群体觅食行为启发的多机器人分布式编队控制方法研究

群集智能由简单个体之间的相互作用涌现出来,这种涌现出来的智能可以解决许多复杂的问题.首先,从细茵群体觅食特性出发,引出了该行为与多机器人编队任务的相关性.然后,通过对群体觅食行为模型的扩展,建立了基于势场的多机器人分布式编队控制模型;最后,在不同规模下的多机器人编队仿真实验表明,本文的方法能够控制多机器人完成编队任务,并且使得机器人在遇到障碍物时能灵活躲避障碍物,离开障碍物后又快速恢复队形.     

未知环境下多机器人搜捕策略研究

针对在未知环境下多机器人围捕入侵者所存在的问题,提出了基于occupancy grid方法构造并合成环境地图指导单个机器人以分散搜索、抛物线模型预测并追踪入侵者、以及多机器人基于leader的可重构队形结构进行围捕的策略,使未知环境的地图构造和对入侵者追踪搜索过程得以同步完成,降低了机器人团队对环境的依赖,对未知环境具有较高的适应能力.最后通过仿真实验验证了该策略的正确性、有效性和鲁棒性.     

含有障碍物环境下多智能体系统的聚集行为

研究多动态智能体系统在含有障碍物环境下的聚集行为．首先建立一类多智能体系统在有障碍物的环境下的数学模型，以描述个体在遇到障碍物时的行为特点．其次从理论上证明了整个多智能体系统聚集行为的稳定性，指出在有障碍物环境下仍然能够涌现系统的聚集行为．最后，通过数值模拟验证了有关结论的有效性．     

未知环境下基于虚拟角速度跟踪的避障策略EI北大核心CSCD

当智能体自主执行任务时,局部障碍物可测的未知环境增加了局部极值和执行器饱和发生的概率.对此,本文提出了虚拟角速度跟踪的避障策略.首先,基于简易障碍物的几何模型构造虚拟的避障引导角,并利用李雅普诺夫方法设计角速度控制律,通过受限制的虚拟角速度跟踪来实现避障控制.然后,引入方位因子改进距离型权值分配器,强化轨迹附近障碍物的影响以降低局部极值发生的概率.最后,对于不完全可测的复杂障碍物,根据历史探测信息建立以边界点为中心的简易障碍物模型.仿真结果表明,该策略能够避让低速动态障碍物及U型复杂障碍物,并且可实现抗饱和控制.     

合作-竞争混合型多智能体系统的虚拟遗憾优势自博弈方法

合作-竞争混合型多智能体系统由受控的目标智能体和不受控的外部智能体组成.目标智能体之间互相合作,同外部智能体展开竞争,应对环境和外部智能体的动态变化,最终完成指定的任务.针对如何训练目标智能体使他们获得完成任务的最优策略的问题,现有工作从两个方面展开:(1)仅关注目标智能体间的合作,将外部智能体视为环境的一部分,利用多智能体强化学习来训练目标智能体.这种方法难以应对外部智能体策略未知或者动态改变的情况;(2)仅关注目标智能体和外部智能体间的竞争,将竞争建模为双人博弈,采用自博弈的方法训练目标智能体.这种方法主要针对单个目标智能体和单个外部智能体的情况,难以扩展到由多个目标智能体和多个外部智能体组成的系统中.结合这两类研究,提出一种基于虚拟遗憾优势的自博弈方法.具体地,首先以虚拟遗憾最小化和虚拟多智能体策略梯度为基础,设计虚拟遗憾优势策略梯度方法,使目标智能体能更准确地更新策略;然后,引入模仿学习,以外部智能体的历史决策轨迹作为示教数据,模仿外部智能体的策略,显式地建模外部智能体的行为,来应对自博弈过程中外部智能体策略的动态变化;最后,以虚拟遗憾优势策略梯度和外部智能体行为建模为基础,设...     

