Внедрение коллаборативной робототехники для сбора плодовой продукции

Коллаборативная робототехника в сельском хозяйстве ориентирована на автоматизацию трудоемких процессов. Коллаборативные мультиагентные робототехнические системы (КМРТС), в отличие от традиционных автономных систем, предполагают активное взаимодействие между роботами и операторами-людьми, что требует разработки новых методов координации, адаптации и обеспечения безопасности в условиях неопределенности и динамично изменяющейся среды. (Цель исследования) Разработка теоретических и прикладных подходов к моделированию поведения и управлению коллаборативными мультиагентными робототехническими системами, направленных на обеспечение эффективного распределения задач, координации действий агентов и их безопасного взаимодействия с людьми при выполнении операций по сбору урожая плодовой продукции. (Материалы и методы) Для достижения поставленных целей использовались методы теории игр, машинного обучения и управления с учетом рисков. Построена математическая модель, описывающая взаимодействие агентов с учетом вероятностной природы среды и наличия оператора. Валидация предложенных решений осуществлялась посредством численного моделирования, а также на основе данных, которые получены в условиях экспериментального полигона, имитирующего реальные сельскохозяйственные сценарии. (Результаты и обсуждение) Разработаны алгоритмы координации, адаптации и перераспределения задач между агентами коллаборативной мультиагентной робототехнической системой, обеспечивающие устойчивость к ошибкам сенсорного восприятия, задержкам передачи данных и внешним возмущениям, характерным для сельскохозяйственной среды. Особое внимание уделено адаптации поведения агентов в ответ на действия операторов-людей, включая возможность приоритизации задач и контекстно-зависимого изменения стратегии взаимодействия. Симуляционные эксперименты продемонстрировали повышение производительности системы за счет более равномерного распределения нагрузки между роботами, уменьшения числа конфликтов при выполнении совместных задач и сокращения простоев. Также зафиксировано улучшение показателей безопасности, в частности, снижение вероятности столкновений и некорректных реакций на присутствие человека в рабочей зоне. (Выводы) Разработанные модели и алгоритмы могут быть использованы для построения интеллектуальных коллаборативных мультиагентных робототехнических систем, способных к адаптивному и безопасному взаимодействию в условиях сельскохозяйственного производства, что способствует росту эффективности автоматизированного сбора урожая и снижению зависимости от человеческого труда.

1. Wu H., Shang H. Potential game for dynamic task allocation in multi-agent system. ISA Transactions. 2020. Vol. 102. 208-220. DOI: 10.1016/j.isatra.2020.03.004.

2. Шереужев М.А., Пак Л.А., Карасев П.Д., Винокуров А.О. Формализация рабочего пространства и онтология технологического процесса для выполнения технологических работ коллаборативной робототехнической ячейкой // Известия Кабардино-Балкарского научного центра РАН. 2022. N6 (110). С. 134-143. DOI: 10.35330/1991-6639-2022-6-110-134-143.

3. Benos L., Moysiadis V., Kateris D. et al. Human–robot interaction in agriculture: a systematic review. Sensors. 2023. Vol. 23. N15. 6776. DOI: 10.3390/s23156776.

4. Liu R., Natarajan M., Gombolay M.C. Coordinating humanrobot teams with dynamic and stochastic task proficiencies. ACM Transactions on Human-Robot Interaction (THRI). 2021. Vol. 11. N1. 1-42. DOI: 10.1145/3477391.

5. Gul F., Mir I., Abualigah L. et al. Cooperative multi-function approach: A new strategy for autonomous ground robotics. Future Generation Computer Systems. 2022. Vol. 134. 361-373. DOI: 10.1016/j.future.2022.04.007.

6. Khan A.T., Li S., Cao X. Human guided cooperative robotic China Information Sciences. 2022. Vol. 65. N2. 122204. DOI: 10.1007/s11432-020-3073-5.

7. Berger G.S., Teixeira M., Cantieri A. et al. Cooperative heterogeneous robots for autonomous insect trap monitoring system in a precision agriculture scenario. Agriculture. 2023. Vol. 13. N2. 239. DOI: 10.3390/agriculture13020239.

