机器人群体间不对称对抗策略研究

针对机器人群体之间的对抗性问题,尤其是双方实力存在不对称的情形,即一方无论单个或整体都无法直接战胜对方时,借鉴军事战略中"分而歼之、以弱胜强"的思想,提出了一种选取合适地势位置进行布阵埋伏、选派诱饵不断引诱对方单个机器人进入包围圈后进行围捕的策略,最后通过仿真实验验证了该策略的正确性和有效性。

基于社团和多级拓扑的机器人群体编队算法

为解决机器人群体难以形成与保持稳定队形的问题,通过引入社团划分和牵制控制思想,提出了一种基于社团和多级拓扑的机器人群体编队控制算法。基于层次聚类算法,将机器人群体分成若干社团并找出每个社团中的固定牵制机器人;设计一种多级拓扑使其成为各社团中机器人的基准队形;设计了一种机器人群体编队及避障控制器,控制器中形状调节力和方向控制力分别解决了社团中可能出现的局部极小值和队形的结构方向不确定问题,实现了群体队形的形成与保持。仿真实验证明了该算法的有效性。

基于三维基因调控网络的智能机器人群体聚合与控制方法

针对传统的基因调控网络模型会导致机器人群体聚合形态在三维空间中不具备泛化性的问题,提出一种基于三维基因调控网络的智能机器人群体聚合与控制方法,并针对集群围捕任务测试了该方法在三维空间复杂场景下的表现.在此基础上使用V-rep平台来模拟真实场景,验证了在加入物理特性后该模型的效能.仿真结果表明,该方法在复杂场景下具有良好的表现.

基于RFID信息约束平台的群体机器人防拥堵算法

拥塞是群体机器人导航中的一个常见现象,特别容易发生在大量机器人从四面八方朝同一目标移动时,为此提出一种分布式协调算法来解决目标点拥堵问题。该算法引入了人类交通中的变道行为,基于概率有限状态机,通过局部通信和感知,使机器人之间形成一种状态约束,然后设计了考虑区域划分的RFID信息平台来进一步控制目标区域流量。利用QT程序框架对群体机器人场景进行多组仿真实验,并搭建一个小型群体机器人实物平台,以验证提出的防拥堵策略的有效性和可靠性。结果表明,具有约束规则的机器人系统能更好地缓解拥堵现象,特别是机器人数量较多时,其工作量显著下降,导航效率得到极大提升。

基于改进Bytetrack的群体机器人跟踪算法

针对群体机器人在实际跟踪场景中常常受到遮挡、目标密集、尺度变换等因素的影响导致漏检、轨迹中断和ID频繁跳变等问题,基于Bytetrack跟踪算法,改进了卡尔曼滤波的状态变量,提出了噪声尺度自适应卡尔曼算法(NASA-Kalman),并在卡尔曼滤波中引入加速度参数(AMA)提高跟踪的准确性。实验表明,在MOTA、MOTP方面相较于原算法均有所提高。为了进一步验证跟踪算法的有效性,在MOT20数据集上对算法进行了评估,在MOTA、MOTP方面分别提高了0.65%和1.26%。

虚拟信息素在群体机器人防拥堵中的研究

为解决群体机器人导航时的拥堵问题,在分析防拥堵方案的基础上,借鉴蚁群算法以及蚂蚁觅食行为,提出了一种基于虚拟信息素的分布式协调算法,使用概率有限状态机协调机器人以避免拥堵。开发了一套群体机器人实验系统与实验平台,使用自主研发的群体机器人对算法进行验证分析。结果表明,该算法能使群体机器人实现更高效、更平滑的导航,算法具有可靠性和实用价值,为应用于实际场景、解决拥堵问题提供了参考依据。

