Інформаційна технологія керування безпілотними апаратами на базі ігрового підходу та нейронних мереж
| dc.contributor.advisor | Онищенко, Вікторія Валеріївна | |
| dc.contributor.author | Альперт, Максим Іоганович | |
| dc.date.accessioned | 2025-05-02T14:02:21Z | |
| dc.date.available | 2025-05-02T14:02:21Z | |
| dc.date.issued | 2025 | |
| dc.description.abstract | Альперт М.І. Інформаційна технологія керування безпілотними апаратами на базі ігрового підходу та нейронних мереж. − Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 126 – Інформаційні системи та технології в галузі знань 12 – Інформаційні технології. – Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, 2025. Дисертаційна робота присвячена розробці методів керування безпілотними апаратами та їх взаємодії, що дозволяють підвищити успішність пошуковорятувальних операцій та доставки життєво-необхідних вантажів у важкодоступні місця, в умовах обмеженості ресурсів. Тому існує потреба у створенні нової інформаційної технології взаємодії безпілотних апаратів (БпА) різних типів (наземного та літального) із застосуванням нейронних мереж в умовах ризику та невизначеності, реалізація якої запропонована на базі ігрового підходу, а також у злагодженому функціонуванні програмно-технічного комплексу. У першому розділі висвітлено стислий огляд сучасного стану розвитку інформаційних технологій, їх всебічне застосування в різних галузях: виробництві, сільському господарстві, науці, освіті, зв’язку та управлінні. Наведено огляд інформаційних технологій, новітніх наукових досліджень, напрямів, їх практичної реалізації на даний час. Виконано аналіз позитивних та проблемних аспектів практичної реалізації розглянутих наукових досягнень. Проведено аналіз актуального стану інформаційних технологій керування безпілотними апаратами із застосуванням ігрового підходу та нейронних мереж. Надано огляд сучасних прикладних ігрових методів, побудованих на базі апарату теорії ігор, з використанням яких вже отримана низка перспективних результатів та проаналізовані останні наукові та практичні дослідження в цій галузі. Розглянуто різні типи нейронних мереж, їх застосування у різноманітних сферах життя. Також розглянуто використання нейронних мереж у поєднанні з навчанням з підкріпленням, що дозволяє приймати оптимальні рішення керування у системі. Використання нейронних мереж у поєднанні з ігровими методами має перспективу розвитку для підвищення безпеки виконання місії безпілотними апаратами. Запит суспільства для вирішення складних задач із застосуванням безпілотних апаратів визначає попит на подальший розвиток та вдосконалення інформаційних технологій, у тому числі при розробці нових підходів, методів та моделей керування безпілотними апаратами. У другому розділі виконаного наукового дослідження здійснено огляд, порівняння, аналіз існуючих методів, надано обґрунтування обрання апарату дослідження, який застосовано в процесі проєктування інформаційної технології керування безпілотними апаратами (БпА); отримано нові математичні моделі та розроблена архітектура інформаційної системи. Математичні моделі типу кооперативних ігрових моделей спроможні адекватно відтворюють керування коаліцією безпілотних апаратів, надають змогу розглядати безпілотні апарати в якості гравців, враховують технічні обмеження та способи взаємодії БпА між собою в умовах коаліції. Проведено огляд і порівняльний аналіз централізованого і децентралізованого методів керування БпА. Зроблено висновок, що централізований метод керування коаліцією БпА у порівнянні з децентралізованим має переваги у контролі, простоті та безпеці. Враховуючи переваги централізованого методу над децентралізованим, в науковому дослідженні обрано централізований метод керування БпА. В результаті проведення дисертаційного дослідження отримано дві математичні моделі. 1. Побудовано комбіновану централізовано-кооперативну математичну ігрову модель керування БпА в процесі наукового дослідження. В процесі створення цієї моделі використано підходи і апарат ігрового методу. В якості загальної функції виграшу обрано функцію, яка визначає головну ціль гри − успішне виконання місії від її початку і до кінця. Результатом моделювання є знаходження максимуму загальної функції виграшу. Експериментальне порівняння результатів оптимізації функцій успішності, отриманої комбінованої централізовано-кооперативної математичної ігрової моделі, з однієї сторони з відповідними результатами функцій успішності ідеальної та децентралізованої моделі, з іншої сторони, дає змогу зробити висновок про значно більшу ефективність функції виграшу отриманої моделі. Практичне застосування комбінованої централізовано-кооперативної математичної ігрової моделі дозволить при виконанні місії обрати ігровий підхід; обрати централізовано-кооперативний метод керування БпА; визначитися з вибором найбільш підходящих технічних характеристик коаліції БпЛА та БпНА. 2. Розроблена оптимізаційна ігрова математична модель керування безпілотними апаратами із застосуванням нейронних мереж в умовах ризику та невизначеності. В науковому дослідженні детально розглянуто підхід до вирішення проблеми обмеженості та/або неточності вхідних даних, відповідно до якого розглядаються два різних види ситуацій, які зазвичай