Подходы к реализации модели архитектуры интеллектуальной системы интерактивного обучения тактике общевойскового боя

Размещено на http://www.allbest.ru/

Подходы к реализации модели архитектуры интеллектуальной системы интерактивного обучения тактике общевойскового боя

Ю.Н. Золотухин, Г.М. Шидло

Новосибирск

Введение

тактика общевойсковой бой преподавание

Повышение требований к военным специалистам в деле использования знаний на практике, к приобретению навыков в работе командира с подчиненными военнослужащими при выполнении боевых задач автоматически вызывает повышение требований к технологии и методике преподавания, порядку проведения итоговых экзаменов [1, 2]. Система, поддерживающая реализацию процесса взаимодействия командира со своим подчиненным подразделением в виде модели отношений и связи агента-командира и виртуальной модели подразделения в среде разрабатываемой интеллектуальной системы интерактивного обучения (ИСИО), будет способна решить ряд проблем в существующей системе управления практическим занятием в тренажерном классе.

В ходе обучения курсантов в военном вузе нет возможности предоставить в полной мере будущему командиру возможность самостоятельно, практически реализовать полученные теоретические знания в виде навыков управления подразделениями в бою на существующих тактических тренажерах. Оценка существующего положения дел и видение нового раскрыта в работах [3, 4]. В работе [5] очерчен ряд возможностей, которые будут реализованы на основе ИСИО:

Курсанту: обучать и готовить своих виртуальных военнослужащих в составе виртуального подразделения по основным дисциплинам боевой подготовки; использовать свое виртуальное подразделение на практическом занятии, самостоятельно и непосредственно управлять виртуальным воинским подразделением при отработке учебных задач.

Преподавателю: объективно оценивать работу курсантов как командиров виртуальных воинских подразделений в реальном масштабе времени, в соответствии с законами вооруженной борьбы, методикой и логикой проведения занятия;

Руководству военного ВУЗа, профессорскому составу и военно-научным работникам: контролировать и своевременно корректировать методику проведения занятия, проводить научные изыскания в области эффективности управления общевойсковыми подразделениями в бою.

Для реализации таких возможностей предложено модернизировать программу тактического тренажера «Битва» [4, 5], фрагмент тактического эпизода которой представлен на рис. 1, с помощью технологии искусственного интеллекта на основе агентно-ориентированного проектирования (АОП) [6], теории интеллектуальных агентов (ИА) [7] и мультиагентных систем (МАС) [8]. Данное предложение позволит впервые реализовать модели виртуальных солдат-агентов военнослужащих, а на их основе - модели виртуальных подразделений в форме МАС, входящих в ИСИО в виде общей модели виртуальной тактической обстановки.

Рис. 1. Фрагмент из эпизода практического занятия на тактическом тренажере «Битва»

Материал в докладе представлен следующим образом: сформулирована цель и задачи достижения этой цели; представлена упрощенная UML-модель [9] предметной области перспективной учебной организации практического занятия и определена область применения ИСИО; определены границы предполагаемой модели архитектуры системы тактического тренажера; представлены подходы в определении основных требований к модели архитектуры системы тактического тренажера. Предложен подход к извлечению из команд и докладов значений интенциональных характеристик курсанта во время практического занятия с помощью алгоритма оценки, реализованного в модели агента-помощника (АП) курсанта для определения требований к критерию оценки практических знаний - навыков обучаемого командира по тактике. Целью данного доклада является представление подходов к определению основных критериев и требований для последующей их реализации в моделях, описывающих архитектуру системы интерактивного обучения.

1. Постановка задачи

Работу преподавателя и обучаемых курсантов на практическом занятии можно сравнить с соперничеством в том плане, что преподаватель, создавая тактическую обстановку перед курсантами, играет за противника. Цель работы курсантов на практическом занятии - оценить противника, выработать и реализовать мероприятия с помощью команд, переданных своим подразделениям в виде сообщений, и добиться выполнения своей учебной задачи, нанося противнику потери. Курсанту для успешного решения учебных задач необходимо обладать определенным запасом знаний по тактике общевойскового боя и умением своевременно их использовать во время проведения практического занятия. Следовательно, курсант должен иметь адекватные знания и превосходить действиями в управлении своими подразделениями действия подразделений противника, управляемых преподавателем в конкретной учебной задаче.

Для достижения выше указанной цели статьи необходимо решить следующие задачи:

1. Определить назначение и область применения ИСИО.

2. Определить границы предполагаемой ИСИО.

3. Представить подходы для определения основных критериев и требований для последующей их реализации в моделях, описывающих архитектуру системы интерактивного обучения.

4. Представить подход для описания модели архитектуры интеллектуального АП курсанта.

