Multi-robot systems in cognitive factories: representation, reasoning, execution and monitoring

Abstract

Bu tezde, bir fabrikada bulunan birden fazla robot takımlarının yapay zekası, nedensellik tabanlı şekillendirme gösteriminin kullanımı ve otomatik akıl yürütme yöntemleri ile, eniyilenmiş planlama ve teşhissel akıl yürütme gibi yüksek seviye bilişsel becerileri kazandırmak üzere ele alınmıştır. Sunduğumuz mimari, görev ve hareket planlama arasında iki-yönlü etkileşim sağlamakta ve geometrik akıl yürütmeyi mantıksal akıl yürütme ile birleştirmektedir. Bu planlama mimarisini, icra ve takip mimarisinin içine yerleştirip, uygulanabilirliğini çoklu robot sistemleri üzerinde gösteriyoruz. Özellikle, bilişsel fabrikalarla ilgili iki problem üzerinde odaklanıyoruz: i) çoklu robotların eş zamanlı olarak / işbirliği yaparak ortak görev için çalıştığı bir manipülasyon problemi ve ii) birden fazla robot takımının ortak kaynak kullanımını değerlendirdiği bir fabrika problemi.Manipülasyon probleminde, iki pantograf robot, gerçek eşzamanlılık isteyen karışık bir görevi gerçekleştirmektedirler. Takip mimarisi planın icrasını iki tip hata için kontrol etmektedir: bilinmeyen engellerle çarpışma ve dünyanın harici bir müdahale (örneğin insan müdahalesi) sonucu değişmesi. Hatanın sebebine dayanarak, hareket planlama (farklı bir yörünge bulmak için) veya mantıksal akıl yürütücü (yeni bir görev planı bulmak için) çağrılarak kurtarma yapılmaktadır. Bu sebeple, kurtarma hem hareket planlamaya hem de mantıksal akıl yürütmeye dayanmaktadır.Önerdiğimiz planlama ve takip etme mimarisini, eniyilenmiş ayrışmış planlar ve hatanın/çelişkinin (örneğin, robotların bozulması veya takımlar için yeni görevler belirlenmesi) sebebini bulmak adına; birden fazla robot takımlarına sahip fabrika problemleri için genelleştiriyoruz. Bu algoritmaların uygulanabilirliğini, zeki bir fabrika senaryosu üzerinde dinamik benzetimler ve fiziksel deneyler üzerinde gösteriyoruz.

We propose the use of causality-based formal representation and automated reasoning methods from artificial intelligence to endow multiple teams of robots in a factory, with high-level cognitive capabilities, such as optimal planning and diagnostic reasoning. We present a framework that features bilateral interaction between task and motion planning, and embeds geometric reasoning in causal reasoning. We embed this planning framework inside an execution and monitoring framework and show its applicability on multi-robot systems. In particular, we focus on two domains that are relevant to cognitive factories: i) a manipulation domain with multiple robots working concurrently / co-operatively to achieve a common goal and ii) a factory domain with multiple teams of robots utilizing shared resources.In the manipulation domain two pantograph robots perform a complex task that requires true concurrency. The monitoring framework checks plan execution for two sorts of failures: collisions with unknown obstacles and change of the world due to human interventions. Depending on the cause of the failures, recovery is done by calling the motion planner (to find a different trajectory) or the causal reasoner (to find a new task plan). Therefore, recovery relies on not only motion planning but also causal reasoning.We extend our planning and monitoring framework for the factory domain with multiple teams of robotsby introducing algorithms for finding optimal decoupled plans and diagnosing the cause of a failure/discrepancy (e.g., robots may get broken or tasks may get reassigned to teams). We show the applicability of these algorithms on an intelligent factory scenario through dynamic simulations and physical experiments.