Un sistema de control jerárquico ( HCS ) es una forma de sistema de control en el que un conjunto de dispositivos y software de control se organiza en un árbol jerárquico . Cuando los vínculos del árbol se implementan mediante una red informática , entonces ese sistema de control jerárquico también es una forma de sistema de control en red .
Un sistema construido por humanos con un comportamiento complejo suele estar organizado como una jerarquía. Por ejemplo, una jerarquía de mando tiene entre sus características notables el organigrama de superiores, subordinados y líneas de comunicación organizacional . Los sistemas de control jerárquico se organizan de manera similar para dividir la responsabilidad de la toma de decisiones.
Cada elemento de la jerarquía es un nodo vinculado en el árbol. Los comandos, las tareas y los objetivos que se deben alcanzar fluyen hacia abajo por el árbol desde los nodos superiores a los nodos subordinados, mientras que las sensaciones y los resultados de los comandos fluyen hacia arriba por el árbol desde los nodos subordinados a los superiores. Los nodos también pueden intercambiar mensajes con sus hermanos. Las dos características distintivas de un sistema de control jerárquico están relacionadas con sus capas. [1]
Además de los sistemas artificiales, se propone que los sistemas de control de un animal estén organizados como una jerarquía. En la teoría del control perceptivo , que postula que el comportamiento de un organismo es un medio para controlar sus percepciones, se sugiere que los sistemas de control del organismo estén organizados en un patrón jerárquico, ya que sus percepciones están construidas de esa manera.
El diagrama adjunto es un modelo jerárquico general que muestra los niveles de fabricación funcionales utilizando el control computarizado de un sistema de control industrial.
Refiriéndonos al diagrama;
Entre los paradigmas robóticos se encuentra el paradigma jerárquico en el que un robot opera de arriba hacia abajo, con un gran énfasis en la planificación, especialmente la planificación del movimiento . La ingeniería de producción asistida por computadora ha sido un foco de investigación en el NIST desde la década de 1980. Su Instalación de Investigación de Fabricación Automatizada se utilizó para desarrollar un modelo de control de producción de cinco capas. A principios de la década de 1990, DARPA patrocinó una investigación para desarrollar sistemas de control inteligente distribuidos (es decir, en red) para aplicaciones como sistemas de comando y control militares. El NIST se basó en investigaciones anteriores para desarrollar su Sistema de Control en Tiempo Real (RCS) y su Software de Sistema de Control en Tiempo Real , que es un sistema de control jerárquico genérico que se ha utilizado para operar una celda de fabricación , una grúa robot y un vehículo automatizado .
En noviembre de 2007, la DARPA organizó el Urban Challenge . El proyecto ganador, Tartan Racing [2], empleó un sistema de control jerárquico, con planificación de misiones en capas , planificación de movimientos , generación de comportamiento, percepción, modelado del mundo y mecatrónica . [3]
La arquitectura de subsunción es una metodología para desarrollar inteligencia artificial que está fuertemente asociada con la robótica basada en el comportamiento . Esta arquitectura es una forma de descomponer un comportamiento inteligente complicado en muchos módulos de comportamiento "simples", que a su vez se organizan en capas. Cada capa implementa un objetivo particular del agente de software (es decir, el sistema como un todo), y las capas superiores son cada vez más abstractas. El objetivo de cada capa subsume el de las capas subyacentes, por ejemplo, la decisión de avanzar por parte de la capa de comer alimentos tiene en cuenta la decisión de la capa inferior de evitar obstáculos. El comportamiento no necesita ser planificado por una capa superior, sino que los comportamientos pueden ser desencadenados por entradas sensoriales y, por lo tanto, solo están activos en circunstancias en las que podrían ser apropiados. [4]
El aprendizaje por refuerzo se ha utilizado para adquirir comportamiento en un sistema de control jerárquico en el que cada nodo puede aprender a mejorar su comportamiento con la experiencia. [5]
James Albus , mientras trabajaba en el NIST, desarrolló una teoría para el diseño de sistemas inteligentes llamada Arquitectura de Modelo de Referencia (RMA), [6] que es un sistema de control jerárquico inspirado en el RCS. Albus define cada nodo para que contenga estos componentes.
En sus niveles más bajos, la RMA puede implementarse como una arquitectura de subsunción, en la que el modelo mundial se asigna directamente al proceso controlado o al mundo real, evitando la necesidad de una abstracción matemática, y en la que la planificación reactiva con restricciones temporales puede implementarse como una máquina de estados finitos . Sin embargo, los niveles más altos de la RMA pueden tener modelos matemáticos mundiales sofisticados y comportamientos implementados mediante planificación y programación automatizadas . La planificación es necesaria cuando ciertos comportamientos no pueden ser desencadenados por sensaciones actuales, sino más bien por sensaciones predichas o anticipadas, especialmente aquellas que surgen como resultado de las acciones del nodo. [7]