2. Назначение и область применения ИСИО

На рис. 2 представлена упрощенная UML-модель предметной области перспективной учебной организации практического занятия, акторы, агенты и объекты которого вовлечены в учебную работу для достижения учебной цели практического занятия.

В ходе этой работы осуществляется обмен и обработка сообщений: между преподавателем и обучаемым, интеллектуальным агентом-помощником преподавателя и интеллектуальными агентами-помощниками обучаемых, а также от интеллектуальных агентов виртуальных солдат и командиров, входящих в состав виртуальных подразделений.

Назначение модели архитектуры системы тактического тренажера можно представить как взаимосвязь трех факторов: цели, природы артефакта и характера внешнего мира [10]. Работу перспективной системы тактического тренажера можно рассматривать как артефакт достижения цели, связывающий внутреннюю среду тактического тренажера и внешний мир.

Это означает, что ИСИО должна поддерживать различные законы тактики вооруженной борьбы, а именно: математические модели, предметные, методические, педагогические знания, и обеспечивать доведение этих знаний в форме навыков управления подразделениями в бою будущему командиру в обстановке, приближенной к боевой. На рис. 3 представлена модель основных вариантов использования, дающая представление о функциональности модели архитектуры ИСИО.

Рис. 2. Упрощенная UML-модель предметной области перспективной учебной организации практического занятия

Рис. 3. Модель основных прецедентов при проведении практического занятия в тренажерном классе

3. Определение границ предполагаемой ИСИО

Мир практического занятия выглядит как последовательность артефактов - символов тактической обстановки, которые мы воспринимаем зрительно в виде трехмерного отображения результатов работы программы «Битва» на экране монитора, сопровождаемой речью преподавателя. Под внешней средой будем считать преподавателя и обучаемых командиров - курсантов, которые, так или иначе, могут воздействовать на систему и подвергаться существенным воздействиям с её стороны [11]. Курсанты воздействуют на систему с помощью дружественного МАС интерфейса и получают результат от системы в соответствии со своими способностями в виде обновленной тактической обстановки. Воздействуя на систему, отдавая команды управления виртуальным подразделениям интеллектуальных агентов, они изменяют внутреннюю среду тактической обстановки системы, тем самым стремясь достигнуть цели практического занятия. Преподаватель, воздействуя на систему с помощью дружественного МАС интерфейса, представляет тактическую обстановку, управляет моделями виртуальных подразделений противоборствующей стороны и контролирует действия конкретного курсанта в должности командира.

Границы системы определены на начальных итерациях унифицированного процесса (UP) в фазе развития, определены основные части системы, т. е. выполнена реализация множества компонентов «не в глубь, а вширь» или по определению Г. Буча, «разработка по пластам». Для определения границ системы идентифицированы системные события, к которым можно причислить события, непосредственно влияющие на программно-аппаратное обеспечение тактического тренажера. Идентификация системных событий произведена на основании прецедентов практического занятия представленных выше.

4. Представление подходов для определения основных критериев и требований к архитектуре системы интерактивного обучения

Первым подходом в определении функциональных требований предлагается использовать модель вариантов использования - прецедентов (рис. 3). Артефакты, выражающие основные требования к системе, ссылаются на модели UP или представляются в форме структур языка UML.

В качестве подхода в оценке соперничества между преподавателем и курсантом предлагается использовать теорию игр и уравнения Ланчестера [12]. Тактические учебные эпизоды практического занятия можно описать системой дифференциальных уравнений динамики учебного боя (1), которые являются математической моделью динамики боя; например, для однородных боевых средств

(1)

где и - количество противоборствующих сил во время , и - эффективность каждой из сторон учебного боя.

Подходом для определения требования к критерию оценки практических знаний - навыков обучаемого командира по тактике может служить выше упомянутые теория игр, теория речевых актов и теория рационального агентства BDI [12, 13, 14]. Акт восприятия курсантом тактической обстановки можно сравнить с использованием его сенсорной информации для ассоциирующего доступа к фактам знаний в долговременной модели (ДМ) внешнего мира или их коррекции через кратковременную модель (КМ) методом проб и ошибок, с тем, чтобы выяснить, не «подходит» ли новый факт с точки зрения его соответствия сенсорному входу больше, чем одному из старых. Метод опроса курсанта, реализованный в модели агента-помощника в ходе выработки решения, позволит определить его КМ.

Из выше перечисленных подходов к определению основных критериев и требований вырисовывается цель и задачи модели агента-помощника курсанта.

Цель интеллектуального АП можно определить как помощь курсанту в работе на тактическом тренажере.

Задачи: реализация перехвата сообщений, отправляемые курсантом и извлечение из них намерений по текущей тактической обстановке.

