器人最近且其任務“站起”耗時較短, 但由于B的任務緊急, 因此B被排在第1名. A的任務“去餐廳”的優先級略高于C, 但C具有較短的任務執行時間, 智能體經過權衡后給出了BCA的任務執行順序. 案例6中, 雖然A距離機器人最遠, 但由于A“去衛生間”的任務具有最高的優先級, 智能體選擇冒著增加總路程和總等待時間的風險將A排在第1名. 機器人將A送入衛生間后, 由于先幫助B是順路的且B的“站起”任務耗時非常短, 因此智能體給出的任務執行順序是ABC. 由案例4、5、6可以看出, 在面對非常緊急的任務時, 智能體不會被其他較小的優勢所影響, 而是堅持先幫助任務優先級有絕對優勢的老人. 案例7、8、9中, 同時改變機器人初始位置信息、老人所執行的任務種類以及老人的個人信息來觀察智能體給出的決策. 由于這3個案例中的變量較多, 智能體給出的決策是否是最合理的, 以人的主觀意識無法準確判斷. 需要通過實驗對象的滿意度反饋不斷的調整滿意度模型中的各項參數, 從而使智能體的決策越來越合理, 最終達到能夠滿足絕大部分人需求的程度.

                        真實情況中, 往往不會有如此多的沖突出現. 一般情況下, 老人提出需求后, 智能體結合老人的個人信息對其任務進行規劃并派出合適的機器人, 然后機器人便可依據該規劃按照STdCPN模型幫助老人完成任務. 當多個任務沖突時, 智能體會給出當前時刻最佳的任務執行順序, 并按照該順序執行老人的任務. 而在這些任務按照該順序完成之前, 有極大的可能會有其他機器人重新回到空閑狀態, 也有可能會有新的老人加入到隊列中, 此時智能體會根據新的系統狀態來重新規劃系統中的任務.

                      • 本文為解決養老院情境下多個異構服務機器人照顧多位老人的建模問題, 結合時延Petri網與顏色Petri網并加以改進提出了一種可擴展時延-顏色Petri網(STdCPN), 并使用STdCPN對養老院情境下多個異構服務機器人照顧多位老人的過程進行建模. STdCPN的特點是可以在不改變網絡結構的基礎上隨時調整系統中資源的種類(不僅限于數量), 應用于養老院情境中, 既可以增減老人和機器人的數量(該情境中, 由于老人和機器人都攜帶著各自的信息, 因此數量的增加即是種類的增加)也可以對老人的任務執行權限加以限制. 為保證任務過程中老人的滿意度, 提出了基于養老院情境的服務對象滿意度模型. 該模型考慮老人的性格急躁程度、已等待時間、機器人運載速度與老人舒適速度之差以及老人所要執行任務種類等因素來評估老人的滿意度, 該滿意度將作為系統中任務完成情況的重要指標. 設計了智能體作為該協調框架的“調度者”. 當老人提出任務需求后, 智能體根據機器人的實時狀態、位置等信息派出合適的機器人執行任務, 并根據老人的“個人因素”結合滿意度模型對老人的任務過程進行個性化的規劃, 機器人將按照該規劃以及對應的STdCPN模型執行任務. 當多個任務沖突時, 智能體會對所有的任務執行方案進行預測, 選出能夠使得老人總體滿意度最大的任務執行方案來執行. 對該協調框架進行了仿真. 通過仿真結果可以看出, 在僅改變老人個人信息和僅改變老人任務種類這兩種情況下, 智能體均能給出較為合理的決策. 在同時改變老人個人信息、老人任務種類以及機器人初始位置的情況下, 智能體的決策仍具有其合理性. 本文接下來的工作, 將搭建基于VR虛擬場景和生理信號采集的滿意度獲取系統. 通過實驗對象的滿意度反饋不斷的調整滿意度模型中的各項參數, 從而使智能體的決策更加合理, 使該協調框架更好的應用于養老院情境.

                    WeChat 關注分享

                    返回頂部

                    目錄

                      /

                      返回文章
                      返回