Autonomiemetrik und Verhaltensbäume · • Folie 2/13 > Verhaltensbäume für höhere Autonomiegrade > Andreas Klöckner • DGLR > 21.02.2013 Übersicht 1. Autonomiemetrik nach

www.DLR.de • Folie 1/13 > Verhaltensbäume für höhere Autonomiegrade > Andreas Klöckner • DGLR > 21.02.2013

Verhaltensbäume für höhere Autonomiegrade

Autonomiemetrik und Verhaltensbäume

Andreas Klöckner, DLR


Übersicht

1. Autonomiemetrik nach UAV Roadmap 2000-2025 Was ist Autonomie?

2. Verhaltensbäume für Missionsmanagement Was sind Verhaltensbäume?

3. Anwendungspotential für höhere Autonomiegrade Wo sind Verhaltensbäume anwendbar?

4. Status Quo und Erweiterungsmöglichkeiten Was kommt als nächstes?


Autonomiemetrik nach UAV Roadmap 2000-2025

• Begriff „Autonomie“ allgegenwärtig, aber nicht präzise definiert

• US National Institute of Standards and Technology (NIST) Performance Metrics for Intelligent Systems Workshop (PerMIS)

• Ziel: Autonomy Levels for Unmanned Systems (ALFUS)

• Clough (2002): Metrics Schmetrics! How the Heck Do You Determine a UAV‘s Autonomy Anway?

• Übersicht über bisherige Metrikansätze • 11 Autonomous Control Levels (ACL) • Ursprünglich militärisch orientiert am Observe-Orient-Decide-Act-Loop


Akt

uelle

UAV

s

Autonomiemetrik nach UAV Roadmap 2000-2025

Regelung Entscheidung Wahrnehmung Folgerung

...

Umweltmodelle

... S

ituat

ions

- be

wus

stse

in Prädiktion

Fernsituation

Nahsituation

Kommunikation

Zust

and

Zustandsmodell

Sen

sorik

Stabilität, Sicht

Systemzustand

Navigation

...

Inte

ntio

nen Strategisch

Taktisch

Bodenunterstützt

...

Man

agem

ent

Gruppenressourcen

Ressourcen

Fehl

er Fehleranalyse

Fehlerdiagnose

Selbstprüfung

...

Ziel

e

Verteilte Strategie

Zentrale Strategie

Verteilte Taktik

Pla

nung

Umplanung nach Status

Abbruch nach Status

Manuelle Umplanung

Dat

en

Telemetrie

Statussynthese

Fernsteuerung

...

...

...

...

...

...

Fehl

er

Äußere Loops

Fehleradaption

Plä

ne

Bedingte Pläne

Feste Pläne

Opt

imie

rung

Gruppenoptimierung

Optimierung

----------- „cognizant of all within battle space“, „coordinates as necessary“-----------

L0

L10


Verhaltensbäume für Missionsmanagement

• Herausforderung heutiger UAVs: • Integration vieler unterschiedlicher Fähigkeiten

• Äquivalente Fragestellung in Computerspielen:

• Komplexe Non-Player Characters

• Verhaltensbäume (Behavior Trees) relativ neuer Zweig • Erste Anwendung in HALO 2 (Isla, 2005) • Mittlerweile in Lehrbüchern etabliert (Millington, 2009)

• Nicht zu verwechseln mit Behavior Trees für Requirement Engineering



• Elementare Bausteine: Aufgaben (Tasks) • Einfachste Aufgaben: Aktionen und Bedingungen • Beliebiger Programmcode für Umwelteingriffe und -abfragen • Einheitliche Schnittstelle:

1. Anstoßen (tick) 2. Rückgabe (Success, Running, Failure)

Condition

Action

tick()



• Aufgaben können zu Komposit-Aufgaben kombiniert werden. • Sequenzen führen mehrere Unteraufgaben durch.

• Entspricht logischem UND • Selektoren führen eine von mehreren Unteraufgaben durch.

• Entspricht logischem ODER

Sub-Task 2

Sub-Task 1

Sequence

Sub-Task 2

Sub-Task 1

Selector



• Beispiel: Elektrisches UAV • Wegpunktplan z.B. für Patrouille • Rückkehr zur Basis bei kritischem Batteriestand • Abwechselnde Schichten von Selector- und Sequence-Aufgaben

→

critical? return

→

take-off waypoints

?


Anwendungspotential für höhere Autonomiegrade

• Kombination vorteilhafter Eigenschaften (Champandard, 2007) • Modular, intuitiv (vgl. Hierarchical Finite State Machines) • Integrativ, flexibel (vgl. Scripting) • Zielgerichtet (vgl. Planner)

• Potential für steigende Anzahl an Fähigkeiten (Ögren, 2012)

• Skalierbar (vs. Hierarchical Finite State Machines) • Reaktiv

• Nachteil:

• Nicht vorausplanend!


Plä

ne

Fehl

er

Ziel

e P

lanu

ng

Fehl

er

Man

agem

ent

Anwendungspotential für höhere Autonomiegrade

Regelung Entscheidung Wahrnehmung Folgerung

Stabilität, Sicht

...

Umweltmodelle

...

Prädiktion

Fernsituation

Nahsituation

Kommunikation

Zustandsmodell

Systemzustand

Navigation

...

...

Strategisch

Taktisch

Bodenunterstützt

...

Gruppenressourcen

Ressourcen

Fehleranalyse

Fehlerdiagnose

Selbstprüfung

Telemetrie

...

Verteilte Strategie

Zentrale Strategie

Verteilte Taktik

Gruppenoptimierung

Optimierung

Umplanung nach Status

Abbruch nach Status

Manuelle Umplanung

Statussynthese

Fernsteuerung

...

...

...

...

...

...

Äußere Loops

Fehleradaption

Bedingte Pläne

Feste Pläne

L0

L10


Status Quo und Erweiterungsmöglichkeiten

• Einsatzbereitschaft Grundlegende Implementierung • Effiziente Flugalgorithmen • Aufgaben-Bibliotheken

• Zusätzliche Funktionen

Sauberes Unterbrechen von Aufgaben • Automatische Planung / Optimierung

• Formale Darstellung und Nähe zur Logik

• Validität sicherstellen • Zielerreichung garantieren


• Autonomie ist keine binäre Eigenschaft. • Verhaltensbäume sind vielversprechend für Missionsmanagement. • Verhaltensbäume lassen sich für höhere Autonomiegrade nutzen. • Es sind vielfältige Erweiterungen denkbar.

Zusammenfassung


Vielen Dank für Ihre Aufmerksamkeit!

Kontakt: Deutsches Zentrum für Luft- und Raumfahrt e.V. Robotik und Mechatronik Zentrum Institut für Systemdynamik und Regelungstechnik D-82234 Oberpfaffenhofen-Weßling Dipl.-Ing. Andreas Klöckner www.dlr.de/sr [email protected]

http://www.dlr.de/sr

mailto:[email protected]

Documents

Autonomiemetrik und Verhaltensbäume · • Folie 2/13 > Verhaltensbäume für höhere Autonomiegrade > Andreas Klöckner • DGLR > 21.02.2013 Übersicht 1. Autonomiemetrik nach