基于STM32单片机的机器人移动障碍物智能躲避系统设计

用于控制机器人在存在移动障碍物的工况中,智能避障安全抵达目的地,设计基于STM32单片机的机器人移动障碍物智能躲避系统。系统信息采集模块通过超声波传感器、加速度传感器,采集机器人与障碍物之间距离及机器人运行速度信息,传输至STM32单片机缓存整理后,通过ZigBee通信网络发送至上位机,上位机结合所采集数据,设计躲避指令传输至STM32单片机,STM32单片机驱动电机驱动模块,使用基于模糊控制的移动障碍物智能躲避模型,根据躲避指令调节机器人运行速度与角度,控制机器人的运行速度与位置,均处于不可能出现碰撞的状态,完成移动障碍物智能躲避。实验结果显示,该系统应用后,机器人对单个移动障碍物、多个移动障碍物的测距结果准确,且机器人具备智能避障性能,可绕开移动障碍物,安全抵达目的地。     

大规模多移动机器人合作任务的分布自主协作系统

以大规模多移动机器人觅食任务为背景,探讨了在分布式协作体系结构下系统任务级的协作与行为级的协调问题．提出了一种动态任务分配机制,在缩短任务完成时间的基础上减少了系统通信量并解决了任务死锁问题．同时,设计了一种基于预测的冲突消解方法,使机器人能够对动态障碍物进行精确避障．最后,通过仿真实验验证了上述方法的有效性．     

动态复杂环境下的机器人路径规划蚂蚁预测算法

研究了一种新颖的动态复杂不确定环境下的机器人路径规划方法和动态避障码蚁预测算法.该方法模拟蚂蚁的觅食行为,由多组蚂蚁采用最近邻居搜索策略和趋近导向函数相互协作完成全局最优路径的搜索.在此基础上用虚拟蚂蚁完成与动态障碍物碰撞的预测,并用蚁群算法进行避障局部规划.理论和仿真实验结果均表明,即使在障碍物非常复杂的地理环境,用文中算法也能迅速规划出优化路径,且能安全避碰.     

基于空间运动约束的无人机碰撞回避规划

三维空间中,面对移动的障碍物,无人机如何进行运动规划是一个很有趣的研究方向。在动态环境下,传统的基于速度障碍物的算法主要针对二维机器人。用机器人的可达速度集减去导致碰撞的速度集,然后选取合适的速度实现避障动作。根据无人机和障碍物的当前位置和速度进行泛化的三维矢量运算,计算导致碰撞的速度集合。依据无人机制动器的最大速度和最大加速度,对其当前时刻可达到的速度空间进行约束。在这个相减集合中,依据场景的需求制定相应的策略并选取合适的速度,实现三维场景下的回避障碍物规划。针对被抽象为球状的无人机在三维空间下躲避球状障碍物行驶至终点的场景,在虚幻四引擎中结合C++编程和图形化编程实现了避障算法并进行验证。通过捕捉不同策略的运动轨迹,度量其耗时,有效地验证了所提算法能够完成无人机在三维空间下的动态障碍物回避任务。     

基于强化学习的多Agent路径规划方法研究

以复杂任务下多个智能体路径规划问题为研究对象,提出一种基于强化学习的多Agent路径规划方法。该方法采用无模型的在线Q学习算法,多个Agent不断重复"探索-学习-利用"过程,积累历史经验评估动作策略并优化决策,完成未知环境下的多Agent的路径规划任务。仿真结果表明,与基于强化学习的单Agent路径规划方法相比,该方法在多Agent避免了相碰并成功躲避障碍物的前提下,减少了17.4%的总探索步数,形成了到达目标点的最短路径。     

B-Theta*: an Efficient Online Coverage Algorithm for Autonomous Cleaning Robots

We propose a novel approach to deal with the online complete-coverage task of cleaning robots in unknown workspaces with arbitrarily-shaped obstacles. Our approach is based on the boustrophedon motions, the boundary-following motions, and the Theta* algorithm known as B-Theta*. Under control of B-Theta*, the robot performs a single boustrophedon motion to cover an unvisited region. While performing the boustrophedon motion, if the robot encounters an obstacle with a boundary that has not yet been covered, it switches to the boundary mode to cover portions along the obstacle boundary, and then continues the boustrophedon motion until it detects an ending point. To move to an unvisited region, the robot detects backtracking points based on its accumulated knowledge, and applies an intelligent backtracking mechanism thanks to the proposed Theta* for multi-goals in order to reach the next starting point. Complete coverage is achieved when no starting point exists for a new boustrophedon motion. Computer simulations and experiments on real workspaces show that our proposed B-Theta* is efficient for the complete-coverage task of cleaning robots.     

