基于鱼群涌现行为启发的集群机器人硬注意力强化模型

生物集群运动模型能使集群机器人涌现秩序,但是所形成的机器人自然集群秩序难以有效地被人工控制,为此提出鱼群硬注意力模型来解析实验鱼群数据中的交互行为。该模型通过编码器网络、图注意力网络、信息聚合网络、预解码网络以及最终解码网络等结构来获取焦点单体的重要邻居;再利用深度确定性策略梯度技术设计轨道强化网络与安全强化网络,以实现集群的人工控制。多智能体仿真与集群机器人实验结果表明:所提方法能够实现集群的人工轨道、安全控制,重要邻居信息为解决集群运动的强化学习难题提供了新思路,所提控制模型在无人机群空中协作、智慧农机集群作业、物流仓储多体搬运等领域具有较大的应用潜力。

基于柯西迁移烟花算法的仓储群机器人任务分配

为提升智能仓储调度中群机器人任务分配的效率,提出一种柯西迁移烟花算法。综合考虑群机器人完成任务的行走距离、耗费时间、任务分配均衡性,构造适应度函数。以机器人电量作为约束条件,将群机器人动态任务分配建模为适应度函数优化的烟花模型,并引入柯西迁移变异火花和基于适应度函数的选择策略。最后,与常用的其他算法进行对比仿真实验。结果表明,柯西迁移烟花算法改善了易陷入局部最优和收敛速度慢的问题,用于群机器人任务分配的效率较其他算法更有优势。

一种改进的群组机器人网络路由算法

针对群组机器人系统在应急场景下移动频繁、能量有限的特点,提出了一种基于能量与速度的分簇自组织按需距离矢量协议(Clustered Ad hoc On-Demand Distance Vector Protocol Based on Energy and Speed,ESC-AODV),以延长群组机器人网络运行时间,提高通信可靠性。用路由性能代替跳数作为路由判据,目的节点在重复接收到路由请求(Route Request,RREQ)数据包时,若路由性能更小,则回复路由应答(Routing Reply,RREP)数据包,以此选择更好的路由,引入分簇结构,通过簇头和网关组成的骨干网络减少广播洪泛次数。实验结果证明,节点数量多时,改进的ESC-AODV协议在延长网络生存时间的同时,平均端到端时延、数据包投递率、吞吐量和路由开销均优于AODV以及基于能量、负载和速度的AODV路由协议(AODV Routing Protocol Based on Energy,Load and Speed,ELS-AODV)。ESC-AODV协议能够节约网络能量,提高可靠性,获得更优的网络性能。

无冲突协调自动联控集群机器人方法与仿真

集群机器人需要高效的通信和协同工作,但是受障碍物、其它机器人的位置和运动状态等因素影响,增加了无冲突协调自动联控的难度。为此,提出集群机器人的无冲突协调自动联控方法。采用马尔可夫决策描述机器人选取任务过程,利用博弈论,计算目标与机器人之间存在的距离与机器人移动耗时,建立机器人效用函数实现任务的分配;通过虚拟弹簧连接机器人,建立集群机器人网络,采用领导者-跟随者编队法对集群机器人编队;设计机器人在工作空间中的避障控制策略,实现集群机器人的无冲突协调联控。实验结果表明,所提方法的控制效率高、总路程短、不存在冲突和碰撞现象,验证了所提方法具有良好的联控性能。

基于数据与压缩率预测的空间机器人集群中心节点选择策略

近年来,空间机器人集群方式的在轨服务技术受到各航天大国的重视。空间机器人集群对目标航天器进行在轨服务时,要将收集的目标信息传输至中枢卫星,如何均衡集群中每个节点的通信功耗是一个重要的研究问题。针对空间机器人集群与数据中枢卫星之间的通信功率最优问题,提出一种基于数据及其压缩率预测的空间机器人集群中心节点选择算法(DCP)。由于集群通信中的通信功耗主要与通信距离和通信时长(数据量)有关,可以基于集群的运动轨迹预测未来时刻的数据和压缩率,从而选择最优的集群中心节点,构建通信链路。在实验仿真中,与固定中心算法、度中心性算法、介数中心性算法以及接近中心性算法相比,DCP算法可以有效降低集群通信功耗,并且与实际的最优结果相比误差小于3%。

