基于智能体模型的路径规划与行为模拟仿真研究

智能体模型是当前在模拟仿真领域内能够实现的最为接近人类的方式。是实现复杂行为模拟仿真的重要方法,智能体能够通过逻辑驱动或自学习模式进行决策。多智能体系统在复杂战场环境的模拟仿真方面有着较大的优势,其分布式交互原理能够模拟不同兵种或者不同个体的行为与路径规划决策。文章针对当前智能体模型的研究现状以及路径规划领域的各种方法进行了简要介绍,并指出优点和不足,最后对其发展趋势进行了展望。     

基于演化规划的多智能体系统中动态行为的建模

在多智能体系统中，每个智能体必须使自身适应环境动态地同其它智能体协调。为达到此目标，智能体须有预测其他智能体的行为及与其它智能体协作的能力，应动态地建立起自身的行为模型并且不断的演化它。     

基于多自主智能体的群体动画创作

群体动画一直是计算机动画界一个具有挑战性的研究方向,提出了一个基于多自主智能体的群体动画创作框架：群体中的各角色作为自主智能体,能感知环境信息,产生意图,规划行为,最后通过运动系统产生运动来完成行为和实现意图,与传统的角色运动生成机理不同,首先采用运动捕获系统建立基本运动库,然后通过运动编辑技术对基本运动进行处理以最终得到角色运动,应用本技术,动画师只需“拍摄”角色群体的运动就能创作群体动画,极大地提高了制作效率。     

自主车的运动仿真

在自主车的运动路径规划中,局部路径规划特别重要,而且是自主车的一项关键技术。该文提出了将自主式多智能体的任务和反应性行为模型嵌入到离散事件系统框架中作局部路径规划的方法,此方法克服了势场法（包括早期的虚力场法）的缺陷,为确保自主车运动路径规划的可靠性和合理性,该文就局部路径规划对自主车作运动仿真。     

行为控制月球车路径规划技术

提出了一种新的路径规划方法即自主行为路径规划方法.该方法能够自动构造大范围自然环境下与路径规划任务相关的一类拓扑结构,从而大大地提高自然环境下月球车路径规划速度.该方法在Tangent-Bug切线法基础上引入一组自适应行为来构造切线拓扑图,它是人工路径规划行为的模仿,克服了计算几何路径规划方法非线性计算时间的不足.文中给出了相关定义、定理、算法及真实环境下的仿真结果.     

月球漫游车关键技术初探

参考国外月球探测的现状,对月球车所涉及的关键技术问题进行了深入地分析与探 讨,提出了开发我国月球漫游车系统的具体实施方案．并针对月面的复杂环境,提出了建立 一套智能传感系统的思想,从而为实现漫游车在月面复杂、未知的环境中的自主导航与控制 提供了理论依据．     

基于几何方法的多智能体群体刚性运动的路径规划

利用微分几何的方法在特殊欧氏群(Special Euclidean Group)上研究刚性运动.对于已知边界约束条件的多智能体群体刚性运动路径规划问题，采用了虚拟结构的模式；通过建立基于能量的最优准则，在特殊欧氏群上推导了多智能体协调运动的最优轨迹.所得到的最优轨迹是光滑的，而且与空间惯性坐标系的选择无关.该方法对于描述和规划多智能体的群体刚性运动具有广泛的适用性.     

基于遗传算法的多智能体协作行为研究

协作问题一直是多智能体系统研究的关键问题之一,该文给出了用遗传算法来实现多智能体协作的一种方法。该方法利用遗传算法来解决当多智能体系统无法得到环境信息或得到这些信息代价过高时,如何有效地产生它们的协同运动。利用该方法,对三个智能体协作把箱子搬到目标点,然后改变目标点,让智能体继续完成协作任务进行计算机仿真,结果表明遗传算法在动态环境下实现多智能体协作方面的可行性和有效性。     

基于DP-SAMQ行为树的智能体决策模型研究

在多智能体仿真中使用行为树进行决策具有直观、易扩展等优点,但行为树的设计过程过于复杂,人工调试时效率低下.引入Q-Learning来实现行为树的自动设计.为解决传统Q-Learning的收敛速度慢的问题,将模拟退火算法中的Me-tropolis准则应用到动作选择策略中,随着学习过程自适应改变次优动作的选择概率以及将动态规划思想应用到Q值更新策略.实验结果证明,基于改进的多步Q-Learning行为树的智能体决策模型具有更快的收敛速度,并且能够实现行为树的自动设计和优化.     

基于意图的多智能体深度强化学习运动规划方法

现有的多智能体运动规划任务存在缺乏有效合作方法、通信依赖要求高以及缺乏信息筛选机制等问题。针对这些问题，提出了一种基于意图的多智能体深度强化学习运动规划方法，该方法可以帮助智能体在无需显式通信的条件下无碰撞地到达目标点。首先，将意图概念引入多智能体运动规划问题，将智能体的视觉图像和历史地图相结合以预测智能体的意图，使智能体可以对其他智能体的动作做预判，从而有效协作；其次，设计了一个基于注意力机制的卷积神经网络架构，并利用该网络预测智能体的意图、选择智能体的动作，在筛选出有用的视觉输入信息的同时，减少了多智能体合作对通信的依赖；最后提出了一种基于价值的深度强化学习算法来学习运动规划策略，通过改进目标函数和Q值计算方式使策略更加稳定。在PyBullet仿真平台的6种不同的仿真场景中进行了测试，实验结果表明，相较于其他先进的多智能体运动规划方法，所提方法使多智能体团队的合作效率平均提高了10.74%,具有显著的性能优势。     

