集群机器人系统特性评价研究综述

集群机器人系统是群体智能的一个重要应用研究领域, 也是机器人系统未来发展的重要方向之一. 集群机器人系统特性评价是一个极具挑战性的关键技术与理论问题, 对于集群机器人系统的研究与发展具有重要意义. 首先, 给出了对集群机器人系统基本概念的理解, 并且从多种不同角度作出了分类. 其次, 梳理了多个关键的集群机器人系统期望特性; 在此基础上, 分别从评价标准、评价指标体系和评价方法三方面对已有集群机器人系统特性评价研究成果进行了比较全面的评述. 最后, 分析总结了当前集群机器人系统特性评价研究工作的不足, 并对未来发展方向进行了展望.     

从集群智能角度分析协同驾驶:综述和展望

协同驾驶是集群智能技术的典型应用之一.和集群机器人相比,协同驾驶既有集群智能技术的共性问题,也有特性问题.对协同驾驶与集群机器人对比研究,有助于更好理解协同驾驶问题的内在难点,也有助于推动集群智能技术的发展,完善复杂系统科学.本文从集群智能研究的角度出发,对协同驾驶进行反思综述.本文首先介绍协同驾驶的研究背景和意义,然后从集群智能的角度进一步分析协同驾驶和集群机器人的区别,接着介绍协同驾驶的关键技术,并着重强调协同规划在协同驾驶中的特殊性与重要性,最后分析了世界各国协同驾驶发展现状,并针对现阶段我国协同驾驶发展的难点提出一些建议,同时对协同驾驶的未来进行展望.     

基于虚拟现实和眼动追踪的人-集群机器人交互方法

操作员对集群机器人实施远程控制时面临被控对象众多、群体态势感知困难、集体行为控制不易等诸多挑战,使得手动遥控等传统交互方式无法实现高效、灵活、强沉浸感的人-集群机器人交互。为此,提出一种基于虚拟现实(VR)和眼动追踪的人-集群机器人交互(HSI)方法。首先,构建集群机器人VR交互场景并采集操作员的眼动数据;其次,解析获得瞳孔坐标、注视点等眼动特征,据此生成集群机器人的运动控制指令;最后,开展了真实集群机器人集群漫游、集群目标追踪及集群轨迹跟踪交互实验。机器人实验结果表明,该方法可实现灵活、便捷的人-集群机器人远程交互控制,这为人与集群机器人的共融协作提供了一种新的途径。     

从自然灵感角度出发的群体智能集群机器人系统研究综述

受生物自组织行为启发的群体智能研究近年来发展势头迅猛,以生物自组织行为内在机理为依据可以协助研究者设计出高效的集群系统。本文从生物自组织行为出发对群体智能集群机器人系统的研究成果进行综述,首先解释自然界中生物的部分自组织行为;其次对生物自组织行为机制所衍生出的群体智能集群机器人系统任务进行归类,总结近年来的研究成果;最后对集群系统当前研究存在的问题以及受生物行为启发的集群机器人系统未来发展趋势进行展望。该综述致力于为广大研究者提供一个新角度思考群体智能集群机器人系统的研究成果以推动相关领域发展。     

鱼集群游动的节能机理研究综述

集群是鱼类生物中一种常见的现象,特定编队的集群运动可以显著提高鱼群的游动效率.鱼集群游动节能机理的研究为机器人集群编队设计和控制提供启发与帮助,得到了研究人员的广泛关注.本文介绍了鱼集群游动节能机理研究的主要方法及最新的研究成果,将研究方法分为鱼群观察分析法、计算流体力学仿真法和实验装置研究法,并基于此对近些年的研究成...     

鱼群涌现机制下集群机器人运动强化的迁移控制

采用鱼群模型驱动多智能体可以涌现出优良的运动特性,但是,由于机器人与真实鱼类相比具有较大的差异性,使得鱼群模型难以应用于真实机器人系统.为此,提出一种结合深度学习与强化学习的迁移控制方法,首先,使用鱼群运动数据训练深度网络(deep neural network, DNN)模型,以此作为机器人成对交互的基础;然后,连接强化学习的深度确定性策略梯度方法(deep deterministic policy gradient, DDPG)来修正DNN模型的输出,设计集群最大视觉尺寸方法挑选关键邻居,从而将DNN+DDPG模型拓展到多智能体的运动控制.集群机器人运动实验表明:所提出方法能使机器人仅利用单个邻居信息就能形成可靠、稳定的集群运动,与单纯DNN直接迁移控制相比,所提出DNN+DDPG控制框架既可以保存原有鱼群运动的灵活性,又能增强机器人系统的安全性与可控性,使得该方法在集群机器人运动控制领域具有较大的应用潜力.     

