基于一种蚁群算法的多机器人动态感知任务分配

多机器人系统在具有任务聚集特征的动态感知任务环境下执行搜集任务时,存在着由于任务分配不当而引起的冲突加剧问题.针对这一问题,提出了一种基于排斥信息素型蚁群算法的多机器人任务自主分配方法.进行了未知非结构化环境下的多机器人协作搜集仿真实验.仿真结果表明,采用本文所提方法可以实现多机器人搜集任务的自主分配,有效减少机器人的空间冲突,尤其在机器人数量较多的情况下,更能显示出该方法的优势.     

协作多机器人系统研究进展综述

协作多机器人系统是近年来机器人研究的热点,具有良好的应用前景.针对开展相关研究的迫切需要,总结了协作多机器人系统研究的国内外发展现状,并分别对无意识协作的仿生多机器人系统和有意识协作的异构多机器人系统研究进行论述.重点从系统构建和优化控制的宏观角度出发,对有意识协作异构多机器人系统的体系结构、环境感知以及优化控制3个方面的研究进展分别展开论述;对典型的多机器人验证任务和软硬件实验平台进行了总结;最后对协作多机器人系统的研究方向进行了展望.     

基于效用函数的多机器人系统任务分配

目前所采用的多机器人系统任务分配方法大多都忽略了任务分配的解质量问题。从定量的角度出发,提出了一种基于效用函数的多机器人系统任务分配策略,在机器人能力向量和子任务要求的能力向量基础上,建立了效用函数的数学模型,根据效用函数大小进行任务分配。仿真实验在足球机器人仿真比赛平台上进行,结果表明该任务分配算法对异构多机器人系统合作具有很好的通用性,且算法快速简单,能够实现任务到机器人的最优映射。     

群机器人多目标搜索中带闭环调节的动态任务分工

群机器人在并行化地同时搜索多个目标时,须通过任务分工形成若干个子群联盟,每个子群分别针对一个确定性目标协同搜索.非结构化环境中搜索对象和搜索主体的变化,要求任务分工动态进行.故在基于响应阈值分工模型基础上,提出一种带闭环调节的动态分工方法.根据机器人或者通过检测目标信号、或者通过邻域通信获得目标认知的特点,将元任务分类并构造个性化任务集,基于概率原则评估针对目标激励的响应并自主选取意向目标.具有共同意向的机器人自组织地缔结子群联盟.然后用平均距离法度量子群联盟内的机器人资源配置水平,作为负反馈引入任务分工模型,调节机器人在不同子群联盟间动态迁移.仿真结果表明,使用本文方法对群机器人动态分工后进行协同搜索,搜索效率较现有方法有显著提高.     

动态环境下分布式异构多机器人避障方法研究

多机器人系统在联合搜救、智慧车间、智能交通等领域得到了日益广泛的应用。目前,多个机器人之间、机器人与动态环境之间的路径规划和导航避障仍需依赖精确的环境地图,给多机器人系统在非结构环境下的协调与协作带来了挑战。针对上述问题,本文提出了不依赖精确地图的分布式异构多机器人导航避障方法,建立了基于深度强化学习的多特征策略梯度优化算法,并考虑了人机协同环境下的社会范式,使分布式机器人能够通过与环境的试错交互,学习最优的导航避障策略;并在Gazebo仿真环境下进行了最优策略的训练学习,同时将模型移植到多个异构实体机器人上,将机器人控制信号解码,进行真实环境测试。实验结果表明:本文提出的多特征策略梯度优化算法能够通过自学习获得最优的导航避障策略,为分布式异构多机器人在动态环境下的应用提供了一种技术参考。     

异构多机器人编队相互通信时延精确控制

编队控制是多机器人协同控制领域研究的重点问题。考虑实际复杂环境,对异构多机器人系统的编队控制研究更具工程意义。再者,当异构多机器人编队系统存在通信时延时,同时对系统中不同阶机器人进行一致性分析的难度增大。针对以上问题,提出一种基于一致性理论的异构系统编队控制算法。考虑零时延与固定时延两种情况,首先,利用一致性思想将领航跟随者模式下的异构多机器人系统编队控制问题转换为稳定性问题。然后,根据矩阵分析与Routh-Hurwitz定理,推导出零时延系统实现编队控制的充要条件。进一步构造Lyapunov-Razumikhin函数,利用Newton-Leibniz公式与Lyapunov定理,推导出固定时延系统实现编队控制的充分条件。仿真结果表明：基于一致性算法的异构多机器人系统能够实现相互通信时延条件下的编队精确控制。     

多机器人任务分配的研究与进展

从多机器人任务分配的类型、任务分配方法、任务的死锁与解除以及各种任务分配算法的对比等4个方面,对多机器人任务分配的最新研究进展进行了概述.分析了多机器人任务分配的发展趋势,指出动态环境和未知环境下大规模异构机器人任务分配问题的研究是必然趋势,在众多研究方法中,群体智能方法是解决该类问题的未来研究方向.     

基于KQML语言的多自主移动机器人仿真系统

用JAVA语言开发了栅格环境下的多自主移动机器人仿真系统,通过KQML语言通信模拟了多个自主的移动机器人,机器人的自主性主要体现在自主感知环境和自主进行路径规划、任务执行和安全导航等工作．该仿真系统具有平台无关性、地图无关性、算法无关性以及机器人配置的无关性,为多自主机器人系统的研究提供了一个可借鉴的平台．     

基于并行蚁群算法的多机器人联盟组成

多机器人联盟组成是多机器人协作的重要方法,如何快速高效的组成最优联盟是工作策略,结合多机器人的协作机制组成多机器人任务最优动态联盟,避免了联盟的死锁问题和资源的浪费,减少联盟组成的计算量和通讯量.     

复杂约束条件下异构多智能体联盟任务分配

分布式任务决策是提高多智能体系统自主性的关键. 以异构多智能体协同执行复杂任务为背景, 首先建立 了一种考虑任务载荷资源约束、任务耦合关系约束及执行窗口约束等条件的异构多智能体分布式联盟任务分配模 型; 其次, 对一致性包算法(CBBA)进行了扩展, 提出了基于改进冲突消解原则的一致性联盟算法(CBCA), 以实现异 构多智能体协同无冲突任务分配, 并进一步证明了在一定条件下CBCA算法收敛于改进顺序贪婪算法(ISGA). 最后 通过数值仿真, 验证了CBCA算法求解复杂约束条件下异构多智能体联盟任务分配问题的可行性和快速性.