基于初等运动的多机器人避碰及死锁预防

该文以一实际应用为背景提出了多移动机器人避碰及死锁预防算法,该算法将机器人的运行环境形式化地描述为初等运动集、冲突图、总任务集及机器人作业集,利用集合论、图论的有关方法及技术实现了多机器人间的避碰与死锁预防。当机器人的运行环境改变时,只需要对相应的集合描述文件进行修改,而不用对程序做任何屐改动。算法的另一个特点是利用避碰算法巧妙地完成了死锁预防。仿真和实际运行证明了该算法高效可靠。     

基于改进速度障碍法的多机器人避碰规划算法

针对多移动机器人运动协调中的动态安全避碰问题,在分析速度障碍法原理的基础上,设计用于机器人之间相互避让的互动速度法则,并通过制定机器人的碰撞时间、碰撞距离因子对构型障碍的大小进行实时调整,把运动障碍物、动力学约束下的多步可达窗口、目标点都映射到一种速度变化空间当中,使多机器人的动态避碰问题转化为一种最优化问题,并构造了新的优化评价函数;设计了基于改进速度障碍法的机器人动态避碰规划算法。仿真实验表明,该方法有效地克服了碰撞冲突,实现了多机器人之间的运动协调控制,提高了机器人追踪运动目标的快速性。     

基于改进人工协调场的多机器人避碰算法

针对多机器人系统中避碰问题,提出一种基于改进人工协调场的多机器人避碰算法。首先采用凸化障碍,子目标主动选择方法,解决人工协调场在有非凸障碍环境中的“死锁”问题;其次建立基于速度和距离的排斥力模型,以克服人工协调场对空间利用率低的缺陷,尤其是目标点与障碍物距离较近机器人无法抵达的情况;最后设计一种力混合器模型,并基于此模型以达到避免人工协调场中的运动抖动的效果。仿真实验证明该算法对解决有障碍环境下多机器人避碰问题的有效性和可靠性,增强了多机器人系统对复杂环境的适应性。     

机器人避碰规划综述

避碰规划是机器人控制技术研究中的一个重要问题,目前的研究主要分为两大类：全局方法和局部方法,全局方法一般指C空间方法,局部方法一般批人工势场法。本文综述了近二十年有关这方面研究的一些较有影响的思想和方法（主要针对关节式机械臂避碰规划）。     

多机器人系统中的动态避碰规划

研究冲突区域中多机器人间的协调和避碰问题。采用集中-分布相结合的规划方法,根据系统的拓扑结构为每个机器人规划路径,在冲突区域内使用优先级策略对机器人的运动特征进行分布式规划。通过上下层智能的融合,提高整个系统的智能。     

基于遗传模糊控制的多机器人避碰规划

设计了一种基于遗传算法优化的模糊逻辑控制的多机器人避碰规划方法,采用简化的三层行为结构:躲避机器人、躲避静态障碍物和趋向目标点,三个行为分别独立推理,将不同传感器信息作为输入,机器人动作作为输出,再通过优先级和加权的方法对三个行为输出进行综合.随后,针对模糊控制中构造全部的模糊规则比较复杂的问题,采用遗传算法对模糊规则的隶属度函数宽度和中心值进行优化,实现模糊控制器的离线自寻优,得到一组最优参数.从最终的仿真效果看,通过遗传算法优化提高了机器人的自导航性能.     

一种多移动机器人避碰规划方法

本文采用集中预规划方法,通过调整机器人的运动速度实现多机器人避碰,所提算法的基本思想为：将机器人的运动路径分段,然后按避碰要求对机器人通过各段的时间进行约束,从而将避碰问题转化为高维线性空间的优化问题,并进一步将其转化为线性方程的求解,使问题具有明确的解析解．由于该方法的复杂度较高,在实现过程中采用了多种方法降低复杂度,简化计算．本文给出了该算法的基本思路,有关定理及证明,算法的化简方法,最后给出了实验结果及分析．     

全局未知环境下多机器人运动蚂蚁导航算法

研究了全局未知静态复杂环境下多机器人运动的导航问题,提出了一种新颖的蚂蚁导航算法.该方法将全局目标点映射到机器人视野域边界附近作为局部导航子目标,再由两组蚂蚁相互协作完成机器人视野域内局部最优路径的搜索,在此基础上进行与其他机器人的碰撞预测与避碰规划.机器人每前进一步都重复上述过程.因此,机器人前进路径不断地动态修改,从而在每条局部优化路径引导下,使机器人沿一条全局优化的路径到达目标点.仿真实验结果表明,即使在障碍物非常复杂的地理环境下,算法也能沿一条全局优化路径导航,且能安全避碰,效果十分令人满意.     

