Autonomisten robottiparvien energiatehokkuutta voidaan kehittää ruuhkatietoisilla muodostelmanhallinta- ja törmäyksenestoalgoritmeilla (Väitös: MSc Jawad Yasin, 18.11.2022, tietotekniikka)
MSc Jawad Yasin keskittyi väitöskirjassaan järjestelmien energiatehokkuuden optimointiin, jonka päätavoitteena on yksittäisellä akunlatauksella saavutettavan tehtäväkeston lisääminen. Kehitetyillä ruuhkatietoisilla muodostelmanhallinta- ja törmäyksenestoalgoritmeilla saavutettiin merkittäviä, yli 50% säästöjä energiankulutuksessa verrattuna perinteisiin lähestymistapoihin.
Parvirobotiikassa tärkeää on muodostelman ylläpitäminen ja törmäysten välttäminen. Autonomisten robottiparvien kysyntä on jatkuvasti kasvussa muun muassa teollisuudessa, logistiikassa ja valvontasektorilla. Lisäksi resursseiltaan rajallisten autonomisten robottien, kuten miehittämättömien ilma- ja vesialusten, energiatehokkuus on keskeisen tärkeää alusten rajallisista akkukapasiteeteista johtuen.
Toimintaan perustuva optimointi jakautuu parvimuodostelman optimaaliseen muodonmuutokseen ja ruuhkautumisen minimointiin. Optimaalisen muodonmuutoksen päätavoitteena on optimoida uudelleenmuodostusprosessi parven korkeimmalta agitaatiotasolta käsin, kuten muodostelman hajottua maksimaalisen häiriön seurauksena. Ruuhkautumisen minimoinnissa pyritään löytämään optimaalinen ratkaisu parven osaparviin jakautumista varten, jolloin esteitä ohittaessa pystytään minimoimaan reittien ruuhkautumisesta johtuvat viivästykset.
Havaintaan perustuvassa energiankulutuksen optimoinnissa päätavoitteena on yksittäisellä akunlatauksella saavutettavan tehtäväkeston lisääminen. Tähän pyritään injektoimalla agentteihin adaptiivinen tietoisuus, jota hyödyntäen ne pystyvät navigoimaan ilman mittausantureja johtajansa välittämän tiedon avulla. Parvea johtavat tai sen ulkoreunoilla toimivat agentit ovat vastuussa ympäristön tarkkailusta ja tiedonvälityksestä muulle, passiivisessa tilassa olevalle navigoivalle parvelle.
Vastaanotettuaan aktiivitilassa toimivilta agenteilta parametreja, passiiviset agentit kääntävät vastaanotetun informaation ja tekevät siihen perustuen päätökset seuraavista toimenpiteistään.
- Analysoituaan translaatiokoordinaatit, passiivitilassa toimivat agentit pystyvät tunnistamaan liikkeessä olevien esineiden tai alusten lentoradan, korreloimaan informaation oman lentoratansa kanssa ja tunnistamaan mahdolliset törmäysuhat valitulla lentoradalla. Esitimme kokeellisesti, miten hyödyntämällä tätä lähestymistapaa savutetaan 40% energiasäästöt verrattuna siihen, että kaikki agentit navigoisivat jatkuvasti aktiivitilassa, Yasin kertoo.
***
MSc Jawad Yasin esittää väitöskirjansa ”Formation Morphing and Collision Avoidance in Swarms of Robots” julkisesti tarkastettavaksi Turun yliopistossa perjantaina 18.11.2022 klo 12.00 (Turun yliopisto, Agora, Agora XXI, Turku).
Vastaväittäjänä toimii emeritusprofessori Reza Ghabcheloo (Tampereen yliopisto) ja kustoksena professori Juha Plosila (Turun yliopisto). Tilaisuus on englanninkielinen. Väitöksen alana on tietotekniikka.
Väittelijän yhteystiedot: janaya@utu.fi