необхідно дослідити, а саме: рішення приймаються в умовах ризику; рішення приймаються в умовах невизначеності. В залежності від характеру небажаних ситуацій залежить вибір апарату дослідження. Якщо рішення приймаються в умовах ризику, то появу небажаної перешкоди моделюють із застосуванням апарату теорії ймовірностей. Якщо рішення приймається в умовах невизначеності, функцію розподілу ймовірностей знайти практично неможливо. В науковому дослідженні розглядаються обидві ситуації, які виникають при моделюванні керування БпЛА та БпНА: ризик появи небажаного явища, зокрема весняного/осіннього бездоріжжя; раптова поява перешкоди (ями) в процесі виконання місії (невизначеності). Визначена функція розподілу ймовірностей для кожного i-го ребра з використанням метеорологічних даних за визначений період. Результат застосування першої частини оптимізаційної ігрової математичної моделі – отримання шляху з виключеними проблемними ребрами (ділянками шляху). Друга частина моделі вирішує проблему подолання раптової перешкоди (невизначеності) на шляху в процесі виконання місії. Запропоновано вирішувати цю проблему за допомогою можливостей нейронних мереж та навчання з підкріпленням. Проведено аналіз ефективності оптимізаційної ігрової математичної моделі керування БпЛА та БпНА із застосуванням нейронних мереж в умовах ризику та невизначеності. Найбільшу ефективність з розглянутих реальних моделей має модель, отримана в результаті наукового дослідження, яка врахувала і ризики, і невизначеність. У третьому розділі проведено порівняльний аналіз відомих симуляторів, які необхідні для проведення практичних експериментів. Розглянуто найпоширеніші симулятори (Ardupilot, PX4, ROS, Gazebo, Microsoft AirSim), а також проаналізовані їхні переваги та недоліки. Для проведення досліджень та експериментів обрано симулятор Microsoft AirSim. В науковому дослідженні запропоновано такі модифікації симулятора Microsoft AirSim: прибрано центральний контролер та окремий обчислювальний мікрокомп’ютер; додано нові фізичні контролери; додано блок вбудованих алгоритмів; налагоджено взаємодію вбудованих алгоритмів з API Layer. Для проведення експериментів наукового дослідження використано два типи БпА (наземний та літальний), які вбудовані у Microsoft AirSim. В дисертаційному дослідженні наведено огляд різноманітних середовищ, які дозволяють використовувати обраний симулятор та які потенційно можна використовувати для перевірки ігрового підходу і нейронних мереж у керуванні безпілотними апаратами. Для проведення експериментів з виявлення великих статичних та раптових перешкод обрано комбіновану згорткову нейронну мережу, яка поєднує швидкість розпізнавання MobileNet, точність виявлення об’єктів за допомогою SSD та переваги трансферного навчання. Проведені експерименти складалися з навчання згорткової нейронної мережі розпізнавати великі статичні перешкоди за допомогою трансферного навчання. Відповідно до отриманих наукових результатів запропонована у дослідженні комбінована згорткова нейронна мережа ефективно розпізнала нові об’єкти, а саме − великі статичні блоки та раптові перешкоди (вибоїни, ями). Застосоване навчання з підкріпленням в науковому дослідженні надало можливість успішно подолати великі статичні та раптові перешкоди наземним БпА. У четвертому розділі дисертаційного дослідження багато уваги приділено питанню обробки та збереження даних стосовно керування безпілотними апаратами. В якості інструменту проєктування багатошарової архітектури взаємодії з БД обрано мова програмування Python та бібліотека FastAPI. В процесі дослідження розроблено діаграму класів для інформаційної технології керування безпілотними апаратами, побудовано модифікований образ Kafka Connect, а також розроблено схему інформаційної технології керування безпілотними апаратами на базі ігрового підходу та нейронних мереж. Результати наукового дослідження мають як теоретичне, так і практичне значення. Наукове значення отриманих результатів полягає в отриманні нових методів та математичних моделей для проєктування інформаційних технологій керування безпілотними апаратами на базі ігрового підходу та нейронних мереж. На основі одержаних в результаті дослідження алгоритмів розроблено програмне забезпечення і проведено комп’ютерне моделювання різних можливих ситуацій. Запропоновані методи і алгоритми можуть стати основою для керування взаємодією безпілотних апаратів. | |
| dc.description.abstractother | Alpert M.I. Information technology for controlling unmanned vehicles based on a game approach and neural networks. – Qualifying scientific work is presented on the rights of the manuscript. Thesis for the Doctor of Philosophy degree in specialty 126 – Information systems and technologies in the field of knowledge 12 – Information Technologies. – National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”, Kyiv, 2025. The dissertation is devoted to the development of methods for controlling unmanned vehicles and their interaction that allow to increase the success of search and rescue operations and the delivery of vital cargo to hard-to-reach places in conditions of limited resources. That is why there is a need to create a new information technology for the interaction of unmanned vehicles of