基于阵列式发射模组的群体机器人动态无线供电路径规划研究

群体机器人可依靠群智能有效分工协作完成复杂和大规模任务,在物流、制造、交通和军事等领域有极大的应用价值。然而,目前已有电能补给方式均无法满足其持续不间断充电的需求,导致强大的协同工作能力得不到充分发挥。为此,提出一种基于阵列式发射模组的群体机器人动态无线充电方式,可为群体机器人工作过程中实时供给电能。分析了机器人动态无线充电过程中效率和功率的波动特性,以充电效率最优为目标,提出一种带有惩罚机制改进的蚁群算法以及协同工作模式,并应用于群体机器人协同动态无线充电系统。最后,进行仿真实验,验证了所提出的方法可实现群体机器人在动态无线充电过程中稳定可靠协同工作。文中的研究对群体智能的研究具有极大的促进作用。

基于WHD-CRM的群体机器人故障检测

使用交叉调节模型(CRM)进行故障检测,是一种重要的基于人工免疫模型的群体机器人故障检测方法.针对CRM在不同群体行为下,检测群体机器人故障通用性受限的问题,通过研究行为特征在不同群体行为下的影响力等级,提出了使用加权汉明距离的交叉调节模型(WHD-CRM).相比于CRM,WHD-CRM对不同群体行为的机器人行为特征赋予了不同的权值,获得了更加精确的中间结果(亲和力值),进而提高了各类群体行为下检出故障机器人的概率.实验结果表明:相比于使用原始CRM,WHD-CRM的故障检测率提高了13%.

仿生机器人在灾害搜救中的应用与发展分析

为探究仿生机器人在灾害搜救场景中的应用现状及该领域未来的发展趋势,本文首先对其在灾前、灾时、灾后三个搜救阶段中可以发挥的作用进行研究;然后根据形态对现有仿生机器人进行分类,从仿生对象、特性以及在搜救任务中的应用等角度出发,结合具体案例对每类机器人进行分析,并对近年来仿生机器人领域的新兴方向,群体机器人在搜救场景下的应用进行研究;最后,分析仿生机器人的研究中存在的问题以及未来的发展趋势。结果表明:目前,仿生机器人有微型化、智能化和群体化的发展趋势,但其在灾难搜救领域的应用研究尚处于实验阶段。虽然仿生机器人相比传统搜救机器人已经表现出性能上的提升,但仍存在问题和缺陷,如何真正走向实践应用也是未来面临的困难与挑战。

基于松散偏好规则的群体机器人系统自组织协作围捕

针对群体机器人协作围捕,提出了一种基于松散偏好规则的自组织方法.首先给出了个体机器人的自由运动模型和围捕行为的数学描述.通过对围捕行为的分解,构造松散偏好规则来使个体机器人在自组织运动过程中相互协调最终形成理想的围捕队形.在此基础上,设计了个体自组织运动控制器.最后运用Lyapunov稳定性定理证明系统的稳定性.仿真和实验结果表明,本文给出的自组织方法对于群体机器人协作围捕是行之有效的.

群体机器人研究的现状和发展

随着机器人的应用方式由部件式单元应用向系统式应用方向发展,群体机器人系统的研究越来越受到更多学者的重视。本文概述了群体机器人技术的发展历程,并对该领域内的主要研究内容作了简单的分析和介绍,提出了未来群体机器人系统的几个重要研究方向。

基于社会势场的群体机器人聚集队形控制

将社会势场与基于行为控制相结合,使得群体机器人形成聚集队形,避开未知环境中的障碍物并到达目标区域。设置了两类阈值,以减少机器人在均衡位置的抖动,提高群体机器人向目标区域趋近的速度;提出了柔性社会势场机制,以提高机器人的避障效率。个体机器人根据局部感知自主产生队形控制向量,因此该队形控制策略具有良好的可扩展性。仿真实验表明了队形控制策略的可行性和有效性。

动态阻尼环境下多领导者群体机器人系统协同跟踪控制

研究了动态阻尼环境下具有多个领导者的群体机器人系统的协同跟踪问题.利用蚁群算法规则根据个体周围邻居的局部跟踪情况和领导者的需求信息确定自己的跟踪目标,实现了群体按照领导者需求分裂成不同大小的子群体进行跟踪的目的.提出了模糊自适应整定控制器参数的方法,使群体机器人系统克服环境中动态阻尼的影响.仿真结果验证了上述方法的有效性.

