Аннотация результатов, полученных в 2019 году
Работа над проектом в 2019 году развернута в направлении достижения заявленных научных результатов и проведение экспериментальных исследований на группах до пяти автономных дронов. Все методы и алгоритмы проходили первоначальную апробацию в среде MatLab, с целью дальнейшей реализации на языке Python и интеграции в операционную систему ROS (Robot Operating System), которая развернута в полетных контроллеров дронов. В течение весенне-летнего периода проведено более 10 экспериментов на улице по апробации алгоритмов формирования миссии для задач разведки местности и поиска объектов в среде для групп от 2 до 5 дронов. В связи с введением обязательной регистрации дронов и необходимостью получения разрешения на полеты в осенний период коллектив приступил к апробации алгоритмов на автоматизированном полигоне, созданном за счет средств гранта 2016 г. для групп из двух дронов. Отработаны алгоритмы формирования миссии в ручном режиме по заданию оператора с наземного пункта управления и алгоритмы автоматизированного формирования миссии, с решением задачи целеполагания и поиска маршрутов полета на бортах дронов. За отчетный период: 1. Разработан метод формализации миссии для группы роботов, согласно решаемой задачи по назначению, отличающийся представлением функционального пространства группы роботов в виде кортежа с отношениями на множествах действий, задач, подзадач и критериев. Формирование бинарных отношений на множествах позволяет выполнить переход к решению задачи целеполагания в виде четких или нечетких графов. 2. Разработаны методы целеполагания в группе роботов в соответствии с задачей автономного функционирования на основе априорно задаваемой группы критериев, отличающиеся представлением критериев эффективности решения задачи в виде нечетких интервалов и представления решения в виде нечетких графов, что позволяет находить пессимистичную, оптимистичную и нейтральные оценки критерия, тем самым адаптировать действия группы роботов под задачу по назначению. Представление параметров в виде нечетких интервалов позволяет находить оценку критериев также и для случаев, в которых точное измерение величин затруднительно. 3. Разработаны алгоритмы формирования миссии для группы роботов, позволяющие сформировать миссию в ручном режиме по заданию оператора с наземного пункта управления или в автоматизированном режиме, с решением задачи целеполагания и поиска маршрутов в бортовых вычислителях роботов. Разработанные алгоритмы позволяют оператору не только сформировать миссию до начала выполнения задачи, но и добавлять новые задачи уже в процессе ее выполнения. При этом сохраняется возможность возврата роботов в группе к выполнению ранее не выполненных задач и перехват управления оператором. 4. Разработаны методы формирования глобального маршрута перемещения группы роботов, основанные на нейронных сетях глубокого обучения. Итерационная процедура методов позволяет последовательно улучшать результат обучения, что приводит к обучающим выборкам сниженного объема за счет фильтрации и соответствия сложности сети решаемой задаче. Таким образом, снижение объема обучающей выборки не входит в противоречие с известным фактом, который говорит о необходимости большого объема данных, требуемых для обучения глубоких нейронных сетей. 5. Разработаны методы оценки выполнимости миссии с учетом неопределенности среды и функционального назначения роботов в группе, позволяющие выполнить как априорную оценку миссии (метод 1), так и апостериорную (метод 2 и 3), в процессе функционирования группы роботов. Отличительной особенностью методов является возможность автоматического формирования вектора параметров коррекции миссии в случае ее невыполнимости с учетом возникновения коллизий при изменении положения членов группы в пространстве. Это позволяет адаптировать действия роботов в зависимости от состояния среды функционирования и повысить вероятность выполнения задачи по назначению.

Аннотация результатов, полученных в 2020 году
1.5.1 Предложены критерии для оценки эффективности систем группового управления. Сформулированы общие, частные и специальные критерии. Предложены группы критериев, предназначенные для оценки эффективности группового управления при решении типовых задач, включая, доставку грузов, поиск и распознавание объектов интереса, ретрансляцию связи. Для уменьшения числа используемых критериев предложена процедура автоматического объединения связанных показателей качества в одну группу. Также предложены процедуры сведения нескольких показателей качества к одному критерию путем их объединения с помощью весовых коэффициентов и путем их ранжирования. 1.5.2 Разработаны методы ситуационного анализа текущего состояния выполнения миссии группой роботов в условиях неопределенности. При этом под ситуацией понимается сочетание текущего состояния группы роботов и состояния среды. В качестве оценки понимается численная характеристика ситуации от несравнимой (0) до равнозначной (1) в сравнении с эталонной. Эталонные ситуации находятся в базе данных и представляют собой сочетание состояния группы роботов и состояния среды при заданных условиях и ограничениях, для которой заданы (известны) дальнейшие действия роботов. В проекте разработан метод оценки ситуации, основанный на сравнении текущей ситуации с эталонной, с использованием формализма нечеткой логики. Данный метод продемонстрирован на примере группы роботов-разведчиков. 1.5.3 Разработка методов прогнозирования времени выполнения миссии на основе корреляционного и ситуационного анализа. Метод прогнозирования времени выполнения миссии необходим при выполнении задач, решение которых требуется в заданные временные рамки, а также для синхронизации действий группы роботов. В проекте разработан метод, позволяющий оценивать оставшееся время выполнения миссии и, при необходимости, корректировать это время минимальным образом. 1.5.4 Разработка метода коррекции миссии группой роботов в автономном режиме. Метод коррекции миссии заключается в изменении ее параметров в зависимости от анализа возможности ее выполнения. Соответственно, метод включает в себя этапы оценки выполнимости и коррекции. Анализ выполнимости миссии проводится на основе набора управляемых физических величин, к которым относятся координаты текущей и целевой точек, точность попадания в целевую точку, диапазон допустимых скоростей, допустимое отклонение от времени выполнения миссии, допустимое отклонение центра группы от целевого положения, допустимое отклонение каждого робота от своего заданного положения в строю. Проверка выполнимости миссии сводится к проверкам выполнения набора условий, состав которых зависит от текущего задания, выполняемого роботами. Данный метод используется в системе планирования роботов группы на уровне принятия решений. 1.5.5 Разработка программного модуля формирования миссии для экспериментального образца группы квадрокоптеров. В ходе проекта разработано программное обеспечение формирования миссии, связанной с противодействием двух групп БЛА. Программное обеспечение включает в себя набор стандартных команд и параметров, с помощью которых можно выполнить поставленную задачу. Параметры выполнения команд определяют приоритет выполнения различных действий, время их выполнения, количество и состав группы для выполнения действий. Сами команды представляют собой действия роботов, например, движение в заданную точку, применение полезной нагрузки, движение вдоль заданной траектории, движение заданным строем и др. Каждая команда включает в себя ограничения на ее выполнение. Изначально, миссия формируется оператором, а в дальнейшем она может корректироваться автоматически. 1.5.6 Проведение экспериментов и коррекция методов.