写在最前:
2024.8.8
夏令营面试是8.23,还有两周。今天在整理面试问题发现,很多问题都是关于报考动机以及未来规划的。而我也基本上已经确定了自己的导师(已经双选通过了)及研究方向。所以想在这里自己尝试对研究方向的内容做一个大致的介绍吧。不然跟家长都讲不清楚这个专业是干啥的,有点尴尬。
一、什么是分布式智能
分布式智能是指:多个互相独立的智能体之间,相互协作共同实现一个复杂任务。这里的智能体可以是硬件、也可以是软件、也可能是一个计算节点,每个智能体都是独立的,他们之间通过协作共同完成复杂任务或解决问题。
这里举几个例子吧。
1.1 物流机器人(硬件)
背景:
一个大型电商仓库中,有数百台物流机器人在进行分布式合作。每个机器人都是一个独立的智能体,负责特定区域的物品搬运任务。
单个智能体的任务:
- 导航:每个物流机器人能够根据预设的地图和实时传感器数据,在仓库中自主导航,避开障碍物和其他机器人。
- 搬运物品:机器人接收到分拣系统的指令后,前往指定货架的位置,将目标物品搬运到打包区。
然后我们将机器人变多,将货物变多,假设1000台机器人,20000件货物
这些机器人之间就多了许多交互与协同
任务分配:当多个订单同时到达时,系统会通过分布式算法,将不同的搬运任务分配给不同的机器人,以最大化效率并避免拥堵。
通信协作:但在各个机器人执行自己任务的过程中,这些机器人之间不可避免的要与其他机器人之间进行协作交流,它们之间通过无线通信共享实时位置和状态信息,避免碰撞并协同完成复杂的搬运任务。例如,当某个机器人遇到路径阻塞时,它可以请求附近的其他机器人帮助重新分配任务。
这样做有什么优势呢?
1.效率:任务分配由系统动态来进行,可以避免机器人偷懒(没有任务)的情况,即系统会实时检测哪些机器人的任务较少,进而将任务更多的分配给这些任务较少的机器人
2.稳定:单个智能体的故障不会影响整各系统,即一个机器人坏了,整个仓库的物流仍然可以继续进行。
1.2 无人机群
背景:
假设一个无人机群体被部署用于大范围的森林火灾监测和救援任务。无人机需要在广阔的区域内进行实时监控,并协同执行数据收集和救援任务。
单个无人机的任务:
- 数据收集:每个无人机配备传感器,如热成像相机和气体传感器,用于检测火源、烟雾和温度变化。
- 路径规划:无人机根据实时环境数据和任务要求,计算自己的飞行路径,并在飞行过程中避开障碍物。
无人机之间的合作
- 实时协作:无人机通过无线通信共享实时数据,如火灾的位置和强度。这样,群体中的所有无人机可以根据最新的情况调整自己的任务。例如,如果一个无人机发现火势扩大,它可以将信息传递给其他无人机,进而影响其他无人机的飞行路线以便对火势较大的区域进行更密集的搜索。
- 任务协调:无人机可以自主协作,以避免重复监测相同区域。例如,多个无人机可以通过协作协议调整各自的航线,确保覆盖整个监测区域而不产生重叠。
1.3实现分布式智能的两种常见形式
在这里简要讲一下分布式智能的两种常见形式。
1.集中式管理
前面的物流机器人的例子中我们提到,各个机器人的任务是由系统统一分配的,这里的系统就担任了"总指挥"的任务。我们称这种有“总指挥”的方式为:集中式管理。这种方式优点是可以得到全局最优解,但缺点也是很明显的,对"总指挥"的负担较重,总指挥要处理大量的数据,进行大量的信息传递,而且一旦“总指挥”出现故障,可能整个系统都要停止运转;
2.去中心化管理
