изменение структуры робота – поломка. Еще одна проблема заключается в том, что искусственно синтезированная ДНК, попадая в живую клетку, рассматривается клеткой как ДНК (что неудивительно…) и как следствие может быть подвергнута процедуре копирования. Соответственно системы управления, разрабатываемые для ДНК наномеханических роботов должны учитывать плановые отказы роботов, связанные с копированием, а также возможность появления копий роботов или их отдельных узлов.
Кроме перечисленных проблем, адаптация систем управления для нанороботов сопряжена с необходимостью учета возможности отторжения иммунной системой. С
другой стороны, некоторые из возникающих проблем при определенных условиях могут быть превращены в преимущества. Например, создавая хранилище знаний для расширения функциональности наноробота, мы расширяем его функциональность уже самим фактом появления хранилища. На первый взгляд это сомнительное преимущество, поскольку дополнительная информация, сообщаемая самой конструкцией хранилища может быть сама размещена в хранилище. Однако это не всегда так. В частности, для ряда классов трансдьюсеров языки, печатаемые этими трансдьюсерами, не распознаваемы трансдьюсерами из этих классов [115]. Таким образом, при грамотном подходе к построению хранилища информации для наноробота может оказаться, что конструкция хранилища будет более сложной информацией, чем то, что в нем хранится. Совершенно очевидно, что данный факт нельзя не учитывать при разработке систем коммуникации для нанороботов. Работа иммунной системы при определенных условиях тоже может быть положительной.
Иммунная система достаточно хорошо изучена. Естественная иммунная система представляет собой сложный комплекс механизмов защиты от патогенных организмов.
Основные цели иммунной системы: распознавание всех клеток организма,
классификация их по принципу «свой – чужой», классификация чужих клеток по степени их опасности, нахождение подходящих механизмов защиты от опасных чужих клеток, запуск механизмов защиты. Иммунная система, работающая на клеточном уровне, состоит из клеток, называемых лимфоцитами [116]. Лимфоциты делятся преимущественно на две группы: T-клетки и B-клетки. Лимфоциты разных типов могут совместно бороться с опасными чужими клетками, либо действовать на лимфоциты другого типа, усиливая или понижая их активность. Когда лимфоциты обнаруживают
176
чужую клетку, они начинают производить антитела, предназначенные для уничтожения или нейтрализации чужой клетки. Информация о чужой клетке сохраняется в памяти иммунной системы. Поэтому повторное вторжение иммунная система будет отражать более успешно. Кроме иммунной системы, функционирующей на клеточном уровне, существует иммунная система, работающая внутри клетки. Эта система состоит из молекул РНК и ферментов, а также некоторой «базы знаний»,
записанной в ДНК. Деятельность этой системы сводится к уничтожению чужеродного или бракованного генетического материала, а также выработке механизмов компенсации мутаций. Хотя конструктивные элементы иммунных систем клеточного и субклеточного уровней существенно отличаются, принцип их функционирования отличается мало. Естественные иммунные системы дают нам интересный пример эффективной распределенной системы, позволяющей решать сложные вычислительные задачи. На сегодняшний день существует ряд теорий [117] – [119] и математических моделей [120], [121] для объяснения феномена иммунитета. Имеется ряд компьютерных моделей [122] – [124] для симуляции различных частей иммунной системы. Разработано также несколько моделей интеллектуальных вычислений для решения алгоритмических проблем [116], [117], [120], [125] – [130]. Таким образом,
вместо попыток преодоления иммунной системы можно использовать ее как естественный вычислительный механизм. К сожалению, большинство существующих моделей Bottom – Up AI рассматривают среду, в которой функционирует робот,
преимущественно как набор препятствий. В то же время ДНК наномеханические роботы теоретически могут извлекать существенную пользу из среды, в которой они функционируют. В частности, работая в живой клетке, они могут получать от нее топливо, строительный материал. Они могут использовать естественную ДНК как внешний носитель информации. Соответственно они могут считывать эту информацию или инициировать на основе этой информации синтез каких-либо полезных молекул или других роботов.
Вопрос о том, как и почему движется человеческое тело, с древнейших времен привлекал большое внимание исследователей. В результате сформировалась отдельная область знания, называемая теория действия. Хотя базовая идея теории действия была изложена еще Аристотелем (см. [131]), она сохранила свою актуальность и в наши дни
177
(см., например, [132]). Более того, область ее применения существенно расширилась в связи с появлением различных робототехнических устройств (см., например, [133], [134]). Суть этой идеи наиболее ярко отражена в вопросе Витгенштейна (см. [135]):
―What is left over if I subtract the fact that my arm goes up from the fact that I raise my arm?‖
Этот вопрос приводит к идее разделения собственно перемещения и того, что побуждает к этому перемещению. Нас могут интересовать самые различные изменения систем. Например, в случае человека это могут быть загар, покраснение или перемещения внутренних органов. В случае роботов – включение – выключение лампочки, изменение магнитного поля или давления масла и т.д. Учитывая то, что интересующее нас «движение», вообще говоря, не обязано быть чисто механическим или, будучи механическим, может быть не связано с изменением положения системы в пространстве, наиболее естественным представляется подход, основанный на описании
«перемещений» при помощи абстрактных состояний. При этом мы полагаем, что система может принимать конечное множество
a[1], a[2], … , a[m]
абстрактных состояний. Соответственно, движение – это изменение состояния системы.