复杂环境下移动机器人集群调度的关键技术研究与应用

文章对机器人集群协同调度展开了研究,提出了一套高效的调度算法;通过开发机器人集群协同调度云中心系统与操作平台实现了机器人集群的协同工作。其中,主要挑战在于实现机器人之间的有效沟通与协作,文章通过算法优化和系统开发取得了显著成效,提高了集群工作效率和协同控制的智能性。

智能仓库中基于两层架构的群机器人路径规划

为提高智能仓库中群机器人的拣选作业效率,提出基于集成K-means聚类算法、遗传算法和改进A*算法的群机器人两层多目标路径规划算法。建立仓库模型后,设计交通规则;在任务层,用融合K-means聚类的改进遗传算法进行任务分配;在行为层,以最短运行时间为目标,用考虑转弯代价的改进A*算法进行运动控制,通过启发函数将搜索方向指向目标点,计算成员机器人的多目标节点路径矩阵;在底层,用预约表化解机器人运行过程中的局部冲突。最后,进行仿真实验并与现有路径规划方法进行比较。结果表明,论文方法能有效缩短群机器人的总运行路程和时间。

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.

基于硬注意力机制下的鱼群涌现自动建模方法

生物集群的协同智能可用于启发人工复杂系统调控,但是现有的自动建模方法往往不符合生物集群信息的处理特点,导致单体的信息交互建模仍充满挑战。不失一般性,借助红鼻剪刀鱼的集群运动数据设计符合生物硬注意力机制的深度网络模型,该结构能强制单体考虑至多两个以内的邻居信息,并能显现出高影响力邻居经常出没的隐藏位置,说明硬注意力模型符合生物集群的信息处理机制。实验结果表明:所提硬注意力模型具有较为良好的稀疏信息解耦能力、较为鲁棒的集群运动指标以及较为优秀的集群规模泛化性能,为复杂系统的多层次行为分析提供了有力的工具支撑,该方法对集群机器人的分布式控制具有较强的启发意义。

基于粒子群联盟的机器人多目标搜索路径控制

在复杂环境下,机器人受未知障碍物影响,无法准确融合全部待搜索目标位置信息,在避障的同时无法精准实现任务分工。为解决上述问题,提出一种基于粒子群联盟的机器人多目标搜索路径控制方法。群机器人在并行化同时搜索多个目标时,根据机器人任务分工建立粒子群联盟,并对其确定目标协同搜索。通过改进自组织神经映射网络,在各个竞争神经元上组建锁定机制;同时采用自适应动态窗口,更新竞争神经元的权重,在障碍物信息未知的情况下实现避障,优化机器人的运动轨迹,从而实现多目标搜索路径协同控制。仿真结果表明,所提方法能够准确搜索多个目标,有效躲避障碍物,获取满意的协同控制结果。

林草特种机器人集群技术现状与展望

随着林草领域中火灾扑救、环境监测、信息采集等多种类型特种机器人研究的开展,智能化技术越来越多地应用于生态文明建设。林草特种机器人朝着全自动无人化方向快速发展,而对于火灾扑救、资源调查等复杂任务而言,对多机智能系统协同能力等的需求变得日益迫切。相对于单机器人巡检,机器人集群能够更高效地应对复杂场景。在机器人集群技术研究中,要根据系统需要实现的功能,结合自然界中生物的集群行为来完成整体框架,并通过编队控制技术实现以上功能。研究中总结了林草特种机器人和集群技术的国内外研究现状,分析了生物界中的集群行为,以及领航-跟随法、人工势场法等主流编队控制算法,展望了林草特种机器人集群技术发展的方向和需要攻克的难题。

