[论文解读] Towards an ASP-Based Architecture for Autonomous UAVs in Dynamic Environments (Extended Abstract)

Marcello Balduccini, William C. Regli+1 more|arXiv (Cornell University)|May 21, 2014

Logic, Reasoning, and Knowledge参考文献 16被引用 3

一句话总结

本文提出了一种基于ASP的自主无人机（UAV）代理架构，整合了网络感知推理、集中式与分布式规划，以及实时执行监控，以应对动态、通信受限的环境。通过将网络可靠性与连通性建模为推理过程的一部分，该系统使无人机能够自主重新规划并适应意外故障，将任务时长最多减少30%，延迟减少50%–100%。

ABSTRACT

Traditional AI reasoning techniques have been used successfully in many domains, including logistics, scheduling and game playing. This paper is part of a project aimed at investigating how such techniques can be extended to coordinate teams of unmanned aerial vehicles (UAVs) in dynamic environments. Specifically challenging are real-world environments where UAVs and other network-enabled devices must communicate to coordinate -- and communication actions are neither reliable nor free. Such network-centric environments are common in military, public safety and commercial applications, yet most research (even multi-agent planning) usually takes communications among distributed agents as a given. We address this challenge by developing an agent architecture and reasoning algorithms based on Answer Set Programming (ASP). Although ASP has been used successfully in a number of applications, to the best of our knowledge this is the first practical application of a complete ASP-based agent architecture. It is also the first practical application of ASP involving a combination of centralized reasoning, decentralized reasoning, execution monitoring, and reasoning about network communications.

研究动机与目标

• 解决在通信不可靠且成本高昂的动态、网络受限环境中协调无人机的挑战。
• 克服传统人工智能规划方法假设代理间通信可靠且免费的局限性。
• 开发一种统一的代理架构，结合集中式任务规划、分布式执行与实时网络感知推理。
• 通过在线解释与重规划实现对意外网络故障的自主适应。
• 将任务层级目标与网络状态推理相结合，以提升任务的鲁棒性与效率。

提出的方法

• 采用答案集编程（ASP）作为核心推理引擎，用于表示复杂知识、约束与动态行为。
• 使用逻辑规则对网络连通性与故障进行建模，以捕捉无线电覆盖范围、节点故障与通信可靠性。
• 实现一种混合架构，包含集中式任务规划与基于实时观测的分布式本地重规划。
• 利用ASP中的解释功能，从观测到的网络状态中推断通信中断的最可能原因（例如中继节点故障）。
• 在ASP中应用选择规则与优化语句，以在约束条件下生成最优、目标导向的动作序列。
• 将系统与CORE网络仿真器集成，以模拟真实、不可靠的通信环境。

实验结果

研究问题

• RQ1 在动态环境中，当通信链路意外中断时，无人机如何实现自主重规划？
• RQ2 网络感知推理在多大程度上能够提升无人机协同中的任务效率与鲁棒性？
• RQ3 基于ASP的推理能否有效建模任务目标、无人机行为与网络状态动态之间的相互作用？
• RQ4 将网络建模整合到规划过程中，如何减少任务延迟与执行时间？
• RQ5 在线故障解释在无需预设应急行为的情况下，如何实现自主适应？

主要发现

• 所提出的基于ASP的架构使无人机能够通过逻辑推理自主检测并解释通信故障（如中继节点中断）。
• 在实验评估中，与非网络感知方法相比，该系统将任务时长最多减少了30%。
• 总延迟减少了50%至100%，表明任务及时性与协调性显著提升。
• 无人机在意外中继节点故障后成功实现重规划与重新连接，展示了无需预定义应急行为的鲁棒适应能力。
• 将网络状态推理整合到规划过程中，显著提升了在动态、不可靠通信环境下的任务执行韧性与效率。
• 系统通过在线推理展现出诸如相互重新连接与协同路径调整等涌现的复杂行为，这些行为并非通过硬编码规则实现。