集群机器人系统特性评价研究综述

集群机器人系统是群体智能的一个重要应用研究领域, 也是机器人系统未来发展的重要方向之一. 集群机器人系统特性评价是一个极具挑战性的关键技术与理论问题, 对于集群机器人系统的研究与发展具有重要意义. 首先, 给出了对集群机器人系统基本概念的理解, 并且从多种不同角度作出了分类. 其次, 梳理了多个关键的集群机器人系统期望特性; 在此基础上, 分别从评价标准、评价指标体系和评价方法三方面对已有集群机器人系统特性评价研究成果进行了比较全面的评述. 最后, 分析总结了当前集群机器人系统特性评价研究工作的不足, 并对未来发展方向进行了展望.     

集群机器人研究综述

首先,给出了集群机器人的定义与基本特征,概括了相对于传统多机器人控制方法的优势.然后,总结了集群机器人的主要设计与分析方法.将集群机器人研究归纳为空间组织、集群导航、集群决策以及其他集群行为等4类,综述了各类别近十年的主要研究成果.最后,分析总结了当前集群机器人研究面临的挑战与关键科学问题,并对未来发展方向进行了展望.     

双机器人协同控制研究综述

多机器人协同是未来机器人研究的一大热点,双机器人系统是其中的一个典型代表.针对目前双机器人协同系统的特性及常见应用,从动力学模型的建立、轨迹规划和协同控制等3方面介绍了双机器人协同系统的研究内容,分析各方面目前存在的技术漏洞和技术难点,指出未来发展的方向.     

机器人和软件人协同智能仿真方法与技术研究

面向新一代电力巡检机器人的发展需求,研究开发了机器人和软件人协同智能仿真方法与技术.首先建立了协同智能仿真的广义逻辑表达式模型,并设计了机器人和软件人协同智能仿真平台.最后进行了机器人和软件人协同智能仿真实验以验证所得结果的有效性和合理性.     

智能汽车人机协同控制的研究现状与展望

随着人工智能、互联网技术、通信技术、计算机技术的快速发展,以电动化、智能化及网联化为基础的智能汽车成为汽车行业发展的一大趋势.按照汽车智能化、自动化的发展进程,美国汽车工程师协会将智能汽车的发展分为手动驾驶、驾驶辅助、部分自动化、有条件自动化、高度自动化和完全自动化6个级别,虽然不同层次、不同功能的汽车智能化技术正迅猛发展,但是真正意义上的全工况自动驾驶在短期内很难实现.因此,在未来很长一段时期内,智能汽车必然面对人机协同控制的局面,本文详细介绍了智能汽车人机协同控制中驾驶员建模及人机驾驶权动态优化控制的国内外研究现状,同时简要介绍了智能汽车测试与评价的国内外研究现状,提炼了共性问题,并对人机协同控制的发展趋势给出了一些观点.     

VCC实验室集群相关工作简介

集群技术的发展使得高性能计算机逐渐成为一种普通的实验设备。集群计算以及协同计算是合肥工业大学可视化与协同计算研究室的一个主要研究方向之一，本文对VCC集群相关的工作进行简要的回顾。     

鱼集群游动的节能机理研究综述

集群是鱼类生物中一种常见的现象, 特定编队的集群运动可以显著提高鱼群的游动效率. 鱼集群游动节能机理的研究为机器人集群编队设计和控制提供启发与帮助, 得到了研究人员的广泛关注. 本文介绍了鱼集群游动节能机理研究的主要方法及最新的研究成果, 将研究方法分为鱼群观察分析法、计算流体力学仿真法和实验装置研究法, 并基于此对近些年的研究成果进行了综述和分析, 最后列举了鱼集群游动节能机理研究的主要问题与未来发展方向.     

地面无人系统的多智能体协同控制研究综述

本文结合多智能体系统控制理论与技术的研究现状,以地面无人系统为控制对象,对理论及其技术发展作了详细概述.从多智能体的行为协同控制和任务协同控制两个侧面讨论了相关的理论及应用问题,并指出当前协同控制研究中存在的一些问题以及今后的发展方向.地面无人系统的协同控制对于有效提升社会及军事效益,最大限度地发挥地面任务执行的效能具有重要意义.     

