1. Научни трудове, включени - Технически Университет - София

предходната година и приложен само за един агент размит подход. Изследват се методи, касаещикомуникацията и кооперирането между реалните физически агенти.2.14 A. V. Topalov and S. G. Tzafestas, “Layered Multi-Agent Reactive-Behavior Learningin a Robotic Soccer”, Proc. of the 6th IFAC Symposium on Robot Control, SYROCO'00, pp.325-330, Sept., 2000, Vienna, Austria.Резюме. Футболът за роботи е един интересен тестови проблем от областта на самоорганизиращитесе и сътрудничещи си многоагентни системи. Предмет на този доклад е научаването на две основниповедения от ниско ниво, които позволят на играещия футбол робот да участва впоследствие вобучавани ситуации от по-високо ниво, изискващи от роботите прояви на сътрудничество илисъперничество. Първоначално се научава поведението за прехващане на топката и избягване напрепятствия. Придобитите умения след това се вграждат при научаването на поведение за шутиранена топката към противниковата врата или за подаване към съотборник, което се явява многоагентенсценарий за обучение от следващо ниво. Предложената схема за управление на тези поведения сесъстои от невронно-размит траекторен генератор със слоеста структура, който подава данни къмрегулатор за траекторно следене.2.15 A. V. Topalov and D. D. Tsankova, “Goal-Directed, Collision-Free Mobile RobotNavigation and Control”, Proc. of 1st IFAC Workshop on Multi-Agent Systems, pp. 31-36,Dec. 1999, Vienna, Austria.Резюме. Навигацията и избягването на стълкновения са основни области на изследване в мобилнатароботика. В този доклад е предложен нов метод за навигация и управление на колесен мобилен робот. Спомощта на ефективен, обучен с генетични алгоритми, невронно-размит генератор-планировчик сеизчислява свободна от стълкновения траектория. Тя се явява изходен сигнал от навигационното ниво,който се подава към нивото за траекторно следене. Последното отчита пълната динамика намобилната платформа. Управляващата движението на робота структура е изградена чрезинтегриране на кинематичен регулатор за траекторно следене, който отчита единственокинематиката на робота и втори адаптивен невронно-размит регулатор на въртящия момент.2.16 D. D. Tsankova and A. V. Topalov, “Behavior Arbitration for Autonomous MobileRobots Using Immune Networks”, Proc. of 1st IFAC Workshop on Multi-Agent Systems, pp.25-30, Dec. 1999, Vienna, Austria.Резюме. В този доклад е разгледан един децентрализиран механизъм за арбитраж на поведения,инспириран от имунологията. Методът е използван за навигация на автономен мобилен робот.Предложени са два варианта на арбитражен механизъм. Първият от тях е една имунна мрежа, прикоято частта от модулите за компетенция, отнасяща се до дефинирането на действията, еевристично определена. Вторият вариант предвижда частта за дефиниране на действията да сереализира с невронни мрежи. Две невронни мрежи са независимо настроени за реализиране на поведенияза избягване на препятствия и за следване на целта. Техните изходи са непрекъснати и генериратбезкраен брой действия на имунната мрежа, докато броят на евристично определените действия (припървия вариант) е краен. Валидирането на предложения метод е осъществено чрез проведенисимулационни изследвания с нехолономен мобилен робот.2.17 A. V. Topalov, D. D. Tsankova, M. G. Petrov, and T. Ph. Proychev, “Intelligent Sensor-Based Navigation and Control of Mobile Robot in a Partially Known Environment”, Proc. of3rd IFAC Symposium on Intelligent Autonomous Vehicles, pp. 439-444, March 25-27, 1998,Madrid, Spain.Резюме. Навигацията и избягването на стълкновения са основни области на изследване в мобилнатароботика, включващи различни степени на неизвестност. В доклада е предложен нов метод занавигация и управление на колесен мобилен робот в частично известна среда. Свободният отстълкновения път се изчислява чрез използване на ефективен невронен планировчик на движението.Допълнително е разработена използваща размита логика стратегия за настройка на получаваната повреме на движение информация, в случаите когато мобилният робот срещне неочаквани препятствия.Изходният сигнал от навигационното ниво се трансформира в индексирана по време последователностот данни, която се подава на входа на регулатор за следене на траектория, отчитащ цялостнатадинамика на мобилната платформа. Структурата за управление на движението е основана наинтеграцията на кинематичен регулатор (вземащ предвид само кинематичния модел на робота) иадаптивен невронно-размит регулатор на въртящия момент.2.18 A. V. Topalov, D. D. Tsankova, M. G. Petrov, and T. Ph. Proychev, “Intelligent MotionPlanning and Control for a Simulated Mobile Robot”, Proc. of 2nd IFAC Workshop on NewTrends in Design of Control Systems, pp. 338-343, Sept. 1997, Smolenice, Slovakia.12