一种基于离散化位姿的月球车运动规划方法

针对障碍环境下具有非完整约束月球车的运动规划问题,提出了一种基于离散化位姿的月球车运动规划方法。该方法首先将月球车的运动轨迹限定于多项式旋线,通过求解多项式旋线参数生成无障碍条件下连接任意位姿状态的运动轨迹。同时,该方法对月球车运动规划问题中的位姿状态空间进行离散化,形成离散化的位姿状态空间。根据离散化位姿状态空间的特点,在离线的条件下生成连接相邻离散位姿的月球车基本的运动轨迹集。最后该方法结合基本运动轨迹集并利用启发式搜索算法最终解决障碍条件下的运动规划问题。基于动力学仿真平台中的实验结果验证了该方法的正确性和有效性。     

Mars Rover Autonomous Navigation

Autonomous navigation of a rover on Mars surface can improve very significantly the daily traverse, particularly when driving away from the lander, into unknown areas. The autonomous navigation process developed at CNES is based on stereo cameras perception, used to build a model of the environment and generate trajectories. Multiple perception merging with propagation of the locomotion and localization errors have been implemented. The algorithms developed for Mars exploration programs, the vision hardware, the validation tools, experimental platforms and results of evaluation are presented. Portability and the evaluation of computing resources for implementation on a Mars rover are also addressed. The results show that the implementation of autonomy requires only a very small amount of energy and computing time and that the rover capabilities are fully used, allowing a much longer daily traverse than what is enabled by purely ground-planned strategies.     

基于立体视觉的月球探测器路径规划算法

以实现月球探测器的避障路径规划为目标,采用立体视觉技术感知车前环境,设计一套基于特征匹配的车前障碍物检测算法。构造极坐标直方图描述环境空间,提出一种基于视觉感知的直方图Bug路径规划算法。通过朝目标移动和沿障碍物边界滑动2种行为的切换来保证算法全局收敛。实景重构与仿真实验验证了算法的有效性。     

六轮月球漫游车越障平顺性仿真分析

该文讨论了运用虚拟样机技术,对所研究方案中月球漫游车在月面环境中越障时的平顺性仿真分析方法,简介并讨论了漫游车在月球表面的行驶路面环境,根据六轮摇臂式月球漫游车的结构特点,建立了11自由度的月球漫游车振动系统动力学模型,通过仿真试验,分析了在月面环境下漫游车主要悬架参数对平顺性的影响,从而实现了在漫游车的研究设计阶段,对其平顺性进行预测和分析的目的。     

基于SD*lite的月球车任务规划算法

月球车任务规划是在给定初始位置和目标位置,满足月面地形约束、工作模式约束以及能量约束的前提下,规划出月球车最优的路径。设计了一种月球车任务规划的模型,提出了一种基于SD*lite算法的规划器,在原有SD*lite算法的基础上进一步考虑了对可用资源的限制;它可以协助月球车在考虑太阳能帆板的能量约束的条件下,合理避障最终达到目标点,使规划的轨迹更符合实际。     

月球车仿真系统中若干视景真实感实现技术

虚拟现实技术的出现为月球漫游车的设计、优化等提供了新的有效手段.为在虚拟现实环境下开发月球车仿真系统,视景真实感实现技术在其中具有霞要地位.研究了真实感地形生成技术、仿真过程中的粒子系统特效技术以及车轮沉陷和车轮轨迹生成技术.基于分形技术和月面特征地形生月面高程数据;利用Muhigen Creator构建和渲染了月面几何模型;基于OpenGL Performer开发了仿真程序并应用到一种月球车运动仿真系统中.系统可在微机和SGI图形工作站运行,仿真结果显示具有良好的真实感.     

一种自适应的月球车驱动控制算法

月球车的驱动控制是控制月球车按照期望速度运动的控制器。为使月球车快速稳定地达到期望速度,要求控制算法具有很强的鲁棒性,并且使系统的响应速度尽可能的快。论文提出一种方法:通过单神经元自适应算法求出控制月球车的合力和合力矩,再利用拉格朗日算法求得每个执行器的控制量。仿真实验表明此算法有很好的鲁棒性和自适应性,为月球车的控制应用提供了理论依据。     

基于Barnard特征和LoG算子的月球车图像特征匹配

月球车视觉系统对匹配速度和鲁棒性要求较高,提出一种基于图像特征的特征点匹配算法。特征点的提取采用Barnard算法和LoG算子共同作用得到。原图像同时采用Bamard算法进行特征提取和LoG算子进行噪声滤波和边缘提取,然后将二者的计算结果进行”与”操作得到最终的特征图像。然后通过阈值进一步处理噪声和选择待匹配点。最后用计算图像序列中像素差的平方和的方法来计算每对待匹配点的匹配程度,得到匹配点对。仿真结果表明,单点匹配和多点匹配并将无匹配点处理后得到的结果都令人满意。     

MPC-based Motion Planning and Control Enables Smarter and Safer Autonomous Marine Vehicles: Perspectives and a Tutorial Survey

Autonomous marine vehicles (AMVs) have received considerable attention in the past few decades, mainly because they play essential roles in broad marine applications such as environmental monitoring and resource exploration. Recent advances in the field of communication technologies, perception capability, computational power and advanced optimization algorithms have stimulated new interest in the development of AMVs. In order to deploy the constrained AMVs in the complex dynamic maritime environment, it is crucial to enhance the guidance and control capabilities through effective and practical planning, and control algorithms. Model predictive control (MPC) has been exceptionally successful in different fields due to its ability to systematically handle constraints while optimizing control performance. This paper aims to provide a review of recent progress in the context of motion planning and control for AMVs from the perceptive of MPC. Finally, future research trends and directions in this substantial research area of AMVs are highlighted.