基于毫米波雷达的智能车辆纵横向主动避障控制系统设计

智能车辆所搭载监测设备对障碍物目标的识别准确性,影响行驶车辆的纵横向避障能力。为避免车辆与障碍物发生碰撞,提升智能车辆的纵横向避障能力,设计基于毫米波雷达的智能车辆纵横向主动避障控制系统。在底层控制单元中,按需连接纵横向导航控制元件与毫米波雷达摄像头,完成智能车辆纵横向主动避障控制系统的部件结构设计。利用毫米波雷达监测所得的车辆避障图像,定义空间坐标系转换条件,通过标定雷达相机参数的方式,实现基于毫米波雷达的智能车辆避障路径规划。建立车辆纵横向运动模型,根据避障安全距离计算结果,完善具体控制流程,联合各级硬件应用结构,完成基于毫米波雷达的智能车辆纵横向主动避障控制系统的设计。实验结果表明,所设计系统可在智能车辆通过障碍物目标时,保证车体与障碍物之间的距离大于0.3m,能够避免碰撞行为发生,对于车载监测设备而言,其对于障碍物目标的准确识别能力得到了保障,能够有效提升智能车辆纵横向避障能力。     

面向多区域扫描的机器人作业序列规划与自主避障研究

针对移动式机器人多区域扫描作业任务,本文基于人工智能思想研究机器人作业序列规划和自主避障方法,从而保证机器人自主完成使命任务。采用激光测距系统LMS200作为移动机器人环境测量传感器,开发了机器人与LMS200的串口通信程序;提出采用人工智能遍历算法实现机器人自主作业序列规划,保证规划结果在时间上是最优的;针对复杂环境中存在未知障碍的问题,设计了基于人工势场法的机器人自主避障算法,并通过仿真试验进行了算法验证,结果表明：本文所研究方法是有效且可行的。     

无线遥控智能车的控制研究

智能车的行走过程受工况环境和自身结构的影响。传统智能车的单驱动结构灵活性差,无法满足复杂工况的即时控制,提出了以AT89S52为核心的控制算法。该算法参考了车辆的运动学方程,结合红外接收原理及避障模块构成控制系统外围,在AT89S52的协调下,实现对智能车左、右轮的速度控制。经智能车实物模型在模拟工况下实际行走2米过程中,向左偏差2.5厘米,符合设计精度。验证了该算法可行、有效,提高了智能车无线控制的灵活性。     

基于三维激光雷达的道路边界提取和障碍物检测算法

为了快速有效地提取智能车辆在不同环境下的道路环境信息,提出基于三维激光雷达的道路边界提取和障碍物检测算法.首先,对三维激光雷达点云数据进行栅格化滤波处理,利用单束激光点云空间邻域联合分割的方法进行空间分析,得到点云平滑度特征图像.然后,采用自适应方向搜索算法获取道路边界候选点,并进行聚类分析和曲线拟合.最后,对道路边界约束下可通行区域内点云进行聚类分割,获得道路内障碍物方位和距离信息.实验表明,文中算法能够实时准确地提取道路边界和障碍物位置信息,满足智能车环境建模和路径规划的需求.     

A task‐based and resource‐aware approach to dynamically generate optimal software architecture for intelligent service robots