探测能力有限条件下群机器人队形的避障方法

在探测能力有限的条件下,即使群机器人队形中的跟随者有碰撞障碍的风险,领导者也常难察觉,这将导致部分机器人离队或难以保持给定队形。本文针对此问题提出一种基于局部信息的解决方法,根据局部障碍信息判断障碍对跟随者或其自身后续运动是否有潜在威胁。当有潜在威胁时,输出障碍信息,并在群机器人队形中接力传递,最终反馈给领队机器人以带领队形远离障碍。同时,对领队机器人和普通机器人的人工力矩运动控制器做出改进,保证机器人的安全,并且使避障轨迹更加顺滑。仿真实验证明,所提方法在领导者无法感知所有跟随者和障碍信息的情况下,仍能带领队形安全绕开障碍物。

一种面向群组机器人搜索任务的改进粒子群算法

针对群组机器人搜索时难以得到全部全局信息的问题,提出邻域粒子对粒子群优化(particle swarm optimization,PSO)算法进行改进。对于机器人组群中的粒子,设定了机器人的速度限制,根据任务的解决程度,可以弹性改变机器人粒子的前进速度。为实现在实际环境中使用PSO算法,将粒子的拓扑空间替换为搜索空间,使得群组机器人可以应用改进后的PSO算法完成既定的搜索任务。设计了一套含有8个指标的算法评价体系,通过100次的3种不同类型搜索任务求解,对比不同的算法和指标,实验结果证明了提出的PSO算法在群组机器人搜索任务中的适用性和有效性。

煤矿井下群机器人高效任务分配算法

松散型合作群机器人系统在现阶段煤矿辅助机器人作业中具有广泛应用前景。但松散型合作群机器人系统的任务分配过程未向划分过程进行反馈,导致任务划分与分配过程高效性与合理性不足。针对该问题,提出一种基于改进型鲁宾斯坦协商策略的煤矿井下群机器人高效任务分配算法。根据群机器人系统任务划分与分配过程的多方博弈特点,将鲁宾斯坦协商策略由双方博弈向多方共同博弈方向延伸,提出多方协商博弈的“出价-讨价-还价”规则。从机器人个体执行能力与任务执行情况差异的角度出发,提出基于机器人个体单位时间任务完成量的折扣因子计算方法,以及基于各分配周期任务执行情况的任务完成状态反馈参数模型,以实现任务的动态划分与分配。通过3组机器人合作执行煤矿矿区的整体监测任务,对算法性能开展实验验证,结果表明:(1)算法3(采用改进型鲁宾斯坦协商策略)的任务划分与分配效率较算法1(将每组无人机数量与运行速度乘积的比例直接作为3组无人机任务划分与分配的标准)、算法2(使用多方共同协商的鲁宾斯坦协商策略,但不考虑任务完成状态反馈参数)分别提升了30.10%,18.29%。(2)基于算法3的3组无人机执行任务的平均最大时间差为42 s,较算法1、算法2分别优化了77.66%,65.29%,这是由于算法3通过引入任务完成状态反馈参数,及时对任务参与方的任务执行过程进行评估,将任务的分配和执行过程向任务的划分阶段进行反馈,使任务的划分与分配更加准确。