8. Bahani A., Ech-Chhibat E.C., Samri H. et al. Intelligent controlling the gripping force of an object by two computercontrolled cooperative robots. Applied Computer Science. 2023. Vol. 19. N1. 133-151. DOI: 10.35784/acs-2023-09.

9. An X., Wu C., Lin Y. et al. Multi-robot systems and cooperative object transport: Communications, platforms, and challenges. IEEE Open Journal of the Computer Society. 2023. Vol. 4. 23-36. DOI: 10.1109/OJCS.2023.3238324.

10. Enthrakandi Narasimhan G., Bettyjane J. Implementation and study of a novel approach to control adaptive cooperative robot using fuzzy rules. International Journal of Information Technology. 2021. Vol. 13. N6. 2287-2294. DOI: 10.1007/s41870-020-00459-z.

11. Ronzoni M., Accorsi R., Botti L., Manzini R. A supportdesign framework for cooperative robot systems in laborintensive manufacturing processes. Journal of Manufacturing Systems. 2021. Vol. 61. 646-657. DOI: 10.1016/j.jmsy.2021.10.008.

12. Bruun E.P.G., Pastrana R., Paris V. et al. Three cooperative robotic fabrication methods for the scaffold-free construction of a masonry arch. Automation in Construction. 2021. Vol. 129. 103803. DOI: 10.1016/j.autcon.2021.103803.

13. Khan A.T., Li S., Cao X. Control framework for cooperative robots in smart home using bio-inspired neural network. Measurement. 2021. Vol. 167. 108253. DOI: 10.1016/j.measurement.2020.108253.

14. Lins R.G., Givigi S.N. Cooperative robotics and machine learning for smart manufacturing: Platform design and trends within the context of industrial internet of things. IEEE Access. 2021. Vol. 9. 95444-95455. DOI: 10.1109/ACCESS.2021.3094374.

15. Testa A., Camisa A., Notarstefano G. ChoiRbot: A ROS 2 toolbox for cooperative robotics. IEEE Robotics and Automation Letters. 2021. Vol. 6. N2. 2714-2720. DOI: 10.1109/LRA.2021.3061366.

16. Gil S., Oakes B., Gomes C. et al. Toward a systematic reporting framework for digital twins: a cooperative robotics case study. Simulation. 2025. Vol. 101. N3. 313-339. DOI: 10.1177/00375497241261406.

17. Lytridis C., Kaburlasos V., Pachidis T.P. et al. An overview of cooperative robotics in agriculture. Agronomy. 2021. Vol. 11. N9. 1818. DOI: 10.3390/agronomy11091818.

18. Дорохов А.С., Павкин Д.Ю., Юрочка С.С. Технология цифровых двойников в сельском хозяйстве: перспективы применения // Агроинженерия. 2023. Т. 25. N4. С. 14-25. DOI: 10.26897/2687-1149-2023-4-14-25.

19. Solovchenko A., Shurygin B., Kuzin A. et al. Linking tissue damage to hyperspectral reflectance for non-invasive monitoring of apple fruit in orchards. Plants. 2021. Vol. 10. N2. 1-15. DOI: 10.3390/plants10020310.

20. Шереужев М.А., Девяткин Ф.В., Арабаджиев Д.И. Моделирование группового управления сельскохозяйственными роботами с использованием конечных автоматов и онтологий // Известия Кабардино-Балкарского научного центра РАН. 2023. N6(116).С. 247263. DOI: 10.35330/1991-6639-2023-6-116-247-263.

21. Шереужев М.А., Кишев А.Ю. Вопросы выбора системы технического зрения сельскохозяйственных робототехнических комплексов для контроля сорной растительности. Известия Кабардино-Балкарского научного центра РАН. 2022. N4 (108).С. 84-95. DOI: 10.35330/1991-6639-2022-4-108-84-95.

22. Amorim A., Guimares D., Mendonca T. et al. Robust human position estimation in cooperative robotic cells. Robotics and Computer-Integrated Manufacturing. 2021. Vol. 67. 102035. DOI: 10.1016/j.rcim.2020.102035.