基于眼动追踪和触觉反馈的人-多机器人班组交互系统

针对在动态复杂、非结构化的场景中缺乏自然、高效人机交互方式的问题,提出了一种基于眼动追踪和触觉反馈的人多机器人班组交互系统,用于管理由多机器人和人组成的团队。该系统利用混合现实头盔在现实世界中叠加虚拟交互界面,操作员通过基于凝视信号的非语言注意力感知的输入方法进行人机交互指令的输入,进而控制多机器人进行协同运动,同时操作员通过振动和挤压2种触觉反馈模态来感知多机器人系统编队队形的尺寸变化与编队完成状态。为了验证人机交互系统的有效性与可行性,设计了触觉反馈实验与人多机器人班组交互系统实验,实验结果表明:所提出的基于眼动追踪和触觉反馈的人机交互系统能有效控制多机器人系统进行编队,指令执行成功率达93.3%,与仅通过视觉反馈相比,在有触觉反馈的情况下操作员可以使用更少的时间完成多机器人状态感知,交互效率提高了14.55%。

多机器人协同路径的时域协作-势场A*规划

为了减小多机器人协同工作路径长度并提高路径平滑度,提出了基于时域协作-势场A*算法的多机器人协同规划方法。建立了机器人工作环境的栅格模型,分析了传统A*算法辅助信息不充分的问题。为了充分利用环境中的障碍物和目标点位置等先验信息,基于势场法将障碍物和目标点信息引入到A*算法辅助信息中,提出了基于势场A*算法的单机器人路径规划方法。使用三维时空图代替二维平面图,可以有效判断出多机器人碰撞问题,并根据碰撞类型制定了避撞策略。经验证,势场A*算法规划的路径长度和平滑度均优于传统A*算法、文献[11]蚁群算法;在多机器人协同路径规划中,在规划出各机器人最优路径基础上,可以有效解决机器人之间的碰撞问题。实验结果验证了时域协作-势场A*算法在多机器人协同路径规划中的有效性和优越性。

基于领航-跟随法的多机器人编队控制

编队控制是多机器人系统研究的核心问题之一,具有广泛的研究价值。针对编队问题,通过对轮式差分驱动机器人运动模型进行分析,并设计相应的控制器。在传统的领航-跟随模型上,引入“虚拟机器人”,将跟随者机器人对领航者机器人的轨迹跟踪转换为跟随者对“虚拟领航者”的轨迹跟踪。首先,预设定实际领航者机器人的行进路径,由实际领航者引导运动方向的运动轨迹被视为主轨迹,虚拟机器人通过数据产生参考点从而生成参考轨迹,跟随者机器人通过对参考轨迹的跟踪与“虚拟领航者”构成轨迹误差跟踪系统。然后通过Lyapunov的控制理论验证控制器的理论可行性,最后在MATLAB/Simulink仿真平台进行实验,通过改变控制参数来使机器人形成相应的期望队形,在较短的时间内,跟随机器人对参考轨迹的跟踪误差趋向于0且速度收敛,验证了编队系统的可行性。

重大装备制造多机器人任务分配与运动规划技术研究综述

飞机蒙皮、船舶舱体、高铁车身等大型复杂部件高效高品质制造是航空航天、海洋舰船、轨道交通等领域重大装备发展的根基.大型复杂部件具有尺寸超大、型面复杂等特点,传统的人工、单机制造面临着效率低、一致性差、空间有限等问题,多机器人具有高鲁棒性、高效性等优点,为大型复杂部件制造提供了良好的制造基础.任务分配与运动规划是多机器人制造系统的决策中枢,其性能影响整个系统的运行效率.考虑到重大装备部件制造任务分配与运动规划过程中任务工序多、冲突干涉多、精度需求高等挑战,本文首先对复杂环境下多机器人任务分配与运动规划的重要性进行了说明;然后阐述了目前主要的任务分配与运动规划方法,包括其在智能制造领域下的应用;在此基础上,对现阶段复杂场景下任务分配和运动规划存在的问题进行了分析,并使用强化学习与混合优化算法等方法提出了解决思路;最后对重大装备大型复杂部件制造过程多机器人任务分配和动态规划技术及应用的发展进行了总结与展望.