智能集群系统的强化学习方法综述

智能集群系统是人工智能的重要分支，所涌现出的智能形态被称为集群智能，具有个体激发时的自组织性和群体汇聚时的强鲁棒性等特征.智能集群系统的协同决策过程是融合人-机-物，覆盖多元空间，囊括感知-决策-反馈-优化的复杂非线性问题，具有开放的决策模型和庞大的解空间.然而，传统的算法依赖大量的知识与经验，使其难以支持系统的持续演化.强化学习是一类兼具感知决策的端到端方法，其通过试错的方式不断迭代优化，具有强大的自主学习能力.近些年来，受生物群体和人工智能的启发，强化学习算法已由求解个体的决策问题，向优化集群的联合协同问题演进，为增强集群智能的汇聚和涌现注入了新动能.但是，强化学习在处理集群任务时面临感知环境时空敏感、群内个体高度自治、群间关系复杂多变、任务目标多维等挑战.本文立足于智能集群系统的协同决策过程与强化学习运行机理，从联合通信、协同决策、奖励反馈与策略优化四个方面梳理了强化学习算法应对挑战的方法，论述了面向智能集群系统的强化学习算法的典型应用，列举了相关开源平台及其适用算法.最后，从实际需求出发，讨论总结了今后的研究方向.     

聊天机器人的分类标准和评估标准综述

近年来,人工智能和大数据技术的发展极大地推动了聊天机器人产业的发展。如今,聊天机器人种类众多,但质量参差不齐,对其进行评估成为当下的重要问题之一。本文首先通过功能和技术实现方式方面的分析,对当前的聊天机器人进行了归纳分类。然后从多方面对聊天机器人的评估方式进行了系统的整理与总结,并详细介绍分析了其中各种评估指标。最后探讨了当前聊天机器人的研究难点与评估难点,并在此基础上对聊天机器人未来的研究发展方向进行了展望。     

受生物群体智能启发的多机器人系统研究

首先，介绍了生物社会中的群体智能．接着，讨论了群体机器人技术中的群体控制、群体通信和群体形态等主要研究内容及其发展趋势，并介绍了群体机器人系统的几个典型任务环境．最后，通过一个物体搜集任务的仿真实例来说明群体智能设计原则在多机器人系统中的应用．     

基于无线传感器网络的移动机器人智能导航算法

结合了无线传感器技术和群集智能技术两者的优势,提出一种新的基于无线传感器网络的移动机器人智能导航控制算法,并考虑了能量消耗的问题。算法利用基于多传感器信息融合的全局概率地图构建技术、使用群集仿生智能的基于微粒群算法的实时在线路径规划以及避障策略,提高了智能导航的整体性能,满足了在复杂环境和未知障碍物下导航的实时要求。最后设计并构造出了实际的无线传感器网络和实际的机器人系统,验证了算法成功实现机器人导航的有效性和准确性。     

无人机协同控制研究综述

无人机（UAV）协同控制是指一组UAV以机间通信为基础、群体智能为核心,合作分工完成某一共同任务的控制方式。UAV集群是拥有一定自主能力的大量UAV基于局部规则执行各项任务的多智能体系统,与单架UAV相比,UAV集群有着高效率、高灵活性和高可靠性等优点。针对近几年UAV协同控制技术的最新发展动态,首先,从民用和军事两个角度举例说明多UAV技术的应用前景;接着,对比分析一致性控制、蜂拥控制和编队控制这三种主流协同控制方式的区别与发展现状;最后,对协同控制面临的时延、避障和续航等问题提出几点建议,为未来UAV协同控制研究发展提供一定帮助。     

感知范围受限的群机器人自主围捕算法

针对在有障碍物场地中感知范围受限的群机器人协同围捕问题,本文首先给出了机器人个体、障碍物、目标的模型,并用数学形式对围捕任务进行描述,在此基础上提出了机器人个体基于简化虚拟速度和基于航向避障的自主围捕控制律.基于简化虚拟速度模型的控制律使得机器人能自主地围捕目标同时保持与同伴的距离避免互撞;基于航向的避障方法提升了个体的避障效率,避免斥力避障方法导致的死锁问题.其次本文证明了在该控制律下系统的稳定性.仿真结果表明,该算法在有效围捕目标的同时能够高效地避开障碍物,具有对复杂环境的适应性.最后本文分析了与其他方法相比该算法的优点.     