晶格式集群机器人矩阵成型方法及实验

针对复杂非结构环境下作业任务对机器人的多功能性、柔性化等特殊需求,提出一种以映射矩为目标构型识别依据、矩阵元素为成型运动核心的晶格式集群机器人矩阵成型方法.基于离散化处理后的晶格式群体系统与元素离散排列、对称分布的矩阵的相似性,在预处理阶段,将用户给定的二维目标几何构型任务进行矩阵二值化处理后,与初始构型矩阵嵌套和匹配,并依次通过矩阵映射运算、初始构型体的相对定位实现集群机器人对目标几何构型的有效识别.在成型阶段,晶格式机器人个体以矩阵元素为运动依据、晶格单元为成型载体,设计晶格式集群机器人的个体自主成型规则,有效解决群体系统中“走哪里”和“怎么走”的问题.最后,通过仿真实验表明群体矩阵成型方法的可行性和有效性.     

微纳米机器人的最新研究进展综述

对2017～2021年微纳米机器人（尺寸介于1 nm～1 mm之间）的最新研究进展进行了综述。首先从物理驱动、化学驱动、生物驱动和混合驱动4个角度对微纳米机器人在微纳米操作、集群控制、靶向治疗等方面的最新研究成果进行总结。然后从制备、定位和成像、功能化、集群等方面分析了微纳米机器人应用中面临的挑战。最后对微纳米机器人的研究进程进行总结,对未来发展趋势进行展望。     

机器人技术研究进展

机器人技术的研究已从传统的工业领域扩展到医疗服务、教育娱乐、勘探勘测、生物工程、救灾救援等新领域, 并快速发展. 本文简要介绍了工业机器人、移动机器人、医疗与康复机器人和仿生机器人研究中的部分主要进展, 并通过分析和梳理, 归纳了机器人技术发展中的一些重要问题, 探讨机器人技术的发展趋势.     

试论国内外机器人机械学的发展趋向

本文概略介绍了机器人技术的发展现状,阐述了机器人机械学的含义和范围.分析了本学科的主要研究领域(机器人运动学和动力学、机器人机械CAD技术、机器人新机型和新结构、机器人应用工程、步行机器人等)及其在科学技术中的地位.全文结合上述5个主要研究领域较详细地论述了国内外现状及发展趋向.最后结合我国实际情况提出了机器人机械学的研究方向及主要研究内容的建议.     

受生物群体智能启发的多机器人系统研究

首先，介绍了生物社会中的群体智能．接着，讨论了群体机器人技术中的群体控制、群体通信和群体形态等主要研究内容及其发展趋势，并介绍了群体机器人系统的几个典型任务环境．最后，通过一个物体搜集任务的仿真实例来说明群体智能设计原则在多机器人系统中的应用．     

群机器人学

介绍了群机器人学的含义、特点和发展现状,分析了研究群机器人系统的相关理论和方法,总结了群机器人学研究的主要内容,并指出其发展趋势。     

Wave algorithm applied to collective navigation of robotic swarms

In swarm robotics, it is necessary to develop methods and strategies that guide the collective execution of tasks by the robots. The design of such tasks can be done considering it as a collection of simpler behaviors, called subtasks. In this paper, the Wave Swarm is presented as a general strategy to manage the sequence of subtasks that compose the collective navigation, which is an important task in swarm robotics. The proposed strategy is based mainly on the execution of wave algorithms. The swarm is viewed as a distributed system, wherein the communication is achieved by message passing among robot's neighborhood. Message propagation delimits the start and end of each subtask. Simulations are performed to demonstrate that controlled navigation of robot swarms/clusters is achieved with three subtasks, which are recruitment, alignment and movement. The performance of the proposed strategy regarding the time spent in the two first subtasks is analyzed. Furthermore, the simulations of the navigation in different environments including obstacles are presented and discussed.     