面向关隘地形的分层调度多机器人路径规划

针对关隘地形下多机器人路径规划存在的高度耦合性,引入调度次序优化思想构造了分层的多机器人路径求解与优化算法。首先,在优化层采用遗传算法生成所有机器人的调度次序,并根据适应度对调度次序进行迭代和进化。其次,根据优化层制定的调度次序,在规划层采用改进的层级协作A*(IHCA*)算法进行路径求解,并将求解结果返回上层以对该次序的适应度进行更新。最后,通过上下层相互配合,逐步提升问题求解成功率并降低路径耗时。此外,提出搜索熔断机制,避免原始HCA*算法在关隘地形中陷于反复无效搜索的状态,可进一步提升求解效率。研究结果表明,所提算法在高耦合关隘环境下具有较高的求解成功率,且路径总耗时更少。

带障碍物惩罚因子的多机器人路径规划

轻载环境中,复杂障碍物区域将引起机器人之间局部冲突加剧,进而导致路径求解效率下降,针对该问题,提出轻载环境下带障碍物惩罚因子的多机器人路径规划方法。在基于冲突搜索(conflict-based search,CBS)算法框架的下层单机规划过程中,通过对即将拓展机器人位置的周围障碍物分布类型进行判断,赋予与之对应的障碍物惩罚因子;对路径规划过程中的惩罚因子进行累加,作为单机规划的启发值对路径进行选取;结合CBS算法框架的上层冲突消解策略进行多机器人的路径规划与冲突协调。测试结果表明,在10%障碍物分布的轻载环境中,所提算法的求解时间约为CBS算法的81.38%~83.67%,二叉约束树(constraint tree,CT)拓展量为CBS算法的60.14%~71.66%。在Gazebo中仿真表明,所提方法可减小通过复杂障碍物区域的次数。

虚假数据注入攻击下多机器人系统协同寻源

聚焦多机器人系统协同寻源问题,即通过驱使多个机器人相互协同寻找未知环境中物理信号放射源的位置.由于执行任务的机器人通常处于户外开放网络环境中,攻击者在网络中生成的虚假数据注入攻击容易导致多机器人系统寻源任务的失败.为在网络攻击情形下仍旧能够追寻到源点,提出一种基于弹性向量趋同的多机器人系统协同多维寻源方法.有别于现有文献在处理多维寻源时将向量分解成各个维度上的标量进而设计基于标量的弹性趋同协议,所提出的多维寻源方法不仅能够有效抵御虚假数据注入攻击完成寻源任务,而且其界定的安全区间相较于传统基于标量信息界定的安全区间更加严格和精准.在假设f-局部有界(f-locally bounded)虚假数据注入攻击模型下,理论分析给出正常机器人在所设计的控制协议下追寻到源点的充分必要条件.仿真结果表明,该方法在分布式多机器人系统协作寻源和抵抗恶意攻击方面具有优越性.

汽车门板内饰多机器人焊接的动态协同规划

为了减小多机器人协同焊接的路径长度并提高机器人之间的负载均衡度,提出了基于动态规划-个体差异进化遗传算法的协同焊接规划方法。以多机器人协同焊接路径长度、负载均衡度为优化目标建立了优化模型,并分析了协同焊接约束条件。针对单机器人焊接路径规划问题,在遗传算法中针对染色体进化能力的差异性,提出了个体差异进化策略,给出了基于个体差异进化遗传算法的路径规划方法。针对多机器人协同焊接问题,使用动态规划将其划分为3个子问题,实现了多机器人协同焊接任务分配和路径规划。经某型汽车前门焊点路径规划验证,个体差异进化遗传算法规划的路径最佳长度、平均长度均优于传统遗传算法;经后门焊点的4机器人协同焊接验证,在满足无干涉约束下,这里方法的路径长度、负载均衡度优于文献[11]离散粒子群算法。实验验证了这里方法在多机器人协同焊接分配和规划问题中的优越性。

细菌趋向性启发的多机器人图案生成策略

针对多机器人图案生成问题,本文提出了一种细菌趋向性启发的多机器人分阶式控制策略。该策略将图案生成过程分解为2个阶段:聚集阶段和图案生成阶段。聚集阶段,设计基于平均距离的适应度函数,其值作为机器人的感知输入。机器人根据当前时刻与上一时刻适应度数值变化执行类似细菌趋向的直行或翻转来完成聚集。引入搜索因子促进多子群融合,提升多机器人聚集的成功率。图案生成阶段,针对机器人翻转角度生成问题,引入决策因子来评估邻居作用程度,提升多机器人图案生成的成功率。仿真实验结果表明:针对多机器人六边形和三角形图案生成,本文所提出策略平均迭代次数分别为25.36和93.83,成功率分别为83.33%和96.67%,优于相关对比算法。

