未知动态环境下非完整移动群机器人围捕

针对未知动态障碍物环境下非完整移动群机器人围捕,提出了一种基于简化虚拟受力模型的自组织方法.首先给出了个体机器人的运动方程,然后给出了未知动态环境下目标和动态障碍物的运动模型.通过对复杂环境下围捕行为的分解,抽象出简化虚拟受力模型,基于此受力模型,设计了个体运动控制方法,接着证明了系统的稳定性并给出了参数设置范围.不同情况下的仿真结果表明,本文给出的围捕方法可以使群机器人在未知动态障碍物环境下保持较好的围捕队形,并具有良好的避障性能和灵活性.最后分析了本文与基于松散偏好规则的围捕方法相比的优势.     

未知环境下群机器人多目标搜索协同控制

未知环境下,群机器人无法预先获取多目标搜索的环境信息,仅可局部感知与局部通信.本文针对避障效率与搜索效率的缺陷提出边界扫描的避障策略和目标位置估计的粒子群算法,边界扫描的避障策略(BSOA)将障碍物简化成连续障碍物与非连续障碍物两种情况,并根据情况向特定边界运动;目标位置估计的粒子群算法(TPEPSO)则利用获取的目标信号估计目标位置,结合粒子群算法到达目标附近,从而实现目标搜索.提出的方法与基于简化虚拟受力分析模型的循障避碰方法(SVF)及扩展粒子群算法(EPSO)、自适应机器人蝙蝠算法(ARBA)仿真比较,搜索效率提高5.72%～21.58%,总能耗减少4.30%～19.11%.     

群机器人自组织围捕多个入侵者的链阵方法

针对群机器人在二维给定区域自组织围捕多个入侵者问题提出了一种链阵方法.链阵中的机器人分为链首和链节,其中链首不但会环绕围捕目标运动而且能也只有它们能发布招募信息,以招募更多的机器人参与围捕同时又能使参与者不致太多.链节机器人则只需简单地跟随leader不停运动以形成链阵.机器人的运动由人工力矩运动控制器驱动,该控制器能使机器人在完成任务的同时而又不会发生碰撞.仿真结果表明,链阵方法可以根据实际需求动态调整链阵中的机器人数,能使围捕不同目标的机器人结成统一的链阵.链阵的不停移动则有利于机器人在数量较少时包围入侵者.     

感知范围受限的群机器人自主围捕算法

针对在有障碍物场地中感知范围受限的群机器人协同围捕问题,本文首先给出了机器人个体、障碍物、目标的模型,并用数学形式对围捕任务进行描述,在此基础上提出了机器人个体基于简化虚拟速度和基于航向避障的自主围捕控制律.基于简化虚拟速度模型的控制律使得机器人能自主地围捕目标同时保持与同伴的距离避免互撞;基于航向的避障方法提升了个体...     

多障碍物环境下机器人的连续避障策略

本文针对多障碍物环境下,机器人避障过程中又出现障碍物这一情况,设计了一种避障策略,来实现机器人的连续避障并到达指定目标点的功能。在该策略中,设计了一套基于避障状态的方向选择规则,并提出了一种象限法,来决定机器人的当前行为。实验证明,该策略实现简单,并可较大限度地降低避障行为的盲目性和重复性。     

未知环境下分布式多机器人避碰协作算法

针对多机器人协作问题,提出一种未知环境下分布式多机器人协作避碰算法。该算法基于分布式投标模型协调多机器人运动,改进过去算法的前提假设,综合考虑机器人的实际尺寸和传感误差,通过自适应设定投标时间,提高算法的效率,针对通信延时引起的信息不一致,采用按优先级顺序进行探测的方法。仿真实验验证了该算法的可行性。     

动态环境中的多机器人协同搬运

在多机器人协同搬运过程中,针对传统的强化学习算法仅使用数值分析却忽略了推理环节的问题,将多机器人的独立强化学习与“信念-愿望-意向”（BDI）模型相结合,使得多机器人系统拥有了逻辑推理能力,并且,采用距离最近原则将离障碍物最近的机器人作为主机器人,并指挥从机器人运动,提出随多机器人系统位置及最近障碍物位置变化的评价函数,同时将其与基于强化学习的行为权重结合运用,在多机器人通过与环境不断交互中,使行为权重逐渐趋向最佳。仿真实验表明,该方法可行,能够成功实现协同搬运过程。     

基于虚拟力的群机器人围捕算法

启迪于物理学中的范例,探讨了基于虚拟力的群机器人围捕算法的原理和方法。制定了详细的系统性能评价指标（稳定时间、层数、层间距离、层中机器人个数、机器人密度等参数）。分析了围捕性能与机器人数量、虚拟力的关系;提出了目标对机器人作用力的分层结构思想,实验显示不仅加快了围捕速度,而且提高了围捕分层的质量;提出了机器人绕目标转动的围捕方法,解决了势场法中常见的局部极点问题,并且大大提高了围捕的速度和质量。设计了一个简单的实体机器人实验证实了围捕算法的可行性,指出了今后的研究方向。     

复杂地形环境下多机器人编队控制方法

针对复杂地形地面崎岖起伏的特点,提出了一种多机器人系统编队控制方法.首先,分析了复杂地形环境下的系统队形模型.通过建立三维地形环境下编队系统的误差模型,并运用空间投影法将其映射到二维平面上,对系统的编队误差进行分析.然后利用李雅普诺夫函数构造控制器,并根据环境中的特定地形设计相应的编队行驶策略,实现了多机器人系统在复杂地形环境下的编队控制.最后,通过3种典型复杂地形环境下两种非完整移动机器人的编队仿真,验证了该方法的有效性.     

