利用方位角信息的移动机器人编队控制

本文以移动机器人为研究对象,仅利用方位角信息实现多智能体系统的编队控制.为实现大规模编队和队形的缩放控制,智能体被分为领航者、第1跟随者以及其余跟随者.首先,考虑智能体之间相对位置信息难以精确测量的情形,设计仅用方位角信息的估计算法获得准确的相对位置;然后,基于获得的相对位置信息设计第1跟随者的控制算法,使得第一跟随者...     

High Precision Formation Control of Mobile Robots Using Virtual Structures

A key problem in cooperative robotics is the maintenance of ageometric configuration during movement. To address this problem, theconcept of a Virtual Structure isintroduced. Using this idea, a general control strategy is developedto force an ensemble of robots to behave as if they were particlesembedded in a rigid structure. The method was instantiated and testedusing both simulation and experimentation with a set of 3differential drive mobile robots. Results are presented thatdemonstrate that this approach is capable of achieving high precisionmovement that is fault tolerant and exhibits graceful degradation ofperformance. In addition, this algorithm does not require leaderselection as in other cooperative robotic strategies. Finally, themethod is inherently highly flexible in the kinds of geometricformations that can be maintained.     

多移动机器人的队形控制

针对步行机器人建模困难和传感信息有限的条件下对其进行的队形控制研究。通过建立机器人的队形位置信息知识库,制定有优先级的组队参考机器人选择规则,结合有限的传感交互信息,提出了基于主从知识联想的平行四边形法来确定机器人的运动向量,使跟随机器人在虚构的平行四边形中分析出其下一步的偏转角和速度,并在偏转角和速度的分析中考虑了时延和适当的控制周期。在机器人队形控制过程中的避障问题则采用模糊控制理论,依据人为经验制定的模糊避障控制规则使机器人灵活的避开障碍,仿真实验证明了算法的有效性。     

全向移动机器人编队分布式控制研究

简单介绍了NuBot机器人的两个主要组成部分：全向视觉和全向运动系统,并给出了运动学分析．基于该机器人平台,提出了D-A和D-D控制两种跟踪算法．通过机器人之间的相对定位和局部通信,实现了多机器人编队的分布式控制,同时,该算法可对机器人朝向进行独立控制．针对不同情况下的编队避障问题,提出了编队变形和编队变换两种方法．仿真和实际机器人实验表明,D-A控制方法能够实现平滑的编队变换;编队变形方法能够在尽量保持原始队形的情况下保证编队顺利避障．     

多移动机器人组成任意队形的控制研究

本文将多移动机器人组成队形的整体行为分解为机器人个体分别向对应目标点运动的子行为加以研究．提出了基于两层监控模式的分布式控制框架,监控模块作为统一的指挥协调中枢,确定各机器人合理的对应目标点,避免机器人在目标区域内绕路,使得多移动机器人能够快速流畅地组成任意队形．实验证明了控制方法的有效性．     

Observer-Based Leader-Following Formation Control Using Onboard Sensor Information

In this paper, leader-following formation control for mobile multiagent systems with limited sensor information is studied. The control algorithms developed require information available from onboard sensors only, and in particular, the measurement of the leader (neighbor) speed is not needed. Instead, an observer is designed for the estimation of this speed. With the proposed control algorithms as building blocks, many complex formations can be obtained.      

Multiagent-Based Multi-team Formation Control for Mobile Robots

In the field of formation control, researchers generally control multiple robots in only one team, and little research focuses on multi-team formation control. In this paper, we propose an architecture, called Virtual Operator MultiAgent System (VOMAS), to perform formation control for multiple teams of mobile robots with the capabilities and advantages of scalability and autonomy. VOMAS is a hybrid architecture with two main agents. The virtual operator agent handles high level missions and team control, and the robot agent deals with low level formation control. The virtual operator uses four basic services including join, remove, split, and merge requests to perform multi-team control. A new robot can be easily added to a team by cloning a new virtual operator to control it. The robot agent uses a simple formation representation method to show formation to a large number of robots, and it uses the concept of potential field and behavior-based control to perform kinematic control to keep formation both in holonomic and nonholonomic mobile robots. In addition, we also test the stability, robustness, and uncertainty in the simulation. This research was supported by the National Science Council under grant NSC 91-2213-E-194-003.     

