Linus Groß M.Sc.
Regelung von Multiagentensystemen
Kontakt
linus.gross@tu-...
work +49 6151 16-25055
fax +49 6151 16-25058
Work
S3|10 409
Landgraf-Georg Straße 4
64283
Darmstadt
Multiagentensysteme
Ein Multiagentensystem beschreibt ein System aus mehreren Einheiten, welche kollektiv als ein System agieren. Systeme aus mehreren Agenten treten in der Technik (mobile Roboter, Drohnen), Biologie (Vogelschwärme) oder IT-Technik (Computernetzwerke) auf. Ein anschauliches Beispiel für ein technisches Multiagentensystem sind mehrere Drohnen, welche gemeinsam in der Luft fliegen.
Die Drohnen/Agenten werden hierbei nicht zentral von einer Recheneinheit gesteuert. Vielmehr werden die Entscheidungen dezentral von jedem Agenten selbst getroffen. Die Agenten kommunizieren hierfür über ein Netzwerk und tauschen Informationen wie die Position oder Geschwindigkeit miteinander aus. Der Austausch erfolgt hierbei nur lokal mit benachbarten Drohnen, sodass jedem Agenten folglich nur die Informationen über sich selbst und seinen Nachbarn vorliegen. Basierend auf diesen Informationen trifft nun jeder Agent dezentral seine Entscheidung für sich selbst. Bemerkenswert ist nun, dass (trotz des dezentralen Verhaltens der einzelnen Agenten) ein Multiagentensystem gemeinsam als ein kollektives System intelligent agieren kann und somit globale Ziele erreichen kann.
An das beispielhafte Multiagentensystem aus Drohnen können verschiedene Aufgaben gestellt werden:
- Konsensus: Die Drohnen haben die Aufgabe sich zu synchronisieren, indem sie beispielsweise auf eine gemeinsamen Flughöhe fliegen. Die Flughöhe muss hierbei nicht von außen vorgegeben werden, vielmehr einigen sich die Drohnen auf eine gemeinsame Flughöhe aufgrund der dezentralen Steuerung und des dezentralen Informationsaustausches. Jede Drohne nähert dabei ihre Flughöhe an seine Nachbarn an. Die resultierende Flughöhe ergibt sich aus der kollektiven Annäherung der Drohnen aneinander.
- Leader-Follower: Das Multiagentensystem aus Drohnen (Follower) hat die Aufgabe, einer Führungsdrohne (Leader) zu folgen. Hierbei kann dem Leader beispielsweise eine Flughöhe und ein Flugpfad vorgegeben werden, welchem die Drohnen in Kollone hinterherfliegen.
- Formation: Den Drohnen wird eine Formation vorgegeben, welche sie in der Luft einzuhalten haben. In Formation soll nun, auch bei Störeinflüssen wie Wind, ein Flugpfad geflogen werden. Ein sehr anschauliches Beispiel für dieses Konzept sind Drohnenshows, wie beispielhaft in diesem Video.
Forschungsgebiet
Damit Multiagentensysteme die gestellten Aufgaben erfolgreich absolvieren können, ist das Systemverhalten des Multiagentensystems als Ganzes zu untersuchen. Die mathematische Beschreibung des Gesamtsystems setzt ich aus verschiedenen Komponenten zusammen:
- Das dynamische Verhalten der einzelnen Agenten, welches im Allgemeinen nichtlinear ist. Insbesondere kann sich die Dynamik der verschiedenen Agenten auch unterscheiden, wenn beispielsweise Roboter mit Drohnen in einem Multiagentensystem agieren.
- Die Kommunikation der Agenten wird über einen Graphen dargestellt. Die Knoten stellen die Agenten dar und die vorhandenen Kanten die möglichen Kommunikationspfade. Es ist ersichtlich, dass die Vernetzung des Graphen einen Einfluss auf das Verhalten des Gesamtsystems hat.
- Der Regler des Multiagentensystems, welcher die Stellgrößen der einzelnen Agenten in Abhängigkeit von den eigenen Zuständen und den Zuständen der Nachbarn festlegt.
- Weitere Einflüsse wie beispielsweise Totzeiten im Kommunikationsnetzwerk müssen auch berücksichtigt werden.
Für die mathematische Beschreibung von Multiagentensystem werden hierfür Methoden aus der nichtlinearen Regelungstechnik, der Systemtheorie und Graphentheorie verwendet. Auch finden Ansätze aus der Optimierung, dem Machine Learning, der Model Predictive Control uvm. Anwendung.

5 mobile Roboter als Multiagentensystem in der xy-Ebene. In grau dargestellt ist das Kommunikationsnetzwerk der Agenten untereinander.
Titel der Arbeit | Typ | Status |
---|---|---|
(wird in neuem Tab geöffnet) Automatisierte Labyrinthlösung mit einem JetBot (Micromouse) | Bachelorarbeit | offen |
(wird in neuem Tab geöffnet) Bipartiter Konsensus in linearen Multiagentensystemen | Bachelorarbeit | geschlossen |
(wird in neuem Tab geöffnet) Identifikation + Modellbildung der Dynamik eines mobilen Roboters | Bachelorarbeit / Masterarbeit |
geschlossen |
Fragmentierung von mittels Mikrofluidspinnen hergestellten Hydrogelfasern für den 3D Biodruck (externe Arbeit) | Bachelorarbeit | laufend (Start Juni 2023) |
(wird in neuem Tab geöffnet) Platooning – automatisierte Kolonnenfahrt vernetzter Fahrzeuge | Proseminar | laufend (Start Juli 2023) |
End-to-End Simulation and Digital Twin from R&D to Manufacturing: A State-of-Art Review and Implication of KPI Predication for Continental (externe Arbeit) | Masterarbeit | laufend (Start August 2023) |
Adaptive Ansichtenplanung und Robotersteuerung für autonome 3D-Digitalisierung von flachen Oberflächen (externe Arbeit) | Masterarbeit | laufend (Start: Feb. 2023) |
(wird in neuem Tab geöffnet) Kollisionsfreie Trajektorienfolgeregelung eines Multiagentensystems mittels Reinforcement Learning | Masterarbeit | abgeschlossen (August 2023) |
Untersuchung von Ansätzen für die kooperative Trajektorienplanung mehrerer mobiler Roboter auf Basis der Spieltheorie (externe Arbeit) | Masterarbeit | abgeschlossen (Mai 2023) |
(wird in neuem Tab geöffnet) Literaturrecherche zur Simulation eines Schwarmverhaltens | Proseminar | abgeschlossen (Jan. 2023) |
(wird in neuem Tab geöffnet) Implementierung eines Multiagentensystems mit JetBots | Masterarbeit | abgeschlossen (Mai 2023) |
(wird in neuem Tab geöffnet) Kollisionsfreie Formationsregelung eines Multiagentensystems | Masterarbeit | abgeschlossen (Mai 2023) |
Entwicklung eines Cyber-Zwillings einer Drohne auf einer IoT- Plattform (externe Arbeit) |
Masterarbeit | abgeschlossen (Sept. 2022) |