基于运动图式的多机器人合作追捕

为实现多个机器人合作追捕目标机器人,以基于运动图式的反应式控制结构为基础,设计追捕机器人的4种基本行为：奔向目标,避开障碍物,避让队友以及收缩包围,为避免机器人陷入死锁状态,引入随机漫游行为。通过基本行为的矢量合成和机器人之间的局部交互作用,实现多机器人的协作行为。仿真试验验证了该方法的有效性。     

基于行为检测的机器人安全保护方法

机器人是一类典型的信息物理融合系统,由软件控制的机器人行为存在多种形式的安全问题。为了避免这些问题,提出一种基于行为检测的机器人安全保护方法。行为检测是指通过检测机器人执行行为之前和之后的状态,判断机器行为是否安全。该方法针对硬件限制、稳定性和碰撞冲突3个方面的行为安全问题,支持机器人执行行为之前对其进行建模和检测,提出碰撞冲突检测算法ACD。基于AOP技术实现该安全保护方法。基于NAO机器人开展了若干场景的实验,结果表明该方法可有效检测出危害机器人安全的行为并及时做出相应动作补偿。     

自主式微小型移动机器人的自动避障行为研究

针对多微小型移动机器人工作环境的模型未知或不确定,以及该机器人本身 的某些限制,采用基于行为的研究方法,实现了自行设计的自主式微小型移动机器人在未知 、动态环境中的自动避障,设计了该机器人的障碍物回避行为,采用了电机神经元网络选择 机器人的自动避障动作,并用增强式学习的动作评判结果在线修改网络的权值,结合机器人 的漫步行为,采用机器人的安全漫步任务验证了该方法的有效性．     

基于模糊逻辑的机器人导航系统研究

由于未知环境下机器人导航容易出现死锁问题,设计了一种基于栅格的地图模型叫“数据栅格”,并在此基础上提出了一种基于行为的导航方法即“安全导航法”。数据栅格记录了周围环境中障碍物信息和机器人路径信息,安全导航法就是应用数据栅格技术来解决未知环境下机器人导航遇到的死锁问题。模糊逻辑用来设计和协调各种导航行为。仿真和实际环境的实验结果也证实了该方法的良好性能。     

基于行为的机器人编队控制研究

建立了一种基于行为的机器人编队控制结构模型，该结构采用分层控制策略，全局控制器根据当前所有机器人的状态从一个有限状态机中选择下一步机器人的行为，将协调控制量发送给各机器人，各机器人再通过局部控制器对自身进行控制。该结构模型简单、易行，并且适用于机器人不同任务的需要，具有很高的灵活性，而且易于仿真实现。在此基础上，将一类机器人模型进行反馈线性化，再根据编队控制的要求，利用后推方法设计控制律。仿真结果表明这种结构模型和控制算法是有效的。     

基于行为的自主微小移动机器人智能体系结构研究

该文提出了一种模拟人类学习与进化过程的机器人智能体系结构,微小机器人利用设计人员事先设计的机器人基本行为,根据实际环境和具体任务要求,采用增强学习方式,通过群体行为进化,自主创建满足任务要求和适应环境的具体动作。克服了设计人员在采用基于符号的传统人工智能方法时,由于对外部环境和任务的认识不足而造成的局限性,使机器人的行为动作更适合环境和任务要求。     

未知环境下势场法路径规划的局部极小问题研究

势场法路径规划的局部极小问题已经受到了多年关注, 本文针对环境完全未知的情况为移动机器人设计了一种基于行为的解决方法. 该方法通过合理设计各种行为间的转换条件以保证可靠性, 并引入记忆信息以增强机器人对周边环境的认知能力, 从而降低决策的盲目性, 更准确地决定当前应采用的合适行为. 本文方法对于凸形边界障碍物的有效性得到了证明. 针对一些复杂的凹形边界障碍物, 仿真结果表明, 该方法相对于一些已有方法更加可靠. 基于真实机器人的实验验证了该方法的可行性.     

多障碍物环境下机器人的连续避障策略

本文针对多障碍物环境下,机器人避障过程中又出现障碍物这一情况,设计了一种避障策略,来实现机器人的连续避障并到达指定目标点的功能。在该策略中,设计了一套基于避障状态的方向选择规则,并提出了一种象限法,来决定机器人的当前行为。实验证明,该策略实现简单,并可较大限度地降低避障行为的盲目性和重复性。     

基于强化学习和模糊逻辑的移动机器人导航

自主导航是移动机器人的一项关键技术。该文采用强化学习结合模糊逻辑的方法实现了未知环境下自主式移动机机器人的导航控制。文中首先介绍了强化学习原理,然后设计了一种未知环境下机器人导航框架。该框架由避碰模块、寻找目标模块和行为选择模块组成。针对该框架,提出了一种基于强化学习和模糊逻辑的学习、规划算法：在对避碰和寻找目标行为进行独立学习后,利用超声波传感器得到的环境信息进行行为选择,使机器人在成功避碰的同时到达目标点。最后通过大量的仿真实验,证明了算法的有效性。     

面向任务教育机器人编程方法及实现

针对传统教育仿人机器人面向过程的流程式编程不易学习、使用以及对环境适应性差的问题,设计了一种面向任务的图形化教育仿人机器人编程方法.该方法基于行为反应式的控制方式,采用有限状态机模型实现任务层和行为层的协调机制,并构建了完整的控制系统,包括上层编程环境和下层控制器.通过教育仿人机器人障碍赛的实验,说明该编程方法适用于不确定环境编程,具有模块化和开放性的特点.     