various types (ground and aerial) using neural networks in conditions of risk and uncertainty. The implementation is proposed on the basis of a game approach and neural networks, as well as the coordinated functioning of the software and hardware complex. The first chapter provides a brief overview of the current state of information technology development, their comprehensive application in various industries: production, agriculture, science, education, communications and management. An overview of information technologies is provided including the latest scientific research, directions, and their practical implementation at the present time. An analysis of the positive and problematic aspects of the practical implementation of the considered scientific achievements is performed. The current state of information technologies is highlighted for controlling unmanned vehicles using the game approach and neural networks in this work. An overview of modern applied gaming methods is provided which are built on the basis of the apparatus of game theory. A number of promising results have already been obtained and the latest scientific and practical research is analyzed in this area. Different types of neural networks and their application are considered in various spheres of life. It is also considered the use of neural networks in combination with reinforcement learning, which allows making optimal control decisions in the system. The use of neural networks in combination with game methods has a development perspective for increasing the safety of mission execution by unmanned vehicles. The request of society for solving complex tasks using unmanned vehicles (UV) determines the demand for further development and improvement of information technologies, including in the development of new approaches, methods and models for controlling unmanned vehicles. The second chapter of the scientific research provides a comparison and analysis of existing methods. A justification was provided for the choice of the research apparatus that was applied in the process of designing information technology for controlling unmanned vehicles. New mathematical models were obtained and the architecture of the information system was determined. Mathematical models such as cooperative game models are capable of adequately reproducing the coalition control of UV. These models make it possible to consider unmanned vehicles as players and can take into account technical limitations and methods of unmanned vehicles interaction with each other in coalition conditions. A review and comparative analysis of centralized and decentralized UV control methods were conducted. It was concluded that the centralized UV coalition control method has advantages in control, simplicity and security compared to the decentralized one. Considering the advantages of a centralized method over a decentralized one, the centralized method of controlling UV was chosen in this scientific study. Two mathematical models were obtained as a result of the dissertation research. 1. A combined centralized-cooperative mathematical game model of UV control was built in the process of scientific research. The approaches and apparatus of the game method were used in the process of creating this model. The general payoff function determines the main goal of the game - successful completion of the mission from its beginning to the end. The result of the modeling is finding the maximum of the general payoff function. Experimental comparison of the optimization results of success functions is obtained by the combined centralized-cooperative mathematical game model with the corresponding results of the success functions of the ideal and decentralized model. It allows to conclude that the payoff function of the obtained model is much more effective. Practical application of the combined centralized-cooperative mathematical game model will allow to choose a game approach when performing a mission; choose a centralized-cooperative method of UV control; decide on the choice of the most suitable technical characteristics of the coalition of unmanned aerial vehicle (UAV) and unmanned ground vehicle (UGV). 2. An optimization game mathematical model of controlling unmanned vehicles using neural networks in conditions of risk and uncertainty has been developed. The scientific study examines the approach to solving the problem of limited and/or inaccurate input data in detail where two different types of situations are considered. For example, decisions are made at risk conditions and decisions are made under uncertainty conditions. The choice of research apparatus depends on the nature of the undesirable situations. If decisions are made at risk conditions, then the appearance of an undesirable obstacle is modeled using the apparatus of probability theory. If a decision is made under uncertainty conditions, then it is practically impossible to find the probability distribution function. The scientific study considers both situations that arise when modeling UAV and UGV control: the risk of the appearance an undesirable phenomenon. For example, it can be spring/autumn off-road conditions and/or the sudden appearance