多机器人系统的协作研究

论文摘要

由于多机器人系统具备单机器人系统无法比拟的优势，如强鲁棒性和自适应性、时间和空间分布性、高运行效率等，已成为今后机器人技术的一个主要研究方向，在航天、国防、工业、社会服务等许多领域将具有广泛的应用前景。要发挥多机器人系统的优势，关键是处理好多机器人的协作问题。先进的协作架构和策略，可以使多机器人系统表现出强大的任务处理能力，这不仅只是单个机器人处理能力的简单线性相加，还应包括一个由机器人相互作用而产生的增量。任务分配是多机器人协作的重要内容，它位于系统协作模型的最上层，通常称为规划或组织层，是最抽象、智能水平最高的一层，其作用不言而喻。由于多机器人系统自身复杂性和环境动态性，目前许多任务分配模型和方法只能解决或适应少数具体任务或问题，缺乏较强通用性。因此，本文在任务分配层面上开展多机器人协作研究，试图从总体或一般性角度来考虑多机器人协作问题，找到一种通用的方法，来建立多机器人系统的体系结构、组织原则和运行机制等。多机器人合作有两种模式：即有意识合作和群合作。针对有意识合作模式，基于目前大部分任务分配模型缺乏可推广性，本文提出了设计多机器人任务分配框架时必须考虑的三条基本要求：逻辑性要求、通用性要求和实用性要求。对于群合作模式，本文认为，由于环境不确定性和内部复杂性等原因，很难用传统的最优化方法来处理多机器人系统，那么是否可以从系统内部结构特征考虑，找到一种一般性规律，作为多机器人自组织原则或标准。观察发现，平衡或平衡现象在自然界各种社会群体中普遍存在，它是复杂系统良性运行的一个标准，处于平衡状态的系统各部分之间的协调达到一种最佳状态。因此，本文提出了基于平衡原则的多机器人协作思想，以机器人之间保持个体利益平衡为基本原则来组织多机器人进行任务分配或求解其他问题。围绕这样思想，本文做了以下研究工作：1．介绍了多机器人领域的研究内容和研究现状，比较了有意识合作模式和群合作模式的特点和差异，同时对现有的多机器人合作架构和算法进行了描述和分析，提出了多机器人协作的三个依次递进目标；2．分析了任务对多机器人合作的相关约束，指出了解任务特性对于合理设计多机器人体系结构、协作机制和通讯模式的重要意义，介绍了松耦合任务与紧耦合任务的各自基本特征，通过对多机器人任务分配问题基本要素分析，给出了一个任务分配问题的分类方法，介绍了任务分配研究进展和相关方法；3．定义了设计任务分配必须遵循的三条规则，在此基础上提出了机器人任务选择的四条策略，并由选择策略建立了一个基于适应度数学模型的任务分配框架，同时对该框架进行了分析。将适应度任务分配框架应用到多机器人系统中，对多机器人废弃物清理任务进行了研究，仿真结果表明了该框架的鲁棒性、灵活性和有效性；4．通过对多机器人自组织系统的分析，指出了由于行为突现等原因，从机理上对系统进行描述存在的困难，为此提出了自组织系统的一种描述方法：宏观描述，并分析了该方法的基本特征；针对紧耦合任务，由宏观描述方法建立了多机器人自组织系统的动力学模型，并从该模型导出了系统的自组织原则；遵循该原则，设计了一个多机器人自组织任务分配系统，并以物体搬运问题为背景，对该系统进行了验证；5．提出了平衡和平衡原则概念，建立了平衡度的数学定义，设计了平衡原则的三个行为模型。分析了多机器人系统中平衡态与自组织现象之间的关联，证明了平衡原则在多机器人自组织系统中的意义；从资源竞争的角度对多机器人任务分配问题进行了分析，说明保持机器人个体利益平衡的重要性，由此设计了基于平衡原则的多机器人自组织任务分配算法，将该算法与最优化算法作了比较，并分析了该算法的计算、通讯复杂度以及求解品质；6．通过多机器人的物体搬运任务，对基于平衡原则的多机器人任务分配方法进行了验证和分析。为解决任务分配过程中机器人局部行为的冲突问题，引入了双令牌协调机制；7．针对机器人多目标观测任务，将平衡原则应用到多机器人个性演化，并设计了目标跟踪的两种新方法PE-CMOMMT和PEL-CMOMMT，仿真实验结果表明了它们的有效性。通过对几种典型任务的研究表明，本文提出的多机器人任务分配架构具有很好的一致性、鲁棒性、自适应性和通用性。同时，平衡原则思想为解决多机器人协作问题开辟了一条新的思路，具有很高的研究价值和广阔的应用前景。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 为什么要研究多机器人
• 1.2 多机器人系统的主要研究内容
• 1.3 多机器人合作
• 1.4 多机器人合作的目标
• 1.5 研究背景及本论文主要内容
• 第2章 多机器人合作系统的任务分配