基于行为的机器人编队控制研究

建立了一种基于行为的机器人编队控制结构模型,该结构采用分层控制策略,全局控制器根据当前所有机器人的状态从一个有限状态机中选择下一步机器人的行为,将协调控制量发送给各机器人,各机器人再通过局部控制器对自身进行控制。该结构模型简单、易行,并且适用于机器人不同任务的需要,具有很高的灵活性,而且易于仿真实现。在此基础上,将一类机器人模型进行反馈线性化,再根据编队控制的要求,利用后推方法设计控制律。仿真结果表明这种结构模型和控制算法是有效的。     

基于行为的机器人自适应队形控制

针对多机器人在未知复杂环境下的队形控制问题,将leader-follower法结合到基于行为法中,提出了机器人在复杂环境下采取跟踪链的方式穿越障碍,而后再重新组队,使机器人适应环境的能力增强,避免了机器人在复杂环境下掉队的现象.在避障活动障碍时,依据障碍运动趋势有预见的主动避开,使控制行为既简单又有效,仿真结果表明该队...     

Trail Formation Using Large Swarms of Minimal Robots

Abstract

Due to the recent advances in robotics, large numbers of robots can be created that exhibit ‘swarm-like’ behavior. These robots, typically small and low-cost with restricted sensing, often exhibit Brownian motion similar to micro-particles. The development of algorithms that create collective behavior that is robust to external pressures has applications in outdoor exploration, search and rescue operations, and nanomedicine. Here, we outline how a swarm of minimal robots, exhibiting only Brownian motion and with limited sensing capabilities, can form trails using mechanisms inspired by diffusion-limited aggregation (DLA). We demonstrate how the trail is robust to obstacles and efficient at finding the closest target. We validate this algorithm both in simulation as well as in reality, using a swarm of up to 100 robots, and highlight the optimum requirements for trail formation.     

Robust Formation Control of Multiple Wheeled Mobile Robots

This paper considers formation control of a group of wheeled mobile robots with uncertainty. Decentralized cooperative robust controllers are proposed in two steps. In the first step, cooperative control laws are proposed for multiple kinematic systems with the aid of results from graph theory such that a group of robots comes into a desired formation. In the second step, cooperative robust control laws for multiple uncertain dynamic systems are proposed with the aid of backstepping techniques and the passivity properties of the dynamic systems such that multiple robots comes into a desired formation. Since communication delay is inevitable in cooperative control, its effect on the proposed controllers is analyzed. Simulation results show the effectiveness of the proposed controllers.     

基于行为的多机器人任意队形的控制

针对多机器人队形优化控制任务,提出一种快速收敛的机器人任意队形的控制算法。各机器人在奔向目标的过程中以队形的几何中心为参考点,自主地确定队形向量。在保持队形的过程中,采用动态死区法,通过对各个区域大小的控制达到对机器人速度的控制,维持规定队形。采用反向避碰、切线避障,根据各机器人间的位置,引入整体队形向量约束机器人的方向,达到机器人整体队形的方向与机器人运动方向一致。实验结果表明该算法可以快速、有效地完成各种编队任务。     

移动机器人的队形控制及其主动避障

在这篇论文中, 我们利用一个统一的算法框架来解决移动机器人的队形控制和主动避障问题, 使得编队中的从机器人在避开障碍物的同时, 能够与被跟踪的主机器人保持期望的相对距离或相对方位. 在现有的关于主—从跟踪编队控制的文献中, 为了实现对主机器人快速准确的跟踪, 从机器人在跟踪控制时需要主机器人在惯性坐标系下的绝对运动速度作为队形跟踪控制器的输入. 然而, 在一些环境中, 主机器人的绝对运动状态很难获得. 这里, 我们将利用主—从机器人之间的相对速度来建立机器人编队系统的运动学模型. 基于这个模型的编队控制方法将不再需要测量主机器人的绝对运动速度. 进一步地, 上述的建模和控制方法被扩展为一个移动机器人的动态避障方法, 该方法利用机器人与障碍物之间相对运动状态作为避障控制器的信息输入. 利用由三个非完整移动机器人组成的多机器人系统, 验证了所提出编队控制方法的有效性.     