of an obstacle (pit) during the mission (uncertainty). The probability distribution function for each i-th edge is determined using meteorological data for a certain period. The first part of the optimization game mathematical model is obtaining a path with excluded problematic edges (path sections). The second part of the model solves the problem of overcoming a sudden obstacle (uncertainty) on the path during the mission. It is proposed to solve this problem using the capabilities of neural networks and reinforcement learning. The effectiveness of the optimization game mathematical model of UAV and UGV control using neural networks in conditions of risk and uncertainty has been analyzed. The most effective of the considered real models is the model obtained as a result of scientific research that has taken into account both risks and uncertainty. The third chapter provides a comparative analysis of known simulators that are necessary for conducting practical experiments. The most common simulators are overviewed (Ardupilot, PX4, ROS, Gazebo, Microsoft AirSim). Their advantages and disadvantages are analyzed. The Microsoft AirSim simulator was chosen for conducting research and experiments. The scientific study proposed the following modifications of the Microsoft AirSim simulator: the central controller and a separate computing microcomputer are removed; new physical controllers are added; a block of built-in algorithms is added; the interaction of built-in algorithms with the API Layer is established. Two types of UV (ground and aerial) are used for the scientific study experiments Both of them are built into Microsoft AirSim. The dissertation study provides an overview of various environments that allow the use of the selected simulator and which can potentially be used to test the game approach and neural networks in controlling unmanned vehicles. A combined convolutional neural network was selected for the experiments on detecting large static and sudden obstacles. It combines the recognition speed of MobileNet, the accuracy of object detection using SSD and the advantages of transfer learning. The experiments conducted consisted of training the convolutional neural network to recognize large static obstacles using transfer learning. According to the obtained scientific results, the combined convolutional neural network proposed in the study effectively recognized new objects. These were large static blocks and sudden obstacles (potholes, pits). The applied reinforcement learning in the scientific study has made it possible to successfully overcome large static and sudden obstacles by UGV. The fourth chapter pays attention to the issue of processing and storing data related to the control of unmanned vehicles. A description is provided to the structure of the software for working with the control center database and the UV database. The Python programming language and the FastAPI library were used as a tool for designing a multi-layer architecture for interaction with the database. A class diagram for the information technology of controlling unmanned vehicles was developed during the research process. A modified Kafka Connect image has been built. In addition, a scheme of the information technology of controlling unmanned vehicles has been developed based on a game approach and neural networks. The results of the scientific research have both theoretical and practical significance. The scientific significance of the results lies in obtaining new methods and mathematical models for the design of information technologies of controlling unmanned vehicles based on a game approach and neural networks. Software was developed and computer modeling of various possible situations was carried out based on the algorithms obtained as a result of the research. The proposed methods and algorithms can become the basis for controlling the interaction of unmanned vehicles. | |
| dc.format.extent | 188 с. | |
| dc.identifier.citation | Альперт, М. І. Інформаційна технологія керування безпілотними апаратами на базі ігрового підходу та нейронних мереж : дис. … д-ра філософії : 126 Інформаційні системи та технології / Альперт Максим Іоганович. – Київ, 2025. – 188 с. | |
| dc.identifier.uri | https://ela.kpi.ua/handle/123456789/73652 | |
| dc.language.iso | uk | |
| dc.publisher | КПІ ім. Ігоря Сікорського | |
| dc.publisher.place | Київ | |
| dc.subject | інформаційна технологія | |
| dc.subject | теорія ігор | |
| dc.subject | ігровий підхід | |
| dc.subject | ігровий метод | |
| dc.subject | математична модель | |
| dc.subject | пошук найкоротшого шляху | |
| dc.subject | машинне навчання | |
| dc.subject | нейронна мережа | |
| dc.subject | трансферне навчання | |
| dc.subject | розпізнавання зображень | |
| dc.subject | навчання з підкріпленням | |
| dc.subject | БпЛА | |
| dc.subject | БпНА | |
| dc.subject.udc | 004.9; 004.4; 004.8; 519.8 | |
| dc.title | Інформаційна технологія керування безпілотними апаратами на базі ігрового підходу та нейронних мереж | |
| dc.type | Thesis Doctoral |
Файли
Контейнер файлів
1 - 1 з 1
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 8.98 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: