Thesis - RWTH Aachen University

106 5.2 Verhaltensauswahl
Dieses Kapitel ist wie folgt organisiert: Zuerst wird der konzeptionelle Aufbau der vermittelnden
Ebene präsentiert und auf die Verhaltensselektion eingegangen. Als nächstes folgt die Implementierung
der Verhaltenskoordinierung und die Darstellung des Trainings in der virtuellen Umgebung. Zum
Schluss werden die Ergebnisse des Trainings und der Einsatz der implementierten Struktur präsentiert
und diskutiert.
5.1 Konzeptueller Aufbau der vermittelnden Ebene
Die realisierte vermittelnde Ebene besteht aus zwei unabhängigen Komponenten, eine für den Manipulator
und eine für die mobile Plattform. Ihre Aufgabe ist, durch geeignete Kombination von Verhalten
eine Vielzahl von möglichen Aktuator-spezifischen Planungsschritten erfolgreich zu lösen.
Der implementierte Ansatz stellt eine Kombination der Arbitration- und Command Fusion-Mechanismen
dar (Abbildung 5.2). Durch die kombinierte Anwendung der beiden Mechanismen macht
sich der hier realisierte Ansatz die Vorteile beider Verfahren zunutze (siehe auch Abschnitte 2.3.1
und 2.3.2). Als ein Arbitration Mechanismus zerlegt er eine von der deliberativen Ebene erhaltenen
Planungsschritt in eine Reihenfolge von Gruppen von parallel auszuführenden Verhalten. Das Problem
besteht dann darin, die Verhaltensgruppen in der richtigen Reihenfolge zu aktivieren. Zu diesem
Zweck werden endliche Zustandsakzeptoren (Finite State Acceptors, FSA) eingesetzt. Die vermittelnde
Ebene wählt entsprechend dem aktuellen Zustand im FSA eine Untermenge der Verhalten zur
Aktivierung aus. Tritt ein vorher definiertes Signal ein, dann findet eine Transition in einen neuen
Zustand statt.
Während der Ausführung einer Gruppe von Verhalten funktioniert die vermittelnde Ebene wie ein
Command Fusion-Mechanismus. Hier findet die eigentliche Koordinierung der bei jedem Zustand Zj
aktivierten Verhalten mit Hilfe von Bayesian Belief Networks (BBN) statt. Anhand der aktuellen Sensorwerte
und der Manipulatorposition werden die Ausgaben der aktiven Verhalten kombiniert. Dies
umfasst die Berechnung der Gewichtungsmatrix G und der Koordinierungsfunktion C (siehe auch
Gleichung 2.16), die die Ausgabe der Verhalten fusioniert und die nächste Bewegung des Roboterarmes
bestimmt. Dieser Vorgang wiederholt sich, sobald neue Sensor- und Positionswerte vorliegen.
Die Phase der Verhaltenskoordinierung wird abgeschlossen, wenn eines der Verhalten seine erfolgreiche
Durchführung oder einen Misserfolg zurückmeldet.
5.2 Verhaltensauswahl
5.2.1 Endliche Zustandsautomaten und endliche Zustandsakzeptoren
Ein endlicher Automat (Finite State Automaton bzw. Finite State Machine, FSM) ist ein mathematisches
Modell eines Systems mit diskreten Ein- und Ausgaben. Er besteht aus einer endlichen Menge
von Zuständen und einer Menge von Übergängen (Transitions), die auf einem Eingang operieren und
einen Zustand in einen anderen überführen. Dabei umfasst der Zustand des Systems die Information,
die sich aus den bisherigen Eingaben ergeben hat und die benötigt wird, um die Reaktion des Systems
auf noch folgende Eingaben zu bestimmen. Abhängig vom aktuellen Zustand verursacht eine Eingabe
die Erzeugung einer bestimmten Ausgabe und einen Übergang des Automaten zu einem neuen
Zustand bzw. zurück in den gleichen Zustand. Dementsprechend wird ein endlicher Automat formal