實時控制系統（Real-time Control System，RCS）是一個由美國NIST開發的參考模型架構，適合於許多軟件密集型的、實時的控制問題領域。實時控制系統的參考模型架構會定義實時智能控制系統需要哪些功能類型，以及這些功能類型之間的關係。
 | 此條目的語調或風格或許不適合百科全書。 (2019年9月18日) |
RCS不是系統設計，也不是描述如何實現特定系統的規範。RCS會以一組有良好基礎的工程學原則為基礎，訂定分層控制系統，來組織複雜的系統。每一層的控制處理節點都源自同一個泛用節點模型[1]。
RCS對於控制系統的設計、工程、整合及測試有全面性的方法。架構分析師會一直將系統的任務及資訊分割為較精細，有限範圍，可控制並且有效率的子單元。RCS着重於智能控制，可以適應不確定及沒有結構的作業環境。其主要關注點在感測、感知、知識、成本、學習、計劃及執行[1]。
簡介
參考模型架構是種正則型式，而非系統設計的規格。RCS參考模型架構結合了實時運動的規劃，以及高階任務計劃；解決問題、世界建模、疊代的狀態估計、觸覺及視覺的影像處理、聲音的特徵分析。而RCS概念的演化是受到文獻中已知的大部份智能控制系統的特質及能力所影響，設法要達到這些的特質及能力[2] 。
RCS是設計為智能代理架構，可以有任何程度的智能行為，甚至包括人類的程度在內。RCS是受到小腦（腦部控制精細運動協調以及有意識動作的區域）的理論模型所影響。一開始是設計為實驗室的操縱器，是感覺互動型，直接目標型的控制。在三十年後，已演化成針對智能機器工具、工廠自動化系統、智能自駕汽車的實時控制架構[3]。
RCS適用許多不同的問題領域，包括工廠生產以及車輛的應用。以RCS架構為基礎的系統已經用在許多不同的應用中，包括機床中零件及工具的裝載及卸載、加工工作站的控制、用機器手臂進行工件的去毛刺和倒角、控制太空站的遠端機械人、控制多個自動海底車輛、無人駕駛陸地車輛、自動採礦系統、郵務服務及處理系統，以及海底作業的自動化系統[2]。
歷史
隨着對於智能行為複雜性及其哲學的瞭解越來越多，RCS也演進出許多不同的版本。第一版的實現是在1970年代中期，由Barbera為感測互動機械人所設計[4]。
RCS-1是強調結合命令及感測回授，因此可以結合目標及狀態，計算適當的回應。此應用程式在視覺訴求的任務中，可以配合結構化的光學視覺系統來控制機械手臂。RCS-1明顯的受到數學模型的影響，像是Marr-Albus模型[5]以及小腦模型類神經網絡（CMAC）模型[6][2]。
若CMAC的一些輸出是直接回饋到輸入時，CMAC就變成有限狀態機。因此RCS-1可以實現為用不同控制層級分層規劃的一組狀態機。在每個層級，輸入命令會有效率的選擇一個行為，這些行為是以刺激-反應模型的反饋來驅動。因此CMAC就成為了RCS-1的參考模型建構模塊，如圖所示。
建構模塊的階層可以用來實現階層行為，如尼古拉斯·廷貝亨[7]及其他人所觀察到的一樣。RCS-1在許多層面類似羅德尼·布魯克斯的包容體系結構（subsumption architecture）[8]，不過RCS是以命令表示的目標來選擇其行為，而包容體系結構是由包容體系中的事實來選擇行為[2]。
下一代的RCS-2是由1980年代早期由國家標準技術研究所自動化製造研究基地（AMRF）的Barbera、Fitzgerald、Kent等人針對製造控制所開發[9][10][11]。基本的RCS-2建構模塊如圖所示。
RCS-2的H函數仍然是有限狀態機狀態表執行器。RCS-2的新功能是引入了由許多感測器處理演算法（包括結構光及Blob分析演算法）組成的G函數。其中，用RCS-2來定義八個層級的分層，包括伺服、座標轉換、E-Move、任務、Workstation、Cell、Shop及Facility levels of control。
最後只架設了前六層。有二個AMRF工作站完整實現了RCS-2中的五層。軍用領域Material Handling Robot （FMR）的控制系統[12]也是由RCS-2實現的，TMAP的無人地面載具計劃也RCS-2實現[2]。
RCS-3是設計在NBS/DARPA的多重自主水下載具（MAUV）專案中使用[13]，也適用於NASA/NBS為了太空站Flight Telerobotic Servicer所設計的標準參考模型遠端機械人控制系統架構（NASREM）[14]，其基本建構模塊如圖。
RCS-3中主要的新特徵是世界模型以及操作者界面。世界模型的引入是任務規劃以及模型為基礎的感測器處理的基基礎。因此也讓任務分解模塊（TD）再進行調整，其中包括了工作分配器、以及針對每一個分配到工作的子系統的規劃器以及執行器。這大致對應Saridis的[15]三層控制架構[2]。
RCS-4是由NIST的機械人系統部門在1990年代所設計。其基本建構模塊如圖所示。主要的主特點是明確的劃分出價值判斷（Value Judgment，簡稱VJ）系統。VJ模組在RCS-4系統中的功能類似邊緣系統在大腦中的作用。VJ模組中的程式會計算計劃行動的成本、效益及風險，並且針對物體、材料、區域、情境、事件及結果給多不同的價值。價值狀態變數會定義為結果重要的事情，或是需要參與、攻擊、防守、協助或是進行其他行動的物體或區域。價值判斷在智慧控制系統的應用是由George Pugh提出[16]。價值判斷模組的架構及功能主要是由Albus(1991)所完成[2][17]。
RCS-4使用了行為產生（behavior generation, 簡稱BG）來取代RCS-3的任務5分解（decomposition, TD）。這個調整是要強調自主決策的程度。RCS-4可用來在沒有高頻寬通信的非結構化環境下，處理高度自主性的應用，例如在戰場上使用的無人機、深海、或是遙遠的行星上。這些應用需要自主的價值判斷以及複雜的實時感知能力。RCS-3仍會用在要求比較低的應用中，像是製造業、工地、近太空或淺海的遠程機械人，這些環境比較有結構，而且比較可以有高頻寛的通訊。在這些應用中，價值判斷會包括在任務規劃的過程，或是由操作人員輸入[2]。
軟件
NIST依照RCS參考模型架構，已發展了實時控制系統軟件函式庫。有針對C++、Java及Ada的程式，也有巨集、工具、makefile及文件，讓程式設計者可以用在嵌入式系統中，特別是有使用針對智能系統設計的參考模型架構的程式[18]。
應用
- ISAM架構是在製造領域的RCS應用。
- 4D-RCS參考模型架構是在車輛領域的RCS應用。
- NASA/NBS Standard Reference Model for Telerobot Control Systems Architecture（NASREM）是在太空領域的應用。
參考資料
外部連結
Wikiwand in your browser!
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.