Intelligent service robots provide various services to users by understanding the context and goals of a user task. In order to provide more reliable services, intelligent service robots need to consider various factors, such as their surrounding environments, users' changing needs, and constrained resources. To handle these factors, most of the intelligent service robots are controlled by a task‐based control system, which generates a task plan that represents a sequence of actions, and executes those actions by invoking the corresponding functions. However, the traditional task‐based control systems lack the consideration of resource factors even though intelligent service robots have limited resources (limited computational power, memory space, and network bandwidth). Moreover, system‐specific concerns such as the relationships among functional modules are not considered during the task generation phase. Without considering both the resource conditions and interdependencies among software modules as a whole, it will be difficult to efficiently manage the functionalities that are essential to provide core services to users. In this paper, we propose a mechanism for intelligent service robots to efficiently use their resources on‐demand by separating system‐specific information from task generation. We have defined a sub‐architecture that corresponds to each action of a task plan, and provides a way of using the limited resources by minimizing redundant software components and maintaining essential components for the current action. To support the optimization of resource consumption, we have developed a two‐phase optimization process, which is composed of the topological and temporal optimization steps. We have conducted an experiment with these mechanisms for an infotainment robot, and simulated the optimization process. Results show that our approach contributed to increase the utilization rate by 20% of the robot resources. Copyright © 2011 John Wiley & Sons, Ltd.     

基于双深度Q网络的智能决策系统研究

目前智能决策系统中的经典算法智能化程度较低,而更为先进的强化学习算法应用于复杂决策任务又会导致存储上的维度灾难问题。针对该问题,提出了一种基于双深度Q网络的智能决策算法,改进了目标Q值计算方法,并将动作选择和策略评估分开进行,从而获得更加稳定有效的策略。智能体对输入状态进行训练,输出一个较优的动作来驱动智能体行为,包括环境感知、动作感知及任务协同等,继而在复杂度较高的决策环境中顺利完成给定任务。基于Unity3D游戏引擎开发了虚拟智能对抗演练的验证系统,对演练实时状态和智能体训练结果进行可视化,验证了双深度Q网络模型的正确性和稳定性,有效解决了强化学习算法存在的灾难问题。该智能决策算法有望在策略游戏、对抗演练、任务方案评估等领域发挥作用。     

基于人工势场与IB-LBM的机器蛇水中2D避障控制算法

为了提高多冗余度、多自由度机器蛇水下环境运动适应能力,提出了基于人工势场与IB-LBM （immersed boundary method-lattice Boltzmann method）相结合的机器蛇水中2D智能避障算法.首先,采用格子Boltzmann方法描述2D水中障碍模型、构造统一形式.然后,运用浸入边界法,结合现有的蛇形曲线运动方程,在计入人工势场法引力和斥力作用的情况下,推导得到机器蛇2D水中避障模型.之后,通过改变障碍影响距离、机器蛇摆动振幅、摆动频率、障碍点斥力增益系数、雷诺数以及目标点引力增益系数等重要参数,研究机器蛇在不同情况下的避障效率和避障安全性.最后,通过多次仿真求取各项参数的最优值.仿真结果表明,在各项参数都最优时,该算法能使机器蛇快速、安全、有效地避开水下复杂环境中的静态障碍而到达目标点.该方法不仅能够充分研究机器蛇在水中的流固耦合特性,获得实时避障效果,而且能够利用已知的环境信息生成最优路径.     

双臂搬运机器人反应式导航控制系统设计

为增强双臂搬运机器人在作业任务过程中的行进避障能力,使其运动行为得到连续有效控制,设计双臂搬运机器人的反应式导航控制系统。根据单片机与电机电路的连接形式,选择合适的ARM微处理器元件与PIC单片机结构,再联合HN-9移动平台、智能导航平台、ROS操作平台,完善反应式导航子模块的运行能力,实现控制系统的硬件单元设计。求取绝对位姿向量、相对位姿向量的计算结果,以此作为自变量系数,确定速度雅可比指标,并推断得出动力学递推表达式,完成对双臂搬运机器人的协调控制,联合相关硬件应用结构,实现双臂搬运机器人反应式导航控制系统的设计。对比实验结果：反应式导航控制系统可使机器人准确躲避行进障碍物,且躲避过程中机器人完成作业任务的能力不会受到影响,符合连续有效控制机器人搬运行为的实际应用需求。     

智能避障小车设计

介绍一种基于STC89C52单片机实现的智能避障小车设计。该系统前方采用两个红外反射式光电传感器ST188检测障碍物,底部采用两个红外反射式光电传感器ST188检测悬崖,控制系统通过检测信号识别障碍物及悬崖并发出指令使小车绕行。