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．     

面向任务的多机器人协调运动控制

基于多智能体系统理论,研究在确定环境下,面向任务的多机器人协调控制系统的实现原理、方法和技术,以及控制集成方法。开发了机器人协调控制的实验平台,对规划、控制、传感、通讯、协调与合作的各关键技术进行了开发和集成,完成了地面2个机器人的实时跟踪,三机器人的协调运动控制。通过实验研究使多机器人分布式协调技术的研究能够直接面向实际应用。     

一个面向复杂任务的多机器人分布式协调系统

基于多智能体系统理论, 研究在非结构、不确定环境下面向复杂任务的多机器人分布式协调系统的实现原理、方法和技术. 提出的递阶混合式协调结构、基于网络的通讯模式和基于有限状态机的规划与控制集成方法, 充分考虑了复杂任务和真实自然环境的特点. 通过构建一个全实物的多移动机器人实验平台, 对规划、控制、传感、通讯、协调与合作的各关键技术进行了开发和集成, 使多机器人分布式协调技术的研究直接面向实际应用, 编队和物料搬运的演示实验结果展示了多机器人协调技术的广阔应用前景.     

多Agent系统合作与协调机制研究综述

多Agent间的合作和协调机制是多Agent系统理论的核心问题之一。本文按照协调在合作过程中发生的位置进行分类讨论,结合实例阐述了经典的多Agent系统合作与协调机制的主要原理、适用范围,旨在分析总结现有的多Agent合作和协调机制,为未来的开放、异构、动态环境下多Agent合作与协调机制的发展趋势和进一步研究的方向提供参考。     

多移动机器人系统运动协调研究综述

运动协调是多移动机器人系统领域的主要研究热点之一。在阐述多机器人合作与运动协调两者关系的基础上,给出了多机器人系统运动协调的问题描述及其分类;从主要研究方法的角度,归纳总结了多机器人系统运动协调的国内外研究动态。最后,对运动协调在多移动机器人系统领域的前景和研究方向作出了展望。     

基于滚动窗口的多机器人协调规划算法与仿真

该文利用滚动规划策略 ,研究了多机器人系统的协调规划问题。文中提出的基于滚动窗口的多移动机器人协调规划方法充分利用各机器人实时测得的局部环境信息 ,以滚动方式进行在线规划 ,不仅大大减小了在线运算量 ,而且使系统具有很强鲁棒性。大量仿真结果都表明了该方法对多机器人系统协调规划的有效性。     

多移动机器人路径规划仿真平台研究*

多机器人路径规划仿真平台(multi-robot path planning simulation platform)是通用的多机器人路径规划及协调与合作系统。该系统能将机器人状态数据及时地以二维图形方式显示,并且能模拟现实工作环境,监测机器人动作,检测机器人与环境物体间的碰撞,通过一系列仿真技术,使得原来必须用实际机器人作为对象的研究活动在一定程度上转移到计算机中虚拟进行。比较详细地描述了仿真平台系统的设计原理、模型结构和运行方式,并讨论了构成系统的关键技术特点。     

具有环境自适应能力的多机器人编队系统研究

对多机器人的体系结构进行了研究.采用时空表和时间控制器相结合的方法，解决多机器人间的协调协作问题.针对编队问题的具体特性，提出了基于环境的记忆学习方法，使多机器人编队系统具有较强的环境自适应能力.最后,通过仿真实验实现了整个多机器人系统,进一步验证了各个算法的可行性和有效性.􀁱     

基于环境预测的步进式运动协调策略

为了解决未知动态环境下的多机器人系统的路径规划问题,在改进的势场栅格法的基础上,提出了一种基于环境预测的步进式多机器人运动协调策略。针对机器人躲避移动障碍物的避障运动和机器人之间避碰运动的不同,分别提出了协调策略Ⅰ和协调策略Ⅱ。为了验证协调策略的有效性,将该方法用于多机器人系统的路径规划中,并利用Visual C++进行仿真。仿真结果表明,用该方法进行路径规划是可行的和有效的,并且算法简单、计算量小。     