基于区块链声誉管理的拜占庭机器人识别方法

基于区块链技术,提出具有身份认证和任务监管的声誉管理系统(Reputation Management System with Identity Authentication and Task Supervisor,RMS-IATS),解决群机器人内拜占庭机器人的识别问题,避免拜占庭机器人对群机器人造成安全威胁.首先,改进经典的基于区块链的群机器人声誉管理系统(Reputation Management System,RMS),引入惩罚因子,针对长期存在拜占庭行为的机器人实施更严厉的声誉值惩罚.其次,为了加快拜占庭机器人的识别速度,设计一种身份认证协议,将身份非法的机器人赋予一个较低的初始声誉值.再者,设计一种双层通信网络,用于机器人间的通信,解决群机器人系统因采用区块链技术带来的通信延迟问题.最后,通过仿真实验验证基于区块链的RMS-IATS和双层通信网络的有效性.相比经典的群机器人RMS,RMS-IATS在仿真模拟中识别不同类型拜占庭机器人所需的时间更短.相比使用区块链技术,在系统中使用双层通信网络进行通信时,可大幅减少系统的最大通信延迟.

未知复杂环境下群机器人协同定位控制系统硬件设计

随着机器人领域研究工作的不断深入,群机器人在恶劣环境下搜救、军事侦察与爆破、矿物资源勘测、医疗航空、工业自动化等领域得到广泛的应用,群机器人在复杂环境下的协同定位是群机器人控制系统需解决的核心问题之一。对群机器人协同定位控制系统的硬件部分进行设计,首先基于差分GPS基站给出系统总体方案设计,其次给出差分GPS基站和构成机器人群体的个体机器人的硬件设计,最后对各单元模块进行合理设计说明。

智能仓储多机器人动态任务分配方法

针对智能仓储系统中多机器人任务分配方法进行研究,根据智能仓储中物流任务数量庞大且实时新增的动态特点,创新地提出了一种总体分配并根据当前工况实时插入的动态任务分配方法,将一定时间阈值内的物流任务集合利用综合时间代价、路径代价、空载代价和任务均衡度代价的自适应多层编码遗传算法进行任务整体规划,为智能仓储系统中每个机器人分配需执行的物流任务序列及执行顺序。任务执行过程中,各机器人通过对当前自身剩余任务量成本及插入实时任务后路径成本的判断,在不影响当前任务完成总时间的情况下,对下一时间阈值内产生的实时物流任务是否插入当前执行任务序列展开竞争,实现任务的实时插入,未被实时插入的物流任务则等待下一次总体分配。实验结果表明,该方法能在缩短系统运行总时间和总路程的基础上,极大的降低机器人无任务空载等待的时间,提高系统运行效率。

双高建设背景下的“工业机器人应用系统集成”课程实践教学研究

“双高”教育计划的提出为全国职业教育发展提供了战略性指导方针和要求。本研究在“双高”建设背景下,根据高职院校工业机器人技术专业岗位能力要求及人才培养目标,结合专业特色,对“工业机器人应用系统集成”课程进行改革,并积极对接工业机器人集成工程师岗位职业能力标准,以工作过程为导向,从行业应用角度将本课程项目任务模块化,以理虚实一体化的教学理念,形成探中学、用中学的教学模式,以提高教育教学质量。

基于移动通讯网络和机器人群的分布式主动传感系统实验平台

描述了一个基于移动通讯网络和机器人群的分布式主动传感系统实验平台.该平台实现了基于GPRS/CDMA和ad hoc网络的远程数据传输、具有力反馈的双向遥操作和遥控机器人群的多种控制方式.

机器人集群路径规划技术研究现状

受社会型生物群体行为启发,群体智能得到日益广泛的关注,机器人集群作为群体智能的重要承载者得到了大量研发和广泛应用。机器人集群路径规划技术作为一项核心关键技术也得到快速发展。为此全面深入地调研了机器人集群路径规划的技术发展现状,创新性地归纳了适用于不同集群规模、可扩展性要求、通信需求以及算法要求的集群规划基础计算架构,包括冗余计算架构、分布计算架构和分层计算架构。从可扩展性和适用性角度,分类梳理了最适用于机器人集群的路径规划方法,包括仿生学方法、人工势场法、几何学方法、经典搜索法和进化学习法,并为集群仿真验证研究提供了七款可免费下载或开源的机器人集群仿真验证平台。