多移动机器人避障编队控制

研究多移动机器人避障优化设计,针对多移动机器人在障碍物环境下的编队控制问题,为了保持整体合理避障和控制系统的稳定性和安全性,提出一种多机器人避障编队控制策略.首先获得多移动机器人编队的队形结构模型,结合多机器人完成避障编队任务的问题描述;在此基础上引入导航函数采用一种避障编队控制算法,使移动机器人能以设定的队形运动到目标点,可保证编队运动过程中未与障碍物发生碰撞.进行仿真的结果证明,所提算法解决了多机器人编队与避障问题,并保证了闭环系统的稳定性与安全性,验证了设计方法的有效性.     

一类非完整移动机器人编队控制方法

针对大部分两轮非完整移动机器人轮轴中心与几何中心不重合的特点, 提出一种多机器人协调编队控制算法. 构造队形参数矩阵确定编队形状, 根据领航机器人和相关队形参数生成虚拟机器人, 把编队控制分解为跟随机器人对虚拟机器人的轨迹跟踪. 建立虚拟机器人与跟随机器人之间误差系统模型, 利用Lyapunov 理论设计相应控制器, 从而实现队形保持和变换. 应用microsoft robotics developer studio 4(MRDS4) 搭建3D 仿真平台, 设计3 组实验, 结果进一步验证了所提出方法的有效性.

     

多移动机器人避障编队控制

研究了非完整移动机器人群的避障编队问题. 在次优化控制基础上, 通过对每个交互机器人求解指标函数存在耦合的优化问题提出了两种算法. 在终端惩罚项中加入了势场函数并且构造出相应的终端约束集. 关于系统稳定性及安全性进行了讨论. 仿真实例说明了所提算法的可行性.     

基于Motor Schema的多移动机器人队形优化控制

针对多移动机器人的队形优化控制任务,引入4种基本行为,即奔向目标行为、保持队形行为、避免与静态障碍物碰撞行为、避免与其它机器人碰撞行为.为了实现行为的决策,机器人采用基于MotorSchema的结构,并通过遗传算法优化行为合成所需的控制参数.仿真结果表明,所提出的方法是可行的.     

多移动机器人编队的行为选择控制系统

针对多机器人在编队行进过程中的行为选择问题进行了分析,提出一种实现多移动机器人编队的行为选择机制。通过计算机仿真和实验研究,结果表明该控制策略能很好的实现多机器人快速编队,并在编队过程中实现运动状态的平滑变化,提高了整个系统性能。     

不确定环境下多机器人的动态编队控制

提出了一种不确定环境下多机器人的动态编队控制方法．通过队形参数矩阵确立多机器人之间的相对 位置关系,将全局队形控制问题转化为跟随机器人离轴点对虚机器人（与领航机器人运动方向一致,且对领航机器 人保持期望的相对距离和观测方位角）离轴点的跟踪．基于建立的跟随机器人和领航机器人之间的误差跟踪系统模 型设计相应控制律实现队形保持,并提出了防止机器人与障碍物及其它机器人碰撞的避障策略．仿真结果表明了所 提方法的可行性和有效性．     

Formation Control of Swarm Robots with Multiple Proximity Distance Sensors

This study deals with the formation control problem of swarm robots using position sensitive detector (PSD) proximity distance sensors based on light-emitting diodes (LEDs). These proximity distance sensors are lightweight and quickly responsive, and are expected to enhance the mobility and flexibility of swarm robots. However, as each sensor has a narrow detection angle, the formation control problem becomes more difficult than when wide-directional distance sensors (such as cameras and laser rangefinders) are used. To overcome this difficulty, we design a two-part motion controller that controls both position and attitude. The attitude controller is necessary for continuous detection of other robots through the narrow detection angles. The designed controller is distributed in the sense that it requires only information on measured values of each robot’s own sensors. Next, we derive an appropriate sensor arrangement (positions and detection angles) that achieves the desired formation pattern. Finally, the effectiveness of the proposed method is demonstrated in an experiment performed by six omni-wheeled robots equipped with LED-based PSD proximity distance sensors.