인공면역 시스템 기반 자율분산로봇 시스템의 협조 전략과 군행동

Cooperative Strategies and Swarm Behavior in Distributed Autonomous Robotic Systems based on Artificial Immune System

  • 심귀보 (중아대학교 전자전기 공학부)
  • 발행 : 1999.12.01

초록

본 논문에서는 면역 시스템에 기반한 자율분산로봇 시스템의 협조 제어 및 군행동 전략의 결정 방법을 제안한다. 면역 시스템은 생체의 자기보호 및 유지시스템이다. 면역 시스템의 유용한 성질은 동적으로 변하는 환경에서 최적의 군행동을 결정하는 문제에 적용 가능하다. 면역 시스템을 자율분산로봇 시스템에 적용하기 위하여 로봇은 B-세포로 환경조건은 항원으로 행동 전략은 항체로 제어파라미터는 T-세포로 각각 모델링 하였다, 환경(항원)변화가 감지되면 각 로봇은 적절한 행동전략(항체)을취한다. 이행동전략은 다른 로봇과의 통신에 의하여 자극 또는 억제을 받는다.(면역 네트워크) 최정적으로 많은 자극을 받은 전략이 군행동 전략으로 채택된다. 이 제어방법은 클론선택과 면역네트워크 가설에 기반을 둔것으로서 최적의 군행동 전략을 결정하는데 이용된다. 또한 제어 파라미터로서 T-세포 모델을 추가함으로서 동적인 환경에서 로봇의 적응능력이 향상되었다.

In this paper, we propose a method of cooperative control (T-cell modeling) and selection of group behavior strategy (B-cell modeling) based on immune system in distributed autonomous robotic system (DARS). Immune system is living body's self-protection and self-maintenance system. These features can be applied to decision making of optimal swarm behavior in dynamically changing environment. For applying immune system to DARS, a robot is regarded as a ?3-cell, each environmental condition as an antigen, a behavior strategy as an antibody and control parameter as a T-cell respectively. When the environmental condition (antigen) changes, a robot selects an appropriate behavior strategy (antibody). And its behavior strategy is stimulated and suppressed by other robot using communication (immune network). Finally much stimulated strateby is adopted as a swarm behavior strategy. This control scheme is based on clonal selection and immune network hypothesis, and it is used for decision making of optimal swarm strategy. Adaptation ability of robot is enhanced by adding T-cell model as a control parameter in dynamic environments.

키워드

참고문헌

  1. Distributed Autonomous Robotic Systems Ⅰ,Ⅱ A. Asama(et al.)
  2. 대한전자공학회 논문지 v.34 no.3 자율이동로봇군의 협조행동을 위한 통신시스템의 개발 이동욱;심귀보
  3. 대한전자공학회 논문지 v.34 no.8 강화학습과 분산유전알고리즘을 이용한 자율이동로봇군의 행동학습 및 진화 이동욱;심귀보
  4. 대한전자공학회 논문지 v.35 no.3 인공면역계 기반의 자율이동로봇군의 협조행동전략 결정 이동욱;심귀보
  5. Immunology(4th ed.) I. Roitt;J. Brostoff;D. Male
  6. BIOLOGY: The Science of Life(3rd eds.) R. A. Wallace;G. P. Sanders;R. J. Ferl
  7. Immunological Rev. v.79 Idiotopic Network and Other Preconceived Ideas N. K. Jerne
  8. Proc. of IROS 96 An Immune Algorithm for Multiagent: Application to Adaptive Noise Neutralization Y. Ishida;N. Adachi
  9. Evolutionary Computation v.1 no.3 Using Genetic Algorithms to Explore Pattern Recognition in the Immune System S. Forrest;B. Javornik;R.E. Smith;A.S. Perelson
  10. Proc. of IROS 95 An Immunological Approach to Dynamic Behavior Control for Autonomous Mobile Robots A. Ishiguro;Y. Watanabe;Y. Uchikawa
  11. Proc. of IROS 96 Immunoid: An Architecture for Behavior Arbitration Based on the Immune Networks A. Ishiguro;Y. Shirai;T. Kendo;Y. Uchikawa
  12. Proc. of 4th Int. Conf. on Genetic Algorithm The Immune Recruitment mechanism: A Selective Evolutionary Strategy H. Bersini;F. J. Varela
  13. Proc. of Int. Conf. on Robotics and Automation Micro Autonomous Robotic System and Biologically Inspired Immune Swarm Strategy as a Multi Agent Robotic System N. Mitsumoto(et al.)
  14. Proc. of IEEE Symp. on Security and Privacy An Immunological Approach to Change Detection: Algorithms, Analysis and Implications P. D'haeseleer;S. Forrest'P. Helman
  15. Physica v.22-D The immune system, adaptation, and machine learning J. D. Farmer;N. H. Packard;A.S. Perelson