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.

群体机器人觅食任务Eulerian建模与分析

为了提高觅食任务性能,根据蚂蚁觅食原理引入了觅食概率的概念,机器人按照该概率决定是否离开Home区域,通过改变该概率值来调整环境中机器人的数量。为了研究觅食概率对系统性能的影响,利用Eulerian数学建模方法建立了觅食任务模型,并通过仿真实验分析了觅食概率对系统整体性能的影响。实验结果表明:觅食概率越大,环境中机器人数量越增加,机器人之间的干扰也增加,从而降低系统性能。最后通过实验分析给出了觅食概率与环境中任务数量以及机器人数之间的大致关系。

模块化群体机器人构型分析与自组装控制

源于社会性昆虫的自组织原理,自组装为群体机器人的协作提供了有效的行为模式。提出一种分布式自组装控制方法,并基于自主开发的新型自组装模块化机器人Sambot进行试验研究。采用构型连接状态表的方法对多个Sambot组成的集合体机器人的运动构型进行描述与分析,建立运动构型库。提出一种由种子机器人、对接机器人与连接机器人组成的分布式自组装系统,其中种子与连接机器人决定自组装规则,并控制构型增长;对接机器人没有任何目标构型与全局坐标信息,采用基于行为的控制器,实现与种子及连接机器人的的自主对接。用5个Sambot机器人成功演示了典型蛇型与4足构型的自组装试验,验证了控制算法的有效性。

基于WSN的群体机器人实验平台设计

无线传感器网络和群体机器人的是当今研究的热点问题.移动机器人和无线传感器网络相结合,可以扩展机器人的感知空间,增强机器人的通信和交互能力.针对群体机器人的特点,结合无线传感器网络较强的感知能力和通信能力,开发了一套基于WSN的群体机器人实验系统.设计了适用于群体机器人实验的通信系统,制定了一套适用于群体机器人实验的通信协议,并提出了基于WSN的群体机器人相对定位方法.通过对群体机器人一致性实验,验证了系统的实时性和有效性.

基于冲突消解的群体智能机器人协作研究

提出了在动态环境中,基于冲突消解的群体智能机器人的一种协作模型,适用于环境信息不完备的复杂情况.将Agent的独立强化学习与BDI模型结合起来,使多Agent系统不但拥有强化学习的高度反应性和自适应性,而且拥有BDI的推理能力,使只使用数值分析而忽略推理环节的强化学习结合了逻辑推理方法.新的奖励函数和表示方法减少了学习空间、增加了学习速度.仿真结果表明所提方法有效..

基于领导者的群体机器人编队及导航控制

介绍了基于领导者的群体机器人一致性方法,在此基础上提出一种群体机器人编队及导航控制方法。该方法采用分层控制策略,即控制系统分为目标层、领导层和跟随层。将目标层中目标点的位置信息发送给领导者,采用位置一致性算法使领导者朝目标运动;与此同时,领导者将其状态信息发送给跟随层中的跟随者,采用基于领导者的群体机器人编队控制方法,使跟随者与领导者保持一定的队形朝着目标运动。该方法可针对由多个子集构成的群体机器人系统进行导航。通过计算机仿真和群体机器人实验平台验证了所提方法的有效性。

群体机器人合作觅食任务数学模型的建立与分析

根据个体机器人的宏观状态转换,提出合作觅食任务的数学模型.该数学模型由微分比率方程组构成,能够描述群体行为的动态特征,并分析合作觅食任务效益随等待时间的变化情况.仿真实验表明,该数学模型的预测结果与仿真实验数据可以较好地吻合.