协作机器人学的研究现状与发展

随着机器人向系统应用的方向发展，提出了由多机器 人构成的群体或社会的组织与控制问题．多机器人协作问题已成为机器人学研究领域的热点 之一．其中基于分布式人工智能中多智能体系统理论，研究多机器人协作问题正受到普遍关 注．本文对协作机器人学的研究现状进行了综述，并展望了其未来的发展．     

方兴未艾的多智能体机器人技术

目前的工业系统正向大型、复杂、动态和开放的方向转变,传统的工业系统和多机器人技术在许多关键问题上遇到了严重的挑战.分布式人工智能(DAI,Distributed Artificial Intelligence)与多智能体系统(MAS,Multi-AgentSystem)理论为解决这些挑战提供了一种最佳途径.将DAI、MAS充分应用于工业系统和多机器人系统的结果,便产生了一门新兴的机器人技术领域-多智能体机器人系统(MARS,Multi-Agent Robot System),MARS技术正在蓬勃发展之中.     

基于多智能体的多机器人控制研究

多机器人控制是目前机器人研究的关键问题,本文以足球机器人为研究平台,首先讨论多智能体系统的组织结构和智能体的体系结构;然后,基于多智能体理论,组建多机器人系统,提出一种适用性广泛的多机器人协作控制方案,主智能体和辅助智能体相互协作,降低多机器人系统控制的复杂度.提高了控制效率.实验结果证明该协作控制方案的优越性.     

协作多机器人系统的模块化设计与实现

本文从讨论基于分布式人工智能(DAI)中多智能体系统(MAS)理论的多机器人的合 作策略入手,先提出了适用于多机器人合作机制的系统控制结构,再针对具体任务背景,对 多机器人系统的结构和功能进行了模块化分解,设计了系统原型．最后简要地介绍一下利用 面向对象技术完成的仿真系统程序实现．     

多Agent的群体组织权力划分与协调机制研究

Agent的理论、技术,特别是多Agent的理论、技术,为分布式开放系统的分析、设计和实现提供了一个崭新的途径。目前,对Agent的研究大致分为智能Agent,多Agent系统（multi-agent system,简称MAS）的面向Agent的程序设计（agent oriented programming,简称AOP）这3个相互关联的方面。对多Agent系统的群体组织结构进行深入研究,给出Agent的组织原则,权力分配原则,权力实施原则和在领导Agent的权力作用下进行协作工作的机制。     

基于角色和协作场景的MAS管理模型及应用

MAS协作管理是实现Multi-Agent协同工作的关键理论与技术。本文通过引入基于角色的策略和Agent协作场景ACS,提出了一种面向MAS的多Agent协作管理参考模型MACM^2（Multi-Agent Collaboration Management Model）,并给出它在基于智能体的网络文本信息检索系统中的具体应用。该模型在实际系统中解决了协作管理的复杂性问题,提高了Agent的协作能力,同时也降低了系统开销。     

基于传感器信息的多机器人任务分配研究

多机器人协作是当前机器人学和人工智能的研究热点之一。针对多机器人系统中的任务分配问题,提出一种基于集中式和分布式的混合式控制结构,在机器人得到传感器信息后,使用合同网协议来完成任务分配,最终实现多机器人协作。在player/stage仿真平台进行的实验表明:多机器人系统能够有效地进行任务分配与协作,提出的解决方案是行之有效的。     

多智能主体协作规划理论及其在RoboCup中的应用

机器人足球赛是近年人工智能迅速发展起来的一个重要的研究领域。基于此平台，研究了将规划、竞争、约束、协调纳入一个协作规划框架之中的多智能体协作规划理论，并将其分为5个阶段①产生协作目标；②协作规划；③寻求协作伙伴；④选择协作方案；⑤实现所确定的目标。最后探讨了应用到机器人足球赛的一些技术问题。在比赛中，决策速度也较好。     

多智能体团队合作在机器人足球赛中的应用

Robocup机器人足球比赛是近年来人工智能和机器人学迅速发展的一个重要的研究领域,通过这个平台,可以来评价各种理论和算法。但由于机器人足球比赛系统固有的动态性、不确定性及实时性,这就要求整个智能体团队的合作结构能够应付这种复杂环境。针对这点,文中探讨了一种基于阵型和角色的方法来实现多智能体的团队合作,通过应用到客户端程序上所取得的良好效果,证明此方法对于多智能体的团队合作是有效的。     

机器人点焊工作站在汽车制造中的应用

机器人焊接系统属于多智能体系统（Multi—Agent systems，MAS），机器人点焊系统集成的关键是如何处理好MAS的通信和工作协调。本文介绍汽车车身机器人点焊的工作流程，重点介绍了机器人点焊工作站的控制原理及工作站集成技术。     