群机器人多目标搜索中的合作协同和竞争协同

群机器人进行多目标搜索时,通过任务分工形成多个子群,各子群分别针对一个意向目标协同搜索,故围绕子群协同中存在的合作关系和竞争关系提出控制策略.为进行合作协同,建立子群发言人的动态遴选机制,不同子群的发言人进行通信,交换所属各子群的最优信息,引导本子群的搜索行为;为进行竞争协同,引入承包机制,按子群的优势地位高低决定是承包还是放弃对某些目标的搜索.两类协同控制的仿真结果表明,合作协同扩大了机器人的感知范围,竞争协同降低了空间冲突机率.二者综合作用,明显提高了群机器人的搜索效率.     

Seeking a path through the crowd: Robot navigation in unknown dynamic environments with moving obstacles based on an integrated environment representation

We present a novel algorithm for collision free navigation of a non-holonomic robot in unknown complex dynamic environments with moving obstacles. Our approach is based on an integrated representation of the information about the environment which does not require to separate obstacles and approximate their shapes by discs or polygons and is very easy to obtain in practice. Moreover, the proposed algorithm does not require any information on the obstacles’ velocities. Under our navigation algorithm, the robot efficiently seeks a short path through the crowd of moving or steady obstacles. A mathematically rigorous analysis of the proposed approach is provided. The performance of the algorithm is demonstrated via experiments with a real robot and extensive computer simulations.     

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.     

Navigation of carlike robots in an extended dynamic environment with swarm avoidance

In this paper, we propose a new solution to the motion planning and control problem for a team of carlike mobile robots traversing in an extended dynamic environment. Motivated by the emerging necessity to avoid or defend against a swarm of autonomous robots, the wide array of obstacles in this dynamic environment for the first time includes a swarm of boids governed separately by a system of ordinary differential equations. The swarm exhibits collective emergent behaviors, whereas the carlike mobile robots safely navigate to designated targets. We present a set of nonlinear continuous controllers for obstacle, collision, and swarm avoidance. The controllers provide a collision‐free trajectory within a constrained workspace cluttered with various fixed and moving obstacles while satisfying the nonholonomic and kinodynamic constraints associated with the vehicular robotic system. An advantage of the proposed method is the ease in deriving the acceleration‐based control laws from the Lyapunov‐based control scheme. The effectiveness of the control laws is demonstrated via computer simulations. The novelty of this paper lies in the simplicity of the controllers and the ease in the treatment of an extended dynamic environment, which includes swarm avoidance.     

未知环境下基于约束点的移动机器人路径规划

针对未知环境中障碍物种类多样性和位置不确定性的特点,提出了基于约束点的路径规划方法。首先对机器人在未知环境中检测到的局部障碍物信息进行分类和几何特征属性描述,得其约束点信息,然后引入改进后的A*算法,将其搜索范围局限于约束点上,计算约束点的评价函数值后得到子目标点,机器人到达子目标点后,若陷入死区,则采取回溯路径策略,重新选择子目标点,否则根据该点所属的障碍物种类采取跨越或绕行避障策略,最后移动机器人在未知环境中顺利到达目标点。仿真研究说明本文提出的路径规划方法具有可行性和有效性。     

动态环境中服务机器人的改进型地图学习规划

针对室内服务机器人进行服务工作时需要躲避碰撞和抵达目标点的功能需求,本文提出了一种改进型地图学习路径规划算法.在地图学习规划算法的基础上,该算法首先约定了移动机器人的非完整性,使规划具有更高的可行性.然后改进了障碍物的影响方式,令已探测到的障碍物仅对已知区域产生作用,从而减少未知区域对路径选择的影响.接着,优化了地图学习算法中的随机选点策略,即若目标点出现在探测范围内时则令目标点作为初始选取点,解决了地图学习规划在临近目标点时收敛性不佳问题.并设计自适应速度移动策略以进一步提高算法的收敛性能和机器人的规划效率.最后,仿真及实验结果表明改进型地图学习路径规划算法相比于传统地图学习算法具有更好的规划效率和目标收敛能力.     

Optimal and suboptimal motion planning for collision avoidance of mobile robots in non-stationary environments

An optimal control formulation of the problem of collision avoidance of mobile robots moving in terrains containingmoving obstacles is presented. A dynamic model of the mobile robot and the dynamic constraints are derived. Collision avoidance is guaranteed if the minimum distance between the robot and the objects is nonzero. A nominal trajectory is assumed to be known from off-line planning. The main idea is to change the velocity along the nominal trajectory so that collisions are avoided. Furthermore, time consistency with the nominal plan is desirable. Two solutions are obtained: (1) A numerical solution of the optimization problem and a perturbation type of control to update the optimal plan and (2) A computationally efficient method giving near optimal solutions. Simulation results verify the value of the proposed strategies and allow for comparisons.