冬奥冰壶六足机器人研究

冰壶六足机器人是北京2022年冬奥会组委会需求的唯一进入冬奥会赛场的机器人。开发该机器人的目的是借助北京冬奥会展示我国机器人的自主创新能力和水平。我们重视独特设计创意,通过模仿冰壶运动员投掷冰壶的“行为特征”来设计和开发冰壶六足机器人。冰壶六足机器人设计面临多项挑战,要解决模仿人投掷冰壶行为的六足机器人的构形综合、投掷冰壶任务链与机器人行为链关联特征建立、机器人击打冰壶行为规划等问题。研制的冰壶六足机器人在北京2022年冬奥会冰立方冰壶赛场上顺利完成击打冰壶表演。     

基于开放式多智能体结构的分布式自主机器人系统

针对多机器人系统的分布式自主控制,本文首先提出了一种开放式的多智能体结构,给出了 设计原则和技术特点．然后面向真实世界的多机器人实时协作任务,采用多台自主移动机器 人构造了一个多机器人系统, 该系统集成了包括机器人视觉、传感器融合、无线通讯网络 以及基于行为控制等多项技术．最后采用基于行为融合的加权方法,实现了多机器人的编队 控制,实验结果表明了上述体系结构与方案的有效性．     

基于宏行为的侦察机器人事务执行机制研究

为了便于操作员在侦察现场进行事务规划，提出了基于宏行为的事务描述方法和事务执行机制．按照机器人对环境变化的响应方式的不同，将机器人的行为分成基本行为、组合行为和宏行为，给出了描述这些行为的方法和一个宏行为的设计实例．引入了基于RS模型的行为合成运算符合成机器人行为的方法，从而可以形式化地构建侦察机器人的事务描述．实现了能够解释和执行事务描述的、基于宏行为的事务执行器．仿真和实验结果表明提出的任务描述方法可行，事务执行器能够可靠地完成事务描述所规定的任务．     

基于神经网络的进化机器人组合行为方法研究

为了克服传统机器人设计方法存在的局限性,提高机器人的自适应能力,采用神经网络方法实现了进化机器人避碰、趋近及其组合行为学习,首先,提出了新的机器人模拟环境和机器人模型,结合了采用神经网络实现进化学习系统的方法。其次,对具有进化学习机制的机器人基本行为和组合行为学习系统进行了仿真,并通过仿真证明了新模型不要求环境知识的完备性,机器人具有环境自适应学习能力,还具有结构简洁、易扩展等特点,最后,对仿真结果进行分析与讨论,并提出了进一步研究方向。     

基于行为的机器人部队队形控制方案

提出了一种适用于实时动态环境下机器人力队的基于行为的分布式实时队形控制算法。研究了这种基于行为的方案在遇到大体积障碍物时行为,仿真过程表明该法既能使机器人动态分组、各自规划,又能机器人部队作为一个整体维持队形。该算法可使机器人形成和保持任意队形,同时集成了避障和导航的能力。最后指出了算法在控制机器人团队转向或避障运动时的问题出现的原因以及改进方法。     

基于混合式控制结构的多机器人编队控制研究

针对多机器人的编队控制问题,提出把基于Motor Schema的反应式控制结构和分层式结构结合起来,设计了一种混合式体系结构。根据反应式结构设计了四种基本行为,并提出利用模糊神经网络来设计各种行为。最后利用神经元来融合各种行为的输出作为最终的输出,控制执行器来执行动作。该方法提高了整个编队系统的智能性和环境适应性。通过仿真验证了该方法的可行性和有效性。     

BP神经网络控制的多机器人运动功能的实现

本文针对多个机器人在简单环境中的运动问题,将BP网络应用于机器人的行为控制,讨论了该方法的合理性。实验结果表明了该方法的有效性。     

输电线路除冰机器人行为控制研究

介绍了输电线路除冰机器人的研究现状.针对其工作环境恶劣、不确定因素多的特点,提出了基于马尔可夫决策的行为控制器的设计方法.该方法首先定义了输电线除冰机器人的马尔可夫模型,然后给出了相应的最优方针搜索策略,还给控制器添加了概率调节机制,以达到执行效果反馈的目的.为解决机器人作业中的突发情况,在该方法中还引入了人工辅助和行...     

BP神经网络控制的多机器人运动功能的实现

本文针对多个机器人在简单环境中的运动问题,将BP网络应用于机器人的行为控制,讨论了该方法的合理性.实验结果表明了该方法的有效性.