Thesis - RWTH Aachen University

10 2.1 Allgemeine Systemarchitekturen für Roboter
Aktionen auszuführen sind und das Weltmodell dem realen Zustand der Welt entspricht. Dies ist
jedoch bei mobilen Manipulatoren nicht der Fall, die in nur teilweise bekannten, veränderlichen Umgebungen
ihre Aufgaben durchführen müssen.
Sensordaten
Verarbeitung
Sensordaten
& Weltmodell
Planungs−
agent
(a)
Ausführende
Komponente
Roboteraktion
Sensor−
daten
Verhalten
Objektsuche
Exploration
Wandfolgen
Zielführung
Hindernis−
vermeidung
Abbildung 2.1: Struktur der deliberativen (links) und der reaktiven (rechts) Architekturen.
(b)
Roboter−
aktion
Reaktive Architekturen wurden von Brooks Mitte der 80er Jahre vorgestellt [Bro86] (Abbildung
2.1b). Anders als bei den deliberativen Architekturen speichern sie minimale Information über sich
oder die Welt. Sie stellen dagegen eine direkte Verbindung zwischen Sensoreingängen und Aktuatorbewegungen
her, so dass der Roboter schnell auf Änderungen in dynamisch veränderlichen Umgebungen
reagiert. Dafür besitzen sie eine Menge von Bedingungs-Aktions Paaren, so genannte Verhalten
(Behaviours), die durch eine Lookup-Funktion selektiert werden. Bekannte reaktive Architekturen
umfassen unter anderem die Subsumption Architektur [Bro86], die Situated Automata [Ros85] oder
PENGI [AC87]. Systeme mit reaktiven Architekturen sind dadurch beschränkt, dass sie über kein
Gedächtnis und keine interne Repräsentation der Umgebung verfügen und daher nicht lernen können
[Bro91]. Außerdem sind sie nicht taskable, d.h. es ist nicht möglich ihre Aufgabe neu zu definieren
ohne ihre Kontrollstruktur zu ändern [Gat98]; dadurch sind sie bedingt erweiterbar. Weiterhin sind
rein reaktive Architekturen besonders bei komplexen Aufgaben, die eine analytische Planung erfordern,
nicht einsetzbar.
Verhaltensbasierte Architekturen sind nicht auf eine Lookup-Funktion beschränkt, sondern benutzen
intern komplexe Berechnungsmethoden und Modelle [Mat01]. Ihre Realisierung findet mit einem
bottom-up Ansatz statt. Zuerst wird eine Menge von Verhalten erstellt, die Basisfunktionalitäten
realisieren, wie Hindernisvermeidung oder Zielführung. Anschließend werden weitere Verhalten implementiert,
die komplexere Fähigkeiten zur Verfügung stellen, wie Wandfolgen, Exploration oder
Zielverfolgung, bis der Roboter die erwünschte Menge an Gesamtfähigkeiten erreicht hat. Die Verhalten
sind in Netzwerken organisiert (siehe Abbildung 2.2a), die in ihrer Struktur Repräsentationen
der Umgebung, des Roboters selbst und weiterer Roboter abspeichern können. Diese Information
wird zur Erstellung von Plänen und zur Kooperation mit anderen Robotern eingesetzt. Die verhaltensbasierte
Architekturen sind dadurch für kooperierende Multiroboter-Systeme geeignet, besonders
falls eine vorausschauende Planung der Aktionen weiterer Roboter in der Umgebung erforderlich ist
[Mat01]. Die bekanntesten verhaltensbasierten Architekturen sind die Hierarchical Abstract Behavior
Architecture [NM02] und die Aktivierungsnetzwerke von Maes [Mae90]. In eine ähnlichen Richtung
gehen auch die Arbeiten von Sun [SS00c], [SS00b] und von Digney [Dig98] für das Lernen von
Aktionsfolgen.
Demgegenüber sind hybride Architekturen eher für einzelne Roboter geeignet [Mat01]. Sie versuchen
die besten Elemente der reaktiven und der deliberativen Architekturen zu kombinieren. Als Resultat