• 2.1 任务与合作
• 2.2 几种典型任务
• 2.2.1 紧耦合任务
• 2.2.2 松耦合任务
• 2.3 MRTA（multi-robot task allocation）问题描述
• 2.4 任务分配层面的多机器人合作
• 2.5 任务分配的研究现状
• 2.5.1 谈判法
• 2.5.2 建模法
• 2.6 本章小结
• 第3章 适应度模型与多机器人任务分配
• 3.1 任务分配思想
• 3.1.1 任务分配要求
• 3.1.2 任务分配方法设计准则
• 3.2 机器人任务选择策略
• 3.3 基于适应度的任务分配方法
• 3.3.1 任务和机器人模型
• 3.3.2 适应度模型介绍
• 3.3.2.1 内部适应度
• 3.3.2.2 外部适应度
• 3.3.2.3 适应度模型
• 3.3.3 任务选择算法
• 3.4 适应度模型分析
• 3.4.1 应用假设
• 3.4.2 性能分析
• 3.5 仿真研究
• 3.5.1 实用性验证
• 3.5.1.1 任务描述
• 3.5.1.2 仿真实验结果
• 3.5.2 系统性能验证
• 3.5.2.1 任务描述
• 3.5.2.2 任务分析
• 3.5.2.3 仿真结果
• 3.6 本章小结
• 第4章 多机器人自组织系统与宏观描述
• 4.1 自组织多机器人
• 4.1.1 什么是自组织多机器人
• 4.1.2 多机器人自组织系统的特点
• 4.1.3 多机器人自组织系统的问题
• 4.2 宏观描述
• 4.2.1 一种复杂系统的描述方法
• 4.2.2 多机器人系统与宏观建模
• 4.2.3 宏观描述在多机器人任务分配中的作用
• 4.3 实例研究
• 4.3.1 觅食任务研究
• 4.3.1.1 觅食的主要方法
• 4.3.1.2 觅食任务的宏观描述
• 4.3.2 多觅食任务分配
• 4.3.3 紧耦合任务研究
• 4.3.3.1 任务介绍
• 4.3.3.2 系统数学建模
• 4.3.3.3 多机器人自组织系统设计
• 4.4 仿真研究
• 4.5 本章小结
• 第5章 平衡原则及其在多机器人系统中的应用
• 5.1 引言
• 5.2 基于满意度的平衡原则
• 5.2.1 平衡和平衡度
• 5.2.1.1 满意度原理
• 5.2.1.2 平衡思想
• 5.2.1.3 平衡度指标
• 5.2.2 平衡原则
• 5.2.2.1 平衡原则的哲学基础
• 5.2.2.2 平衡原则
• 5.2.3 基于平衡原则的机器人行为模型
• 5.2.3.1 确定型行为模型
• 5.2.3.2 随机型行为模型
• 5.2.3.3 学习型行为模型
• 5.3 平衡原则与多机器人自组织
• 5.3.1 复杂系统中的自组织
• 5.3.1.1 什么是自组织
• 5.3.1.2 多机器人中的自组织
• 5.3.2 平衡原则与自组织
• 5.4 基于平衡原则的多机器人自组织任务分配
• 5.4.1 MRTA问题描述
• 5.4.2 问题分析
• 5.4.3 基于平衡原则的自组织MRTA问题求解算法
• 5.4.3.1 算法描述
• 5.4.3.2 算法分析
• 5.5 本章小结
• 第6章 多机器人物体搬运任务研究
• 6.1 多机器人物体搬运任务
• 6.1.1 任务特性
• 6.1.2 系统定义
• 6.2 仿真实验设计
• 6.3 实验分析
• 6.3.1 确定型行为模型
• 6.3.2 双令牌技术
• 6.3.3 随机型行为模型
• 6.3.4 算法抗噪声能力分析
• 6.3.4.1 理论分析
• 6.3.4.2 实验验证
• 6.3.5 算法的自适应能力验证
• 6.4 本章小结
• 第7章 平衡原则在多机器人个性演化中的应用
• 7.1 机器人个性
• 7.1.1 多样性的意义
• 7.1.2 个性的定义
• 7.2 多机器人个性演化
• 7.2.3 个性对多机器人协调的影响
• 7.2.4 平衡原则与个性演化
• 7.3 多目标观测任务
• 7.3.1 研究目标
• 7.3.2 问题的求解方法
• 7.3.2.1 CMOMMT法
• 7.3.2.2 A-CMOMMT法
• 7.3.2.3 P-CMOMMT方法
• 7.3.2.4 PE-CMOMMT方法
• 7.3.3 仿真实验
• 7.3.4 结果讨论
• 7.3.5 强化学习在个性演化中的应用
• 7.3.5.1 思想基础
• 7.3.5.2 算法实现
• 7.3.5.3 仿真实验
• 7.4 本章小结
• 第8章 总结与展望
• 参考文献
• 致谢
• 攻读博士学位期间发表的论文