Reaktivní rozvrhování „nalož-a-přivez“ úloh pro průmyslové mobilní roboty

Abstract

Tato práce se zabývá selháními, které nastávají při vykonávání planů specifikovaných operátorem v industriálních prostředích jako například tam, kde autonomní pozemní vozidla převážejí zboží. Hlavním problémem je, že umělá inteligence řeší selhání neočekávatelnými způsoby pro lidské chápání, a firmy se ji proto zdráhají používat. Pro řešení tohoto problému je v diplomové práci navrhnuta metoda opravy plánů, která využívá co nejvíce akcí z operátorova plánu a modifikuje pouze tu část, která souvisí se selháním. Tento přístup je porovnaný s přeplánováním od začátku, ve kterém je operátorův plán modifikovaný od momentu, kdy se selhání objeví. Oba přístupy jsou zhodnoceny na sadě scénářů popisujících, kdy může nastat selhání robota nebo selhání kvůli zablokované cestě v příkladovém industriálním prostředí. Experimentální výsledky potvrdily, že metoda opravy plánů dává plán, který je málo odlišný od operátorova plánu. Případová studie dochází k závěru, že oprava plánů by se měla preferovat před přeplánováním od začátku, pokud je kritickým požadavkem malý rozdíl od operátorova plánu. Na rozdíl od toho, přeplánování od začátku by se mělo preferovat před opravou plánů, pokud se žádá, aby zpoždění modifikovaného plánu a průměrné zpoždění doručení nákladu byly malé.

This thesis deals with failures occurring during the execution of plans specified by an operator in industrial environments such as those where autonomous ground vehicles are transporting goods. The main problem is that artificial intelligence resolves failures in unexpected ways for humans so that companies are reluctant to use it. To address this problem, this thesis proposes a plan repair method, which reuses as many actions of the operator's plan as possible and modifies only the affected part related to failures. This approach is compared with replanning from scratch, in which the operator's plan is modified from the moment when a failure appears. Both approaches are evaluated on a set of scenarios describing when a failure of a robot or a failure due to a blocked path occurs in an example industrial environment. Experimental results confirmed that the plan repair method provides a plan with a small difference from the operator's plan. The case study concludes that plan repair should be prefered over replanning from scratch if a small difference from the operator's plan is crucial. In contrast, replanning from scratch should be prefered over plan repair if the performance demands, such as the delay of the modified plan or an average delay of a cargo delivery, are required to be small.