而第二个无人机的例子里,没有一个单一的指挥中心,智能体通过相互通信和协作来决定任务分配和执行,并没有“指挥官“”的统一调度,我们称这种方式为:去中心化管理。这种方式优点是没有单一指挥中心,即使部分智能体故障,整个系统依然能正常运行。缺点是只能得到局部最优解,不是全局最优。
二、分布式智能与VR之间的联系
为什么写这一部分呢?因为本科的项目是VR相关的,担心面试会问到相关问题,提前准备一下。
首先两个方向一定是能互相促进的,二者互相都能促进对方更好的发展
2.1 将分布式智能应用到VR领域
(1)多人虚拟环境的开发
在多人同时进行的虚拟环境中,可以将每个进入虚拟空间的用户看做一个智能体,进而来关注这些不同智能体之间的交互和信息传输;
(2) 智能虚拟代理的开发
在一个场景中,可以使用分布式智能技术来控制不同NPC的行为,进而使其具有自主决策的能力,来给用户提供更具有个性化的体验。
2.2 VR技术服务于分布式智能算法
(1)虚拟仿真训练
VR可以为分布式智能系统的开发和测试提供高度逼真的模拟环境。例如,分布式机器人系统可以在虚拟现实中进行任务仿真和训练,避免真实环境中的高成本和风险。
(2)为分布式系统提供可视化的UI
VR可以用于创建分布式智能系统的虚拟指挥中心,虚拟环境中实时监控和指挥分布式系统的运作。例如,物流公司的管理人员可以通过VR界面查看和管理仓库内的自动化系统。
三、目前遇到的挑战以及最新的突破
3.1 通信延迟与带宽限制
在分布式智能系统中,不同智能体之间需要频繁地通信与协调。尤其是在实时性要求较高的场景中,如无人机群、自动驾驶车队,通信延迟和带宽限制会显著影响系统的性能和响应速度。如果通信延迟过高,可能导致智能体之间无法及时共享信息,从而影响决策的准确性和任务的完成。
3.2 复杂系统的协调与控制
即我们之前提到的,集中式控制和去中心化控制的问题,如何取舍?在大规模的分布式智能系统中,如智能电网或大规模机器人系统,如何协调和控制众多智能体以达到全局优化是一大难题。由于系统的规模庞大,单一的集中式控制难以应对,而完全去中心化的方式又容易导致局部优化问题。
四、将来的工作?
这个可能是逢年过节亲戚必问的问题了...所以在这里也是简单写一下
4.1 常规进企业
(1)硬件控制
在大型企业的物流系统中,分布式智能可以用于管理和协调多个自动化设备的运行。无论是仓库中的搬运机器人,还是货物运输中的自动引导车辆(AGV),它们都可以通过分布式算法来优化路径规划、任务分配和实时协作,从而提高整体系统的效率和可靠性。
(2)软件控制
a.智能推荐系统
开发基于分布式智能的推荐系统,这些系统通过分析用户行为、偏好和历史数据,实时生成个性化的推荐内容,如商品、电影、音乐等。分布式智能可以帮助处理和分析海量数据,优化推荐算法的准确性和效率。比如Alibaba(在电商平台推荐商品)、字节跳动(在内容平台推荐视频)。
b.智能交通管理
参与开发智能交通管理系统,利用分布式智能技术来监控和优化城市交通流量。系统可以实时收集交通数据,通过分布式算法优化信号灯时间、建议最优路线,减少拥堵和提高交通效率。
c.智能电网管理
开发和维护智能电网系统,利用分布式智能来管理电力的生产、分配和消费。通过实时数据分析和分布式控制,优化电力资源的使用,提高能源效率和系统的稳定性。
d.分布式云计算
开发和管理分布式云计算平台,通过分布式智能技术优化计算资源的分配和数据处理效率。
4.2 军事研究所
参与无人机、无人车、无人船等无人系统的开发和优化。
从事群体无人系统的控制算法、任务分配和协作策略的研究,以提升无人系统在复杂环境中的执行能力。例如,开发无人机群体用于情报收集、监视与侦察(ISR),或者无人车辆用于地面作战支持。