За основу архитектуры АП курсанта предлагается взять комбинацию из многоуровневых архитектур типа [15, 16] типа: Touring Machine, InteRRaP, Triple-Tower, Sloman's CogAff. Структура агента-помощника должна поддерживать работу КМ внешнего мира для последующего принятия решения по учебной ситуации тактического эпизода. Агент-помощник как интеллектуальный агент имеет ментальное состояние, которое характеризуется подмножеством интенциональных характеристик: убеждением, желанием и намерением достичь цели. Определим АП, как структуру, которую можно выразить следующим образом:

AП ? ms, mr, mrel, F, B0, I0, D0

где ms; mr; mrel - наборы сообщений, с которыми АП должен работать, а именно, должен посылать, принимать и вести наблюдение для выделения из них важных. Три набора определяют непосредственное предназначение АП: ms, mr - помогают в обмене сообщений, mrel содержит важные из них. B0, I0, и D0 - начальные убеждения, намерения и желания, которые АП приобретает в тестовом общении с курсантом перед началом работы. F - набор функций, которые включают функцию пересмотра и обновления убеждений АП, генератор вариантов, опций для сообщений и т. д. [14].

Агент-помощник должен быть рациональным, для этого его действия должны быть интенционально обусловлены и направлены на достижение поставленной цели [17].

Заключение

Изложенные в работе подходы к реализации дружественного МАС интерфейса позволят снизить психологическую нагрузку и растормозить курсантов в ходе проведения практического занятия на тактическом тренажере. Это возможно, как отмечено выше, с помощью персональных помощников АП курсантов, входящих в дружественный интерфейс.

Литература

1. Шидло Г.М. Использование аппарата теории нечетких множеств для реализации алгоритма оценки обучаемого. Международная научно-техническая конференция «Информационные системы и технологии». Изд. НГТУ, Новосибирск, 2003, с. 79 - 84.

2. Trevor Nash. Small arms training technologies, capabilities & programs. MILITARY TRAINING & SIMULATION NEWS Vol. 2 Issue 1 - February 2000, pp. 17-21.

3. Шидло Г.М. Оценка практического занятия в тренажерном классе. Материалы научной конференции Новосибирского военного института. Изд. НВИ, Новосибирск, 2004, с. 1-3.

4. Шидло Г.М. Видение практического занятия и варианты его использования в тренажерном классе. Сборник научных трудов, выпуск 13. Изд. НВИ, Новосибирск 2005. с. 87 - 93.

5. Shidlo G M., Zolotukhin Yu. N. Usage of distributed artificial intelligence for simulation of intellectual groups' actions. The International Conference on Automation, Control, and Applications (ACIT-ACA). June 2005, Novosibirsk, pp. 265-270.

6. Josй M Vidal. Reasoning Agents. August 30, 2005 (www.marcush.net/IRS/irs downloads.html)

7. Josй M. Vidal, Paul Buhler. A Generic Agent Architecture for Multiagent Systems Swearingen Engineering Center University of South Carolina Columbia, SC 29208. http://jmvidal.ece.sc.edu

8. O'Hare, G.M.P., and Jennings, N.R., (Eds.). Multi-Agent Systems (MAS) & Distributed Artificial Intelligence (DAI), University College Dublin Department of computer science. Foundations of Distributed Artificial Intelligence, Wiley Interscience, 1996. www.agentfactory.com/people/greg

9. А Якобсон, Г. Буч, Дж. Рамбо. Унифицированный процесс разработки программного обеспечения. Питер, Москва, 2000, с. 158-250.

10. Г. Саймон. Науки об искусственном. Эдиториал УРСС. Москва, 2004.

11. М. Газе - Рапопорт, Д. Поспелов. От амебы до робота. Эдиториал УРСС. Москва, 2004.

12. Darilek, W. Perry, J. Bracken, J. Gordon, B. Nichiporuk. Measures of Effectiveness for the Information-Age Army Richard. Santa Monica, CA: Rand, 2001, pp. 37-51.

13. Арбиб М. А. Метафорический мозг. Эдиториал УРСС. Москва, 2004.

14. Insu Song. Designing a Message Handling Assistant Using the BDI Theory and Speech Act Theory. Griffith University, Australia, 2003

15. J.-J. Meyer. Intelligent Agents. www.cs.uu.nl/docs/vakken/iag/IntellAgents.04.83-105.pdf

16. M. Wooldridge. Intelligent Agents. In: G. Weiss, editor: Multiagent Systems, The MIT Press, April 1999, pp. 3-51.

17. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям. Эдиториал УРСС. Москва, 2002.

Размещено на Allbest.ru