Kilobot: A low cost robot with scalable operations designed for collective behaviors

In current robotics research there is a vast body of work on algorithms and control methods for groups of decentralized cooperating robots, called a swarm or collective. These algorithms are generally meant to control collectives of hundreds or even thousands of robots; however, for reasons of cost, time, or complexity, they are generally validated in simulation only, or on a group of a few tens of robots. To address this issue, this paper presents Kilobot, an open-source, low cost robot designed to make testing collective algorithms on hundreds or thousands of robots accessible to robotics researchers. To enable the possibility of large Kilobot collectives where the number of robots is an order of magnitude larger than the largest that exist today, each robot is made with only $14 worth of parts and takes 5 min to assemble. Furthermore, the robot design allows a single user to easily operate a large Kilobot collective, such as programming, powering on, and charging all robots, which would be difficult or impossible to do with many existing robotic systems. We demonstrate the capabilities of the Kilobot as a collective robot, by using a small robot test collective to implement four popular swarm behaviors: foraging, formation control, phototaxis, and synchronization.     

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.     

群体智能典型算法研究综述

群体智能是指无智能的或具有简单智能的个体通过协作表现出群体智能行为的特性,它在没有集中控制且不提供全局模型的前提下,为寻找复杂的分布式问题求解方案提供了基础。群体智能潜在的并行性和分布式特征使之成为计算机领域一个重要的研究方向。在介绍群体智能模型的基础上,分别对基于该模型的蚁群优化算法和粒子群优化算法这两类代表性算法进行较为详尽的归纳阐述并进行比较,最后就目前应用最为广泛的蚁群算法对群体智能的发展趋势进行展望。     

Time-varying Algorithm for Swarm Robotics

Ever since the concept of swarm intelligence was brought out, a variety of control algorithms for swarm robotics has been put forward, and many of these algorithms are stable enough and efficient. Most of the researches only take an invariable controller which functions through the whole stage into consideration, the situation in which controller changes over time is rarely taken into account. However, there are limitations for invariable controller dominated algorithms in practical situation, which makes them unable to meet changing environment. On the contrary, variable controller is more flexible and can be able to adapt to complex environment. Considering such advantages, a time-varying algorithm for swarm robotics is presented in this paper. The algorithm takes time as one of the independent variables so that the controller is no longer fixed through the time, but can be changed over time, which brings more choices for the swarm robot system. In this paper, some relevant simulations are designed to test the algorithm. Different control strategies are applied on the same flock during the time, and a more complex, flexible and practical control effect is acquired successfully.      

一种基于群体智能的Web文档聚类算法

将群体智能聚类模型运用于文档聚类，提出了一种基于群体智能的Web文档聚类算法，首先运用向量空间模型表示Web文档信息，采用常规方法如消除无用词和特征词条约简法则得到文本特征集，然后将文档的向量随机分布到一个平面上，运用基于群体智能的聚类方法进行文档聚类，最后从平面上采用递归算法收集聚类结果，为了改善算法的实用性，将原算法与k均值算法结合提出一种混合聚类算法，通过实验比较，结果表明基于群体智能的Web文档聚类算法具有较好的聚类特性，它能将与一个主题相关的Web文档较完全而准确地聚成一类。     

群机器人通信研究综述

为了完成规定任务,群机器人中的个体机器人之间须进行协调合作,这有赖于机器人在有限感知和局部交互基础上的群体智能行为涌现,故对群机器人系统中的通信研究现状进行述评。首先对通信机制进行了划分,指出隐式通信的效率较显式通信为低,且作为人工系统的群机器人中更多采用显式通信机制。针对显式通信,通过对通信方式、网络拓扑结构、通信协议及通信语言等主要内容进行阐述,明确群机器人中通信研究的现状,并对该领域的研究方向进行了展望。     

未知环境中群机器人队形移动

群机器人学是多机器人系统的一个重要研究方向,其主要特点是系统包含大量个体.如何控制不受数量限制的群机器人形成队形并在未知环境中移动,是一个极具挑战性的问题.基于人工物理原理分析了群机器人网格队形分布和移动控制原理,制定了详细的系统性能评价指标(稳定时间、碰撞次数、覆盖率、连接数、簇数、分布密度等参数),提出了采用曲线拟合法构建虚拟力模型.通过在有障碍物环境中的仿真,显示出该方法可以鲁棒、有效的完成网格分布和移动任务.最后指出了今后的研究方向.