多仓储机器人协同路径规划与作业避碰

针对多仓储移动机器人协同作业问题,提出了一种基于全局规划和局部调整的路径规划方法,以获得较短、无碰、避障的可行路径.在路径规划时根据当前节点到终点的距离和局部路径与起点至终点的欧氏路径的夹角设计新启发式函数,驱使机器人沿最短路行进;根据可选节点的数量提出避障规则,提高避障能力;依据路径长度对信息素进行比较更新,以精炼搜索空间、提高收敛性能,对蚁群算法加以改进寻找各自最优路径.在作业避碰时设计避碰规则有效解决仓储机器人间作业碰撞,找到最优或近优路径组合.实验结果表明了本方法的可行性、有效性.     

一种基于效益的多机器人避碰协调策略

多移动机器人系统在完成同时定位和地图构建SLAM任务时,机器人之间常常存在相互碰撞的问题,而这种碰撞的避免又不同于一般的避障,因为避障问题中的障碍物一般是不动的。为了解决机器人之间的避碰问题,提出了一种基于效益的多机器人避碰协调策略。该策略以提高多机器人系统探索效率为主,确定机器人通过交叉路口的顺序。同时考虑了动态协调避碰的情况,给出了确定机器人通过交叉路口顺序的算法。通过机器人在交叉路口实现避碰协调算法的仿真示例,对该方法的避碰协调过程进行了说明,并对仿真结果进行了分析,同时对仿真中机器人和目标位置的空间关系给出了合理的假设。     

基于概率图模型的多机器人自组织协同围捕方法

多机器人协同围捕是群体智能在对抗环境下的典型运用. 在感知能力受限、环境结构未知、目标状态不确定的真实环境中, 多机器人协同围捕面临环境适应性、任务可扩展性等多方面挑战. 针对这一问题, 本文提出一种基于概率图模型的自组织协同围捕方法. 首先, 建立围捕机器人和围捕对象的运动学模型, 并给出围捕任务的数学描述. 在此基础上, 构建可扩展的协同围捕“感知–决策”概率图模型结构, 并为模型中各节点状态设计概率分布参数估计方法; 同时, 将围捕任务阶段化, 设计狼群狩猎行为启发的围捕策略, 以提高围捕效率. 最后, 开展数值仿真和软件在环实验, 验证了所提方法的节点可扩展性、环境适应性、系统抗风险性和模型可迁移性.     

一种基于情绪量的多机器人冲突消解方法*

针对动态非结构化环境下多机器人之间存在的空间冲突问题,提出了一种基于情绪量的多机器人冲突消解方法。该方法可以使机器人根据情绪量自主判定对其他机器人的躲避半径,无须预先设定固定的避碰优先级或进行机器人之间的协商。仿真结果表明该方法是一种有效的多机器人冲突消解方法。     

基于局部信息的移动感知网覆盖方法*

移动感知网是一个由许多带有传感器的自主移动机器人组成的分布式传感器网络。为了更好地部署这些移动机器人节点,形成最大化覆盖感知区域,提出了一种基于机器人局部信息的分布式感知网覆盖方法。每个节点利用与邻居节点之间的虚拟人工势场产生的虚拟作用力来控制移动节点的运动和节点间的避碰,使移动节点能够在允许的时间内,以较少的能量消耗移动到各自理想的位置。采用李亚普诺夫函数进行了感知网节点势场梯度的理论分析,用计算机仿真实验验证了该方法的有效性,并与模拟退火算法进行了性能比较。     

Diagonal dominance design by Bode plots and root loci†

Bode plots and root loci are used for design of two-by-two systems based on diagonal dominance. The method provides insight into the effect of compensation, including minor loop feedback, on dominance characteristics which extends beyond this class.     

GODZILA: A Low-resource Algorithm for Path Planning in Unknown Environments

We propose a novel sensor-based path-planning and obstacle avoidance algorithm GODZILA for navigation in unknown environments. No prior knowledge of the environment is required. The path-planning algorithm follows a purely local approach using only the current range sensor measurements at each sampling instant and requiring only a small number of stored variables in memory. No map of the environment is built during navigation. This minimizes the memory and computational requirements for implementation of the algorithm, a feature that is especially attractive for small autonomous vehicles. The algorithm utilizes three components: an optimization algorithm, a local straight-line path planner to visible targets, and random navigation. It is proved, for navigation in any finite-dimensional space, that the path-planning algorithm converges in finite time with probability 1. The performance of the algorithm is demonstrated through simulations for path-planning in two-dimensional (2D) and three-dimensional (3D) spaces. It is seen that a relatively small number of range sensor measurements is sufficient even in complex unknown environments. This work is supported in part by the ARO under contract #W911NF-04-C-002, by the ONR under contract #N00014-06-C-0051, and by IntelliTech Microsystems, Inc. An earlier version of this paper was presented at the 2005 American Control Conference, Portland, OR.