סמינר ברובוטיקה רב סוכנית

1. סמינר ברובוטיקה רב סוכנית SORTING מבוסס על המאמרים: THE DYNAMICS OF COLLECTIVE SORTING ROBOT-LIKE ANTS AND ANTS-LIKE ROBOTS J.L. Deneubourg, S. Goss, N. Franks, A. Sendova-Franks, C. Detrain and L. Chretin COLLECTIVE SORTING AND SEGREGATION IN ROBOTS WITH MINIMAL SENSING Chris Melhuish, Owen Holland and Steve Hoddell מגישים: אסף מבורך נועה שחם גיא מנור

2. המשימה: נתון שטח כלשהו בו מפוזרים אקראית עצמים מסוגים שונים. יש למיין את העצמים ע”פ סוג ולרכזם בקבוצות . נציג שיטה המנסה לבצע את המשימה בעזרת “סוכנים” תוך שימוש בשיטות פעולה מעולם הנמלים. בהמשך נציג גם ניסויי של מיון באמצעות רובוטים.

3. מחסן - ידועה מ”מפת” המחסן - יש מנהל מחסן ופועלים - ישנה תקשורת בין הפועלים לבין עצמם. : : קן נמלים - לא ידועה מ”מפת” הקן - אין היררכיה ניהולית - אין תקשורת בין הפועלות בנוגע למיון. : : בכל זאת, מחקרים הראו שבקיני נמלים ישנו מיון של מזון, ביצים, זחלים, גלמים וכו’ יתר על כן - אם נפרק קן נמלים, הפועלות יחזירו מיד את המצב לקדמותו.

4. אז איך זה עובד? אנו נציג מודל התנהגותי פשוט, שאם כל סוכן יעבוד לפיו, יתקבל מיון. המיון יושג: - ללא קבלת החלטות היררכית - ללא תקשורת בין הסוכנים - ללא ייצוג גלובלי של הסביבה כמו כן, הסוכנים (רובוטים / נמלים): - מכירים רק את סביבתם הקרובה - בעלי זכרון קצר-טווח בלבד - נעים באופן רנדומלי - לא יכולים לנוע באופן ישיר לעבר חפץ מסויים או ערמה מסויימת

5. מודל מונטה-קרלו • מושגים: • ALR– ant-like robots • RLA– robot-like ants

6. עקרונות המודל: - ישנם 2 סוגי חפצים: מסוגAומסוגB . 1. הרובוטים (ALRs) נעים באופן רנדומלי. 2. כאשר רובוט נתקל בחפץ, הסבירות שירים אותו, גדלה ככל שהחפץ מבודד יותר. (כלומר, ככל שמספרם של החפצים מאותו הסוג קטן יותר, בסביבה הקרובה). 3. כאשר רובוט נושא חפץ, הסבירות שהוא יוריד אותו, גדלה ככל שהחפץ מבודד פחות. (יותר חפציםמאותו הסוג, בסביבה הקרובה). הערה: כלל 2 + הורדה רנדומלית או כלל 3 + הרמה רנדומלית, מספיקים כדי לבצע "מיון”. אבל אם ניישם את שני החוקים יחד, נגיע למטרה הרבה יותר מהר.

7. נשים לב! • כאשר ALR שמחזיק חפץ, מבחין בערמה קטנה, • הוא פורק בה את הסחורה שלו ובכך מגביר את • ה"אטרקטיביות” של הערימה הזו, עבור ALRs אחרים. • כך ממשיכה הערמה “לגדול” ולקלוט לתוכה חפצים • מבודדים באופן יחסי. • איסוף של חפצים מאזור בו נוכחות עצמים מסוג מסוים • הייתה דלילה - תדלל עוד יותר את האזור. • כך תעלה הסבירות שהחפצים הנותרים יאספו גם הם. • כאשר ישנם מספר סוגים של חפצים, יצירת “מקבץ” של • סוגAתגרום לבידוד החפצים מסוגBבאותו אזור. התוצאה של תהליך זה היא: מיון החפצים

8. תאור המודל: 1.הסביבה היא רשת (Grid). 2.בזמן ALRs - t0, חפצים מסוגAוחפצים מסוגB , מפוזרים באופן אקראי ב"רשת". כאשר בכל משבצת יכול להיות חפץ אחד ו/או ALR אחד.

9. 3.בכל יחידת זמן, ה-ALRs זזים באופן אקראי : - בכיוונים: צפון, דרום, מזרח ומערב. - אינם יכולים להיכנס ב"קיר". - אינם יכולים לזוז למשבצת שיש בה ALR אחר. (לא נדון בדרכים למימוש תנאים אלו) 4. כאשר ALR נכנס למשבצת שיש בה חפץ, הוא "מחליט" האם להרים אותו או לא ע”פ פונקציה הסתברותית התלויה גם בסביבת החפץ. 5.כאשר ALR הנושא חפץנכנס למשבצת ריקה, הוא "מחליט" האם להניח אותו או לא ע”פ פונקציה הסתברותית התלויה גם בסביבה.

10. חישוב ההסתברות להרמת חפץ : f – הערכה של היחס בין מספר המשבצות הקרובות שבהן יש חפצים מאותו סוג לכלל המשבצות הקרובות + k– קבוע קטן (0.1,0.2 …) ניתן לראות שההסתברות להרמת החפץ יורדת ככל ש-f גדול יותר. כאשר p = 1 f = 0 (כאשר החפץ הוא יחיד מסוגו בסביבה הקרובה, בטוח נרים אותו) כאשר+p=0 f=k כאשר f שואף ל-1 p הולך וקטן. (כאשר יש הרבה חפצים מאותו הסוג – יש רק סיכוי קטן שנרים את החפץ).

11. חישוב ההסתברות להורדת חפץ : f – הערכה של היחס בין מספר המשבצות הקרובות שבהן יש חפצים מאותו סוג לכלל המשבצות הקרובות k-– קבוע קטן. ניתן לראות שההסתברות להורדת החפץ עולה ככל ש-f גדול יותר. כאשר f = 0  p = 0 (כאשר אין חפצים נוספים מאותו הסוג בסביבה הקרובה, בטוח שלא נוריד אותו) כאשר f = k- p = 0.25 כאשר f שואף ל-1 p הולך וגדל. (כאשר יש הרבה חפצים מאותו הסוג בסביבה הקרובה – יש סיכוי גדול שנוריד את החפץ באותו המקום). לתקן P F לתקן P F