Formation Control of Mobile Robots with Active Obstacle Avoidance

在这份报纸，形成控制和障碍回避问题被处理一统一了控制算法，它允许追随者当维持从领导人的需要的相对适用或相对距离时，避免障碍。In the known 领导人追随者机器人形成控制文学，领导人机器人的绝对运动状态被要求控制追随者，它不能在一些环境是可得到的。在这研究，领导人追随者机器人形成以在领导人和追随者机器人之间的相对运动状态被建模并且控制。领导人机器人的绝对运动状态没在建议形成控制器被要求。而且，研究基于察觉到在机器人和障碍之间的相对运动被扩大了到一个新奇障碍回避计划。试验性的调查用平台被进行了由活动机器人和计算机视觉系统，和结果表明了的三 nonholonomic 组成了建议方法的有效性。

Vision-based formation control of mobile robots

In this paper, a formation control algorithm and an obstade avoidance control algorithm for mobile robots are developed based on a relative motion sensory system such as a pan/tilt camera vision system, without the need for global sensing and between robots. This is achieved by employing the velocity variation, instead of actual velocities, as the control inputs. Simulation and experimental results have demonstrated the effectiveness of the proposed control methods.

基于深度强化学习的异构智能体编队避障控制方法

针对在编队避障控制中智能体个体的异构性和多任务的复杂性问题,提出一种基于深度强化学习的异构智能体编队避障控制方法。首先,为了克服智能体个体的异构性,详细描述了领航者和跟随者智能体各自采用的局部观测表示;其次,根据智能体的相应任务,设计了编队、避障和导航三种复合的综合奖励函数,以实现更加灵活和高效的编队避障控制;最后,设计了融合注意力机制的行动者-评论家网络,用于联合训练领航者和跟随者的运动策略,从而使智能体能够逐步优化综合策略,以应对复杂的交互信息。数值仿真实验结果显示,文中提出的方法使得智能体能有效完成各自的任务,与其他强化学习算法相比,能够更迅速、更精确地使智能体学习到最优的运动策略,并在未来应用于复杂环境中,具有潜在的前景和价值。

单向拓扑下基于DMPC与改进APF的水面无人艇编队运动控制算法

多水面无人艇编队运动控制是多水面无人艇智能化的核心技术,也是当前研究的热点。重点讨论了编队部分成员无法获得编队平衡先验信息条件下的水面无人艇编队运动控制问题。首先,针对编队先验信息不平衡条件下无人艇编队保持困难的问题,将领航–跟随结构与分布式模型预测控制算法结合,通过设定通信优先级和单向拓扑结构,在分布式模型预测控制算法中引入假设状态空间和平衡状态空间,以实现部分跟随者无法获取编队平衡先验信息情况下的无人艇编队保持;其次,针对编队航行过程中障碍物规避安全性不足的问题,将改进的人工势场法与模型预测控制相结合,设计了无人艇自主避障控制器,提升了编队航行过程的安全性;最后,通过仿真平台对所提方案的可行性进行了验证。所提方法可以为进一步研究复杂环境下多水面无人艇编队运动控制提供参考。