一种基于离散时间一致性理论的多机器人分布式巡逻算法

在多机器人巡逻任务中,由于通信距离的限制,单个机器人很难获得全局信息。然而,现有的大多数多机器人分布式巡逻算法都要求每个机器人获得其巡逻区域的全局信息进行决策。因此,考虑到通信半径约束和局部信息约束,为了通过相邻机器人之间的交互完成巡逻任务,基于离散时间一致性理论提出了两种巡逻算法。算法1使用全局信息进行决策,算法2基于离散时间一致性理论实现局部信息对全局信息的预测进行决策。通过模拟器Stage对所提算法与对比算法在不同机器人数量、通信半径、地图环境下进行了对比。实验验证了所提出的基于局部信息的分布式多机器人巡逻算法具有与原算法类似的特性和性能,能够使机器人在没有全局信息的情况下判断全局状态,并基于邻居之间的协商完成巡逻任务。

基于请求与应答通信机制和局部注意力机制的多机器人强化学习路径规划方法

为降低多机器人在动态环境下路径规划的阻塞率,基于深度强化学习方法框架Actor-Critic,设计一种基于请求与应答通信机制和局部注意力机制的分布式深度强化学习路径规划方法(DCAMAPF)。在Actor网络,基于请求与应答通信机制,每个机器人请求视野内的其他机器人的局部观测信息和动作信息,进而规划出协同的动作策略。在Critic网络,每个机器人基于局部注意力机制将注意力权重动态地分配到在视野内成功应答的其他机器人局部观测和动作信息上。实验结果表明,与传统动态路径规划方法D*Lite、最新的分布式强化学习方法MAPPER和最新的集中式强化学习方法AB-MAPPER相比,DCAMAPF在离散初始化环境,阻塞率均值均约降低了6.91、4.97、3.56个百分点;在集中初始化环境下能更高效地避免发生阻塞,阻塞率均值均约降低了15.86、11.71、5.54个百分点,并减少占用的计算缓存。所提方法确保了路径规划的效率,适用于求解不同动态环境下的多机器人路径规划任务。

基于投影奖励机制的多机器人协同编队与避障

针对多机器人协同编队任务中过度中心化、系统鲁棒性低、编队稳定性较差等问题,提出了基于投影奖励机制的多机器人协同编队与避障(projected reward for multi-robot formation and obstacle avoidance, PRMFO)模型,实现了多机器人基于统一状态表征方法的去中心化决策过程。设计了一种多机器人统一状态表征方法,实现了机器人与外界环境交互信息处理的一致性;基于统一状态表征设计了基于投影的奖励机制,从距离和方向两个维度将奖励过程矢量化,丰富机器人的决策依据;为了解决多机器人系统中过度中心化问题,设置了自主决策层,融合统一状态表征与投影奖励机制的软演员评论家(soft actor-critic, SAC)算法,实现了多机器人协同编队与避障任务。在机器人操作系统(robot operating system,ROS)环境下进行仿真实验,实验数据表明PRMFO模型在单机器人平均回报值、成功率以及时间等指标上分别提高42%、8%、9%,基于PRMFO模型的多机器人编队误差控制在0~0.06范围内,实现了较高精度的多机器人编队。

带时间窗的多机器人系统复杂任务路径规划

针对多机器人系统在复杂任务和时间窗双重约束下的路径规划问题,通过改进蚁群算法实现满足以布尔任务给出的轨迹要求及时间窗约束的最短路径规划。首先,根据全局地图信息和布尔任务提出一种基于Dijkstra算法的预处理算法,计算任务区域之间的最短路径;其次,为了提高求解质量并加快收敛速度,引入基于A∗算法的评估函数改进蚁群算法的启发信息,并结合蚂蚁回退机制,提出一种改进蚁群算法,规划满足任务和时间窗约束的最短路径;最后,通过仿真实验证明所提算法的有效性,并与现有研究进行比较,在求解质量和算法收敛性方面均优于现有方法。

多机器人系统的可观测性及协同定位精度分析

多机器人协同系统的编队队形影响系统的可观测性,应用中发现系统绝对定位能力也是影响协同定位精度的主要因素。针对系统不可观测情况下无法实现协同定位问题,提出了通过增强系统绝对定位能力实现协同定位的方法,重点分析了不同绝对定位能力的多机器人协同定位系统的可观测性对定位精度的影响,确定了系统可观测性的最佳条件。以3个机器人组成的集群为例进行仿真验证了同一观测度情况下,系统的绝对定位能力越强,协同定位精度越高。

面向船舶大型复杂结构的多机器人协同焊接研究

为了适应不同船舶的焊接需求,缩短船舶焊接时间,研究面向船舶大型复杂结构的多机器人协同焊接方法。构建多焊接机器人的焊接动态力平衡方程,设置约束条件并建立焊接规划模型,采用区域划分法划分舰船焊点分区,通过元启发嵌套算法设计多机器人协同焊接规划流程。利用分数阶PID控制器,将焊接控制的传递函数转化为整数阶传递函数,控制机器人精准跟踪目标焊缝,输出理想的船舶焊接轨迹。实验结果表明,采用该技术执行焊接任务的总均衡性高达0.935,具有良好的应用效果。

