多移動機器人協(xié)作方法研究.pdf

1、人工智能科學研究的進展和通訊技術的進步為多移動機器人系統(tǒng)的深入研究和廣泛應用奠定了牢固的技術基礎。隨著人類要求機器人完成任務難度的提高，多移動機器人系統(tǒng)的應用范圍越來越廣泛。許多任務由多個機器人協(xié)同完成要優(yōu)于采用單個機器人。多移動機器人系統(tǒng)不僅能夠有效地利用機器人之間的相對定位及信息共享機制，提高系統(tǒng)效率和任務完成的質量，而且可以完成單一機器人無法完成的時間和空間并行的多任務。
　　然而，多個機器人之間如果沒有一個良好的協(xié)作機制，

2、不僅會由于機器人之間的重復工作和彼此干擾而導致系統(tǒng)整體性能下降，而且會由于沖突加劇和發(fā)生死鎖現(xiàn)象而產生機器人安全隱患甚至使系統(tǒng)發(fā)生癱瘓而無法完成預定任務。因此多移動機器人協(xié)作方法研究是多移動機器人系統(tǒng)研究的核心問題。本文重點研究了基于心理學概念的多移動機器人協(xié)作方法和基于生物啟發(fā)策略的多移動機器人協(xié)作方法。并對多移動機器人緊耦合任務和松耦合任務分別進行了強化學習方法的研究。
　　分析和比較了各種單體機器人控制結構，在此基礎上提出了

3、一種面向多移動機器人協(xié)作的基于目標型行為有限狀態(tài)機的單體機器人控制結構。分析和比較了各種多機器人群體控制結構的特點，在此基礎上提出了一種基于群智能方法的分布式群體控制結構。為了更好地說明任務概念和為基于任務的多移動機器人協(xié)作研究奠定基礎，提出了一種MTB多移動機器人任務層次結構。
　　受螞蟻等社會性昆蟲營養(yǎng)交哺現(xiàn)象的啟發(fā)，提出了一種基于交哺行為的Mission級任務一致性保持方法，使多移動機器人系統(tǒng)可以自主地實現(xiàn)任務的一致性保持，

4、為通信范圍有限或者通信信息需要保密的敵對環(huán)境下的系統(tǒng)任務命令的有效傳播提供了一種魯棒和可靠的群智能方法。在模擬螞蟻等社會性生物采用信息素進行信息交流的隱式通信方式的基礎上，提出了一種基于排斥信息素型蟻群算法(PR-ACA)的多移動機器人自主任務分配方法。進行了未知非結構化環(huán)境下的多移動機器人協(xié)作搜集仿真實驗。仿真結果表明，采用該方法可以實現(xiàn)多移動機器人搜集任務的自主分配，有效減少機器人的空間沖突，尤其在機器人數(shù)量較多的情況下，更能顯示出

5、該方法的優(yōu)勢。
　　提出了一種基于心理狀態(tài)參數(shù)的多移動機器人協(xié)作行為決策方法。機器人根據(jù)對自身內外環(huán)境及隊友狀態(tài)的估計產生心理狀態(tài)參數(shù)。利用神經(jīng)網(wǎng)絡建立心理狀態(tài)參數(shù)與機器人協(xié)作傾向閾值之間的映射關系。在遇到需要產生協(xié)作行為的場合根據(jù)這些閾值來快速產生反應。實驗結果表明所提方法既可以保證機器人根據(jù)環(huán)境做出合理的判斷，又可以保證機器人反應的快速性。針對目前應用于多移動機器人協(xié)作的拍賣方法很少考慮機器人參與拍賣的時機是否適當這一問題，在

6、拍賣方法中引入了心理學的焦慮概念，提出了基于焦慮/拍賣的多機器人協(xié)作方法(AACM)。實驗結果表明，與單純的拍賣方法相比，該方法能夠提高多移動機器人協(xié)作搜集任務的執(zhí)行效率。
　　針對緊耦合任務的特點，應用強化學習方法進行了多移動機器人編隊導航任務的研究。高層采用“條件——行為對”強化學習機制解決了多移動機器人長障礙物的繞行方向選擇問題。中層采用一種角色交叉包含式控制結構作為編隊保持機制。底層采用“動作——狀態(tài)對”強化學習機制進行避

7、碰規(guī)則的學習。通過多移動機器人編隊導航仿真實驗證明了所提三層控制方法對于解決多機器人編隊導航任務的有效性和高效性。針對松耦合任務的特點，作為所提面向多移動機器人協(xié)作的單體機器人控制結構的進一步研究，提出了一種帶“共享區(qū)”的基于目標型行為的強化學習算法，研究了通過強化學習機制獲得基于目標型行為有限狀態(tài)機的方法，通過多機器人搜集仿真實驗證明了該方法的可行性。
　　最后，建立了面向多移動機器人協(xié)作方法性能驗證的多移動機器人實驗系統(tǒng)。通過