多移动机器人关键技术研究

本文介绍了多机器人领域研究的关键问题,并对多机器人体系结构、合作协调、路径规划及通信技术进行了详细分析．提出了未来值得研究的关键技术。     

Architecting centralized coordination of soccer robots based on principle solution

Coordination strategy is a relevant topic in multi-robot systems, and robot soccer offers a suitable domain to conduct research in multi-robot coordination. Team strategy collects and uses environmental information to derive optimal team reactions, through cooperation among individual soccer robots. This paper presents a diagrammatic approach to architecting the coordination strategy of robot soccer teams by means of a principle solution. The proposed model focuses on robot soccer leagues that possess a central decision-making system, involving the dynamic selection of the roles and behaviors of the robot soccer players. The work sets out from the conceptual design phase, facilitating cross-domain development efforts, where different layers must be interconnected and coordinated to perform multiple tasks. The principle solution allows for intuitive design and the modeling of team strategies in a highly complex robot soccer environment with changing game conditions. Furthermore, such an approach enables systematic realization of collaborative behaviors among the teammates.     

面向多机器人动态任务分配的事件驱动免疫网络算法

为实现多机器人系统的动态任务分配与协作,提出了一种面向多机器人动态任务分配的事件驱动免疫网络算法。将生物免疫网络的工作机理应用到多机器人动态任务分配算法中,借鉴Jerne的独特型免疫网络假说和Farmer提出的抗体激励动态方程,设计了多机器人任务分配与自主协作模型;基于事件驱动机制,设计了多机器人动态任务分配算法,并引入焦躁模型来解决任务死锁问题。仿真和实际多机器人系统实验结果表明,基于本文算法的多机器人系统在动态任务场景中具有较强的适应性和自主规划协调能力。     

动作预测在多机器人强化学习协作中的应用

在多机器人系统中,协作环境探索的强化学习的空间规模是机器人个数的指数函数,学习空间非常庞大造成收敛速度极慢。为了解决这个问题,将基于动作预测的强化学习方法及动作选择策略应用于多机器人协作研究中,通过预测机器人可能执行动作的概率以加快学习算法的收敛速度。实验结果表明,基于动作预测的强化学习方法能够比原始算法更快速地获取多机器人的协作策略。     

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。     

一种新的多智能体强化学习算法及其在多机器人协作任务中的应用

在多机器人系统中，评价一个机器人行为的好坏常常依赖于其它机器人的行为，此 时必须采用组合动作以实现多机器人的协作，但采用组合动作的强化学习算法由于学习空间 异常庞大而收敛得极慢．本文提出的新方法通过预测各机器人执行动作的概率来降低学习空 间的维数，并应用于多机器人协作任务之中．实验结果表明，基于预测的加速强化学习算法 可以比原始算法更快地获得多机器人的协作策略．     

Distributed Coordination in Heterogeneous Multi-Robot Systems

Coordination in multi-robot systems is a very active research field in Artificial Intelligence and Robotics, since through coordination one can achieve a more effective execution of the robots' tasks. In this paper we present an approach to distributed coordination of a multi-robot system that is based on dynamic role assignment. The approach relies on the broadcast communication of utility functions that define the capability for every robot to perform a task and on the execution of a coordination protocol for dynamic role assignment. The presented method is robust to communication failures and suitable for application in dynamic environments. In addition to experimental results showing the effectiveness of our approach, the method has been successfully implemented within the team of heterogeneous robots Azzurra Robot Team in a very dynamic hostile environment provided by the RoboCup robotic soccer competitions.     

移动机器人队形控制关键技术及其进展

在明确了多机器人队形控制国内外发展现状的基础上,以地面移动机器人为研究对象,从系统结构、机器人模型、队形形状表示方法、参考框架及编队控制策略等方面,对多机器人编队控制的研究成果进行了概述.同时,对队形形状生成、编队跟踪与协调、队形变换与重组以及编队避障等队形控制子问题的国内外研究近况进行了总结和分析.最终指出:研究统一有效的编队控制框架、障碍环境下的队形优化变换、降低系统对通讯能力的要求以及编队控制在实际物理环境下的应用是移动机器人队形控制领域未来可能的研究主题.