基于改进哈里斯鹰优化算法的多机器人协作焊接路径规划

为解决多机器人协作焊接路径规划方法需要搜索效率高和寻优精度高的问题,采用性能较优的哈里斯鹰优化算法建立基于寻找最佳初始焊接位置的多机器人协作焊接路径规划方法,仿真实验证明哈里斯鹰算法能够很好地寻找出最佳初始焊接位置和关节变化稳定的路径,但在多机器人协作焊接路径规划时容易陷入局部最优的问题,因此提出一种提高克服局部最优能力的改进哈里斯鹰优化算法。其中采用3种不同的策略对哈里斯鹰优化算法进行改进:首先采用拉丁超立方抽样策略对种群初始化进行优化;再采用自适应更新因子策略更新r1和r3;最后采用随机飞行策略进行对最佳个体进行位置偏离。利用仿真平台结合两种算法对多机器人协作焊接路径规划各自独立仿真运行30次,并进行结果比较。结果表明相对于原哈里斯鹰优化算法,改进哈里斯鹰优化算法在多机器人协作焊接路径规划中不仅具有更强的克服局部最优能力,还具有很好的收敛精度和收敛速度。

改进萤火虫算法求解多机器人路径规划

为解决多机器人在静态环境中的路径规划问题,以路径长度为优化目标模型,并针对此模型设计了多机器人萤火虫算法(MR-FA)。首先,考虑到路径安全性对环境中的障碍物采取扩张操作,设计初始化规则以提高生成初始种群的效率;其次,根据算法的连续性原理及特点,设计个体等长策略将维度不一致的个体转变为等维度个体以便于萤火虫的移动更新,并对移动更新后的不可行解采取路径修正策略;然后对规划出的每个机器人的移动路径进行碰撞检测,同时针对机器人不同的碰撞情况设计相应的避碰策略,即暂停—回退策略(PFS)、局部路径重规划策略(LPRS);最后,为验证MR-FA的有效性,在三组环境中进行仿真实验并与其他三种算法进行对比,综合得出MR-FA在解决多机器人路径规划时更有优势。

基于改进蚁群算法的分布式多机器人协同路径规划

针对多机器人协同路径规划问题,提出了一种基于改进蚁群算法的分布式多机器人协同的路径规划方法,将多机器人路径规划问题分为两个阶段解决.在路径规划阶段改进传统的蚁群算法,通过几何法对蚁群算法的初始信息素进行差异化设计,改变初始信息素分布方式,加快蚁群算法收敛速度;设计了一种以起始点和目标点为导向的启发式函数,解决了蚁群在寻优过程中迂回锁死的情况;改进信息素更新方式加快后期信息素积累过程,提高整个算法路径规划的收敛速度.在协同避碰阶段,设计协同避碰规则解决各机器人之间的相互碰撞,以找到较优或者最优的路径组合.仿真结果表明:所改进的蚁群算法在解决单机器人路径规划问题时的优越性和所提多机器人路径规划方法的可行性、有效性.

平行导引律优化的多机器人免疫围捕算法

为了提高多机器人协作围捕效率,提出了基于平行导引律的多机器人免疫网络协作围捕算法。首先,将围捕者的运动策略作为抗体,逃逸者和目标区域的位置信息作为抗原,通过抗体和抗原的刺激和抑制来构建协作围捕免疫网络;然后,基于平行导引律定义了平行导引律调节因子;最后,通过抗体浓度自适应选择来完成围捕任务。数值测试表明,与其他算法相比,免疫围捕算法不仅保证了围捕成功率,而且所需步数平均减少21%,转角平均减少13%;而仿真平台的测试对比结果表明,围捕算法所需时间平均减少7%,转角平均减少24%,从而验证了基于平行导引律的多机器人免疫围捕算法的有效性。

分布式参数估计的多机器人放射源搜索策略

为在未知环境中快速、准确搜索失控放射物,将认知差异理论和一致性方法结合,提出了一种分布式参数估计的多机器人源项估计算法,以有效解决单机器人测量不准及运算量大等问题;将人工势场与信息熵结合,采用多机器人变步长分布式搜索策略以实现高效自主搜索。结果表明:本文算法与其他搜索策略相比具有更高的搜索成功率(92%)和更短的搜索时间。本文方法可用于核电站、化工厂等放射性及有毒有害物质泄漏的应急处置。