Pensavo che la scoperta delle capacità fosse solo un elenco.
I robot si connettono. Annunciano cosa possono fare. La rete lo memorizza da qualche parte e il pianificatore sceglie la macchina giusta in seguito.
Idea pulita.
Fabric( @Fabric Foundation ) non si comporta in questo modo.
Nel momento in cui un robot entra nella rete, inizia a emettere segnali di capacità robotica, distanza di raggiungimento, configurazione degli strumenti, larghezza di banda dei sensori, margine di calcolo. All'inizio sembra una semplice pubblicità delle abilità del robot, piccoli pacchetti che si diffondono attraverso la rete.
Ho scritto “elenco delle capacità.”
No.
Gli elenchi non cambiano ogni pochi secondi.
All'interno di Fabric, i segnali alimentano la scoperta delle capacità delle macchine, dove ogni robot diventa una descrizione in movimento di se stesso. Un braccio mobile ri-calibra la propria tolleranza alla presa. Un rover regola le stime di trazione dopo aver colpito un terreno accidentato. Lo strato di indicizzazione delle capacità delle macchine continua a riscrivere ciò che la rete pensa che ogni macchina possa fare.
Questo complica il passo successivo.
Quando appare un compito, il pianificatore non consulta un elenco fisso. Legge il campo attivo dei segnali delle risorse del sistema autonomo, assemblando mappe delle capacità del sistema autonomo prima di tentare l'abbinamento dei compiti multi-robot.
Il registro delle funzioni della macchina non smette mai di spostarsi sotto di esso.
È lì che risiede la tensione.
L'assegnazione dei compiti ha bisogno di stabilità.
Le macchine continuano ad aggiornare la propria descrizione attraverso la scoperta distribuita delle capacità e l'esposizione dei servizi robotici.
Fabric cerca di pianificare il lavoro su una mappa che rifiuta di rimanere ferma a lungo abbastanza da poter essere fidata.
E inizi a chiederti quale di loro si adatta per prima, i robot o il pianificatore che cerca di tenere il passo.