蝙蝠算法研究及应用综述

蝙蝠算法（BA）是一种受蝙蝠利用超声波回声定位觅食行为启发的新型群体智能优化算法。介绍了蝙蝠算法的基本原理，分析了性能影响因素，论述了算法的改进策略，并阐述了蝙蝠算法在数据挖掘、图像处理、组合优化等方面的应用与发展。最后结合蝙蝠算法的性能特点和应用方向，对蝙蝠算法未来的研究发展方向进行了展望。     

编译群体智能系统应用程序:以全分布式智能建筑系统为例

群体智能系统通过邻居个体的信息交互实现群体级别的应用任务,具有良好的鲁棒性和灵活性.与此同时,大多数开发人员难以对分布式、并行的个体交互机制进行描述.一些高级语言允许用户以串行思维方式、从系统全局角度来编程并行的群体智能计算任务,而无需考虑通信协议、数据分布等底层交互细节.但面向用户、全局声明式的群体智能系统应用程序与个体并行执行逻辑存在的巨大语义差距,使得编译过程复杂进而导致应用程序开发效率不高.本文提出了一个编译系统及其支撑工具,支持将高级的群体智能系统应用程序转换为安全、高效的分布式实现.该编译系统通过并行信息识别,计算划分,交互信息生成技术,将面向系统全局、串行编程的群体智能应用程序编译为面向个体独立执行的并行目标代码,从而使用户不必了解个体间的复杂交互机制.设计了一种标准化中间表示,将复杂群体智能计算任务转换为群体智能算子和输入输出变量组合而成的标准化语义模块序列,其以独立于平台的形式表示源程序信息,屏蔽了目标硬件平台的异构性.在一个群体智能系统案例平台中部署和测试了该编译系统,结果表明该系统能够有效将群体智能应用程序编译为平台可执行的目标代码并提升应用程序开发效率,其生成的代码在一系列基准测试中具有比现有编译器更好的性能.     

移动机器人路径规划综述

移动机器人是目前科学技术发展最活跃的领域之一,在工业、农业、医疗等行业广泛应用,还在城市安全、国防和空间探测领域得到更广的应用。要实现机器人在未知环境下自主作业,具备实时、自主、识别高风险区域和风险管理的能力,路径规划是一个重要环节,规划水平的高低,在一定程度上标志着机器人的智能水平,因此研究机器人路径规划对提高机器人的智能化水平、加快工程化应用具有重要的意义。文章重点分别从全局路径规划和局部路径规划角度对机器人路径规划的研究方法进行了分析与总结,同时分析研究了基于仿生学的智能算法的遗传算法、蚁群算法、粒子群算法,最后展望了移动机器人的未来发展趋势。     

群智能自组织劳动分工研究进展

群智能是指众多行为简单的个体在相互作用过程中涌现产生的整体智能行为,劳动分工是其最重要特征之一.本文首先根据个体与个体、个体与环境的交互模式,给出群智能劳动分工的一个框架描述,分析其个体专职化、角色可塑性和自组织等特性.然后从自组织的角度对激发-抑制、刺激-响应、个体排序和寻觅工作等四类劳动分工模型进行对比分析,旨在归纳提炼群智能自组织劳动分工模型的构建规律.进而结合群智能自组织劳动分工的应用情况,针对其适用范围和求解思路进行了评述和讨论.最后从劳动分工机制、劳动分工模型、分配问题求解和优化问题求解四个方面展望了群智能自组织劳动分工的发展前景.     

大规模联合采集智能群体的协调跟踪模型及稳定性分析

An improved cooperative tracking model is proposed, which is based on the local information between mutually observable individuals with global object information, and this model is used for scalable social foraging swarm. In this model, the “follower” individuals in the swarm take the center of the minimal circumcircle decided by the neighbors in the positive visual set of individual as its local object position. We study the stability properties of cooperative tracking behavior of social foraging swarm based on Lyapunov stability theory. Simulations show that the stable cooperative tracking behavior of the global social foraging swarm can be achieved easily, and beautiful scalability emerge from the proposed model for social foraging swarm.     

群机器人通信研究综述

为了完成规定任务,群机器人中的个体机器人之间须进行协调合作,这有赖于机器人在有限感知和局部交互基础上的群体智能行为涌现,故对群机器人系统中的通信研究现状进行述评。首先对通信机制进行了划分,指出隐式通信的效率较显式通信为低,且作为人工系统的群机器人中更多采用显式通信机制。针对显式通信,通过对通信方式、网络拓扑结构、通信协议及通信语言等主要内容进行阐述,明确群机器人中通信研究的现状,并对该领域的研究方向进行了展望。