基于案例的异构多机器人系统的协作研究

目的是研究异构多机器人系统中机器人之间的协作过程.基于足球比赛案例,将异构多机器人系统的任务分为找球、跟随、踢球等几个作业.以人形机器人和轮式机器人作为研究对象,并赋予不同的功能,对机器人能力进行建模.讨论如何以优化的方案分配给执行任务的机器人,并建立了一种参考模型.最后,以流程图方式说明了机器人的行为控制.实践表明,由具有不同能力的机器人共同协作可以更加有效地完成任务.     

异构多机器人协作系统研究进展

异构多机器人系统可以发挥单一结构机器人在某个领域的优点而达到整体的最优配置,机器人的功能和接口协议对协作系统影响很大．IGRS协议是我国在信息设备协作领域中惟一的国际标准,为异构多机器人协作提供了有效的支持．对国内外相关研究进行系统地归纳和总结,找出需要解决的问题,并在课题组研制的多种机器人平台上,从3个方面阐述了基于IGRS涛议的异构多机器人协作系统：异构机器人的定位、通信以及感知方案;异构机器人协商策略和分组方案;机器人的功能分类和规划,提出了细粒度可控的任务委托分配方案．     

面向多机器人系统的增强学习研究进展综述

基于增强学习的多机器人系统优化控制是近年来机器人学与分布式人工智能的前沿研究领域.多机器人系统具有分布、异构和高维连续空间等特性,使得面向多机器人系统的增强学习的研究面临着一系列挑战,为此,对其相关理论和算法的研究进展进行了系统综述.首先,阐述了多机器人增强学习的基本理论模型和优化目标;然后,在对已有学习算法进行对比分析的基础上,重点探讨了多机器人增强学习理论与应用研究中的困难和求解思路,给出了若干典型问题和应用实例;最后,对相关研究进行了总结和展望.     

基于人工免疫系统的异构多机器人联盟形成

对动态环境下多机器人联盟形成问题进行了研究,提出了一种基于人工免疫系统的异构多机器人联盟形成方法.该方法在对比人工免疫系统与多机器人系统相似关系的基础上,利用人工免疫系统的隐喻机制为面向动态感知任务的异构多机器人联盟形成问题提供了一种新的思路和解决方法.进行了未知非结构化环境下的多机器人协作搜集仿真实验,仿真结果表明所提方法可以使多机器人系统自主地形成机器人联盟以完成动态感知任务,提高了多机器人系统执行任务的效率.     

路网约束下异构机器人系统路径规划方法

由无人机(Unmanned aerial vehicles, UAV)和地面移动机器人组成的异构机器人系统在协作执行任务时,可以充分发挥两类机器人各自的优势.无人机运动灵活,但通常续航能力有限;地面机器人载荷多,适合作为无人机的着陆平台和移动补给站,但运动受路网约束.本文研究这类异构机器人系统协作路径规划问题.为了降低完成任务的时间代价,提出一种由蚁群算法(Ant colony optimization, ACO)和遗传算法(Genetic algorithm, GA)相结合的两步法对地面机器人和无人机的路线进行解耦,同时规划地面机器人和无人机的路线.第1步使用蚁群算法为地面机器人搜索可行路线.第2步对无人机的最优路径建模,采用遗传算法求解并将无人机路径长度返回至第1步中,用于更新路网的信息素参数,从而实现异构协作系统路径的整体优化.另外,为了进一步降低无人机的飞行时间代价,研究了无人机在其续航能力内连续完成多任务的协作路径规划问题.最后,通过大量仿真实验验证了所提方法的有效性.     

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.     

三维环境中多机器人动态目标主动协作观测方法

动态目标的多移动机器人主动协作观测方法是指以获取较优的观测结果为目的, 对携带同构/异构观测传感器的多个机器人系统的观测数据进行有效融合并同时对其行为进行协调优化的方法. 本文主要研究了三维环境中的多机器人动态目标主动协作观测的问题. 首先, 以扩展集员估计方法(Extended set-membership filter, ESMF)为基础, 将信息融合过程与算法本身存在的集合运算环节相结合, 提出了一种高精度的多机器人观测信息融合方法. 该方法在保证较高观测精度的同时, 并没有显著增加单机器人扩展集员估计算法的计算量, 因此具有较高的实时性. 此外, 利用最优观测角度的概念, 通过引入相对速度空间(Relative velocity coordinates, RVCs), 设计了多移动机器人协调行为优化方法, 该方法可以将多机器人协调行为优化问题转化为线性规划问题, 以实现具有较高实时性的多机器人三维动态目标主动协作观测. 最后, 为了验证所研究方法的可行性与有效性, 进行了三维空间动态目标协作观测仿真实验.     

基于ROS的协作机器人控制系统

为了实现协作机器人的控制,对协作机器人进行了控制系统研究,在保证系统鲁棒性和实时性的前提下,提出了在PC机上,构建基于Ubuntu系统下结合ROS,利用CAN通讯的方式,搭建协作机器人的控制系统.最后通过仿真实验和实体机器人控制实验,验证协作机器人控制系统应用效果.实验结果表明,该协作机器人控制系统具备控制协作机器人进行路径规划的基本工作能力,能够很好的建立上下位机的通讯,进行协作机器人控制.同时本控制系统具有模块化、可移植性高、框架清晰、低延时等特点.     

人机智能技术及系统研究进展综述

人机智能系统是能够实现人机智能协作的机器人系统,近年来成为了机器人领域的研究热点,具有广泛的应用前景。针对人机智能系统技术和应用的国内外研究现状,从人机智能系统的关键技术和典型应用领域两方面进行了进展综述。重点综述了与传统机器人系统存在差异性的人机智能系统关键技术,从建模、交互、协同和优化4个方面的研究进展分别展开论述,对涉及的典型应用领域及典型人机智能系统进行总结,并对人机智能系统发展的挑战和未来研究方向进行了展望。     

异构多机器人编队相互通信时延精确控制

编队控制是多机器人协同控制领域研究的重点问题。考虑实际复杂环境,对异构多机器人系统的编队控制研究更具工程意义。再者,当异构多机器人编队系统存在通信时延时,同时对系统中不同阶机器人进行一致性分析的难度增大。针对以上问题,提出一种基于一致性理论的异构系统编队控制算法。考虑零时延与固定时延两种情况,首先,利用一致性思想将领航跟随者模式下的异构多机器人系统编队控制问题转换为稳定性问题。然后,根据矩阵分析与Routh-Hurwitz定理,推导出零时延系统实现编队控制的充要条件。进一步构造Lyapunov-Razumikhin函数,利用Newton-Leibniz公式与Lyapunov定理,推导出固定时延系统实现编队控制的充分条件。仿真结果表明：基于一致性算法的异构多机器人系统能够实现相互通信时延条件下的编队精确控制。