基于强化学习的多Agent协作研究

强化学习为多Agent之间的协作提供了鲁棒的学习方法．本文首先介绍了强化学习的原理和组成要素，其次描述了多Agent马尔可夫决策过程MMDP，并给出了Agent强化学习模型．在此基础上，对多Agent协作过程中存在的两种强化学习方式：IL(独立学习)和JAL(联合动作学习)进行了比较．最后分析了在有多个最优策略存在的情况下，协作多Agent系统常用的几种协调机制．     

面向装配作业的多机器人合作协调系统

分布、自主、协调与合作是多机器人系统的发展趋势 ．本文作者在研究易于协调合作的多机器人系统的基础上,采用分层递阶和多Agent概念, 构造了一个装配系统——MROCAS系统．该系统具有任务自动建模分解,快速重组、良好柔性 、友好人机界面,各机器人具有一定自主能力等特点．它实现了在较复杂环境下快速完成装 配作业．     

一种基于双向选择的多Agent系统自动集成方案

多Agent系统集成方案的选择能极大程度地影响多Agent系统的性能。目前大多数的多Agent系统集成方案只关注于系统级的行为与性能。本文在关注多Agent系统性能的同时,也关注各个Agent的收益。本文提出一种基于双向选择的多Agent系统集成方案,在此方案中,Agent根据自身的意愿选择合适的角色进行申请,同时角色根据对各个Agent的信任值选择合适的Agent来承担其任务。实验表明,随着若干次系统学习,多Agent系统协作任务完成时间能较快地下降,Agent在单位时间内的收益逐步提高。     

基于系统体系结构的多agent协作

多agent系统提供了一种解决复杂问题的分而治之的方法，这就使得agent间的相互协作成为多agent系统研究的一项重要内容，而系统的体系结构直接影响到agent之间的协作。文中主要讨论了基于体系结构的多agent协作，介绍了几种常见的多agent系统体系结构，并提出了一种基于联邦结构的agent协作。     

多Agent系统分布式问题求解的代数模型方法(Ⅰ): 社会行为、社会局势和社会动力学

该组论文提出一种新的代数模型方法，用于多Agent系统超分布超并行社会智能问题求解，该方法通过社会动力学和社会智能，统一地处理各种复杂的并行的社会行为，用于求解用常规方法难以处理的许多社会交互问题，本文是组合论文中第一篇，提出多Agent系统分布式问题求解的代数模型结构，讨论多Agent系统中典型社会行为模式及其性质，建立形式化描述，同时也论述了代数模型中的社会局势和社会动力学。     

多输入多输出系统的数据分层建模

为了高效准确地实现多输入多输出系统的数据建模,本文提出了数据分层建模算法.将多输入多输出数据建模问题分解为一系列单输入多输出的建模问题,同时改进标准遗传编程算法,将单树表示的的个体结构扩展为向量树的进化个体,实现多输出系统的自动建模.通过大量的计算实例表明,这种算法可以实现复杂的多输入多输出系统的建模,提高数据建模的效率和精度.     

面向Agent的分析设计方法在大型系统研究开发中的应用

本文通过对Agent模型及多Agent系统体系结构 的研究,分析了面向Agent的分析设计方法的特点,总结了面向Agent的分析设计方法在大型 工程系统研究与开发中的主要应用,包括在先进制造领域的应用系统设计、机器人的协作控 制以及在INTERNET上的应用,指出了面向Agent的分析设计方法的意义．     

基于多Agent的协同教学环境的设计与探讨

文中以 《操作系统课程设计》 教学环境为背景,探讨了基于多Agent的课程设计的协同教学环境的设计方法和技术,提出了基于 《操作系统课程设计》 的多Agent的协同教学环境的设计模型,解决了模型设计中的一些关键技术问题.     

基于MAS Builder开发多Agent系统的方法与实例

随着计算机领域面临的应用问题越来越呈现出分布、开放、动态的特征，多Agent成为近年来AI研究的热点之一。本文简要介绍开发和集成多Agent系统的环境－MAS Builder，并以实例说明了基于该系统开发多Agent系统的方法：问题域分解、Agent定义、任务模块的生成。     

一种基于多目标优化的Agent多议题协商模型

Agent多议题协商研究是多Agent合作求解的核心内容之一,一般基于对策论的方法实现Pareto最优的协商结果。由于很多学者将其转化为单目标约束满足问题,因而只能满足一方的效用最大化要求。Nash指出在理想情况下Agent应追求自身效用最大和对手效用最大的多目标优化,以达到快速达成一致并能最优化自身效用的目的。针对该问题,本文给出一种用指数型功效系数法求解的一揽子交易多议题协商模型NMMOP,该模型能够实现双方Agent的效用最优,提高协商双方的总效用。实验结果验证了该模型的优化效率优于Fatima和Faratin等人的工作。