Вопросы, связанные с формализацией побуждения к движению, представляются наиболее трудными и интригующими. Попытки формализации побуждения существенно зависят от рассматриваемой системы. Однако для всех систем можно выделить две основные составляющие: механизм принятия решения и множество
b[1], b[2], … , b[k]
управляющих последовательностей. При этом мы полагаем, что любой переход из одного состояния в другое может быть описан при помощи некоторой управляющей последовательности. В этом случае в рамках теории действий управляющие
178
последовательности обычно называются действиями. При рассмотрении теории действия для человека основной интерес представляет изучение механизма принятия решения. Это связано с тем, что существенная часть проблем моделирования уже решена Природой. В частности, исследователю не надо конструировать ни систему состояний, ни систему действий. Не надо задумываться и над тем, где и как хранить правила взаимодействия состояний и действий. В случае же робототехнических систем разработку модели движения приходится начинать с «чистого листа». При построении моделей динамических систем, описывающих действия, осуществляемые системами,
общий подход основан на рассмотрении эволюции состояния системы в зависимости от действий. Соответственно базовой проблемой моделирования движения робототехнических систем является создание модели описания взаимодействия состояний и действий. В том случае, когда у нас есть полная информация об изменении системы в зависимости от осуществляемых действий, эта информация может быть представлена как ориентированный граф с взвешенными дугами, вершинами которого являются состояния системы, а весами – действия. При этом сами дуги отражают изменение состояний в зависимости от действий. Эта модель достаточно удобна в применении, хотя и требует слишком больших затрат памяти. Например, у робота
KAMRO (Karlsruhe Autonomous Mobile Robot) (см., например, [136] – [140]),
разработанного Institute for Real-Time Computer Systems and Robotics (IPR),
конструкция состоит из мобильной платформы, двух манипуляторов и нескольких сенсоров. Учитывая то, что количество состояний этого робота сравнительно мало, для управления этим роботом можно безболезненно пользоваться графом действий. У
гуманоидного робота Nao AI-05, созданного в 2005 году Aldebaran Robotics, двадцать пять степеней свободы [141]. Робот Honda Humanoid Robot, созданный Honda Corporation, имеет тридцать степеней свободы [142], [143]. Даже такое небольшое количество степеней свободы, как отмечено, например, в [144], приводит к весьма значительному количеству состояний O(230) и существенно затрудняет использование теоретико-графовой модели теории действий. Эта проблема приобретает катострофический размах при переходе на наноуровень. Особенно в случае ДНК.
Рассмотрим, например, две молекулы ДНК одинаковой длины n, одна из которых целиком состоит из нуклеотидов A, а другая – из нуклеотидов T. Только различные
179
варианты образования комплементарных связей A – T обеспечат этой системе из двух молекул существенно больше O(2n) состояний. С учетом того, что даже у уже существующих ДНК наномеханических роботов количество нуклеотидов в одной молекуле может превышать 109, а количество самих молекул может быть более 1012,
количество состояний ДНК наномеханических роботов может быть больше экспоненты от 1021. Совершенно ясно, что построение теоретико-графовой модели теории действий для таких роботов абсолютно невозможно. Другой подход к моделированию теории действий для роботов основан на рассмотрении логических теорий, описывающих правила изменения состояний в зависимости от действий (см., например, [145], [146]).
Использование динамических логик позволяет существенно снизить затраты памяти.
Однако такой подход нередко приводит к значительному повышению вычислительной сложности решаемых проблем (см., например, [147]), что тоже неприемлемо. Довольно часто существенно снизить вычислительную нагрузку позволяет переход от моделирования состояний всей роботизированной системы к моделированию отдельных узлов. Например, рассмотрим робот видеонаблюдения. Пусть V – робот,
состоящий из двух камер, способных работать в единственном режиме съемки. При этом камеры могут независимо друг от друга выполнять команды поворота по часовой стрелке вокруг своей оси на фиксированный угол. Первая камера может выполнять только команду p[1], предписывающую поворот на угол 2π / m для некоторой натуральной константы m. Соответственно вторая камера может выполнять только команду p[2], предписывающую поворот на угол 2 π / n для некоторой натуральной константы n. Выберем для каждой из камер некоторое положение в качестве положения с нулевым углом поворота. Из определения робота V очевидным образом следует, что его состояние полностью определяется парой углов поворота камер (φ,ψ),
где
φ= 2jπ / m, 0 ≤ j ≤ m-1,
ψ= 2jπ / m, 0 ≤ j ≤ n-1.
Множество команд, которые может выполнять робот, имеет вид
180