复杂环境中群机器人网格分布与移动

如何控制不受数量限制的群机器人形成队形并在复杂环境中移动,是一个极具挑战性的问题。基于虚拟力原理分析了群机器人网格队形分布和移动控制方法,制定了详细的系统性能评价指标（稳定时间、碰撞次数、连接数、簇数等参数）,研究了网格队形在复杂环境中的移动以及不同虚拟力对移动的影响。通过在复杂障碍物环境中的仿真,显示出该方法可以鲁棒、有效地完成网格分布和移动任务。指出了今后的研究方向。     

基于生物刺激神经网络的多机器人编队方法

多机器人编队控制是多机器人协作领域的重要研究内容之一,如何实现多机器人朝同一目标移动的同时保持队形是多机器人编队的一个热点和难点问题。针对这一问题,提出一种新的基于生物刺激神经网络的多机器人动态编队方法,采用基于leader-referenced编队模型实时计算各机器人的虚拟目标位置,利用生物刺激神经网络进行机器人导航。最后进行仿真实验,实验结果表明该方法在实现多机器人实时避障并保持队形的同时,朝同一目标移动,而且可以很快实现队形变换,具有较好的实时性和灵活性。     

基于一致性理论的多机器人系统队形控制

首先回顾了多机器人系统队形控制方面的成果；然后提出一个多机器人队形控制的模型．该模型可描述多机器人之间相互作用固定和动态切换两种通信拓朴结构，也能描述多机器人系统队形的分布式控制方法和基于leader的控制方法，还能表示多机器人系统奔向目标点的行为，在此基础上，利用一致性理论，对系统的稳定性条件进行分析．最后通过仿真证明了该方法的有效性．     

移动机器人编队的运动控制策略

为实现移动机器人编队的多样性、稳定性和队形变换连续性,并解决移动机器人编队运动中的避障、避碰、到达目标的问题,对基本队形进行分析,提出队形参数化的思路,建立基本队形虚结构的参数化数学模型,通过调整参数使队形在基本队形及其衍生的队形间进行变换;机器人在运行的过程中,利用行为融合方法、跟随领航者法、人工势场法和虚结构法对机器人进行运动控制,实现了机器人的避障、避碰、队形归建等目标。对上述策略进行了仿真实验,实验结果表明,使用本策略既保留了虚结构法队形稳定、队形归建迅速的优点,又改进了其灵活性差的不足。     

基于行为的机器人部队队形控制方案

提出了一种适用于实时动态环境下机器人力队的基于行为的分布式实时队形控制算法。研究了这种基于行为的方案在遇到大体积障碍物时行为,仿真过程表明该法既能使机器人动态分组、各自规划,又能机器人部队作为一个整体维持队形。该算法可使机器人形成和保持任意队形,同时集成了避障和导航的能力。最后指出了算法在控制机器人团队转向或避障运动时的问题出现的原因以及改进方法。     

机器人足球比赛防守与进攻队形转换的研究

随着机器人足球的发展,机器人防守和进攻的队形对于比赛显得尤为重要.为了加强机器人足球比赛中的防守和进攻,文章通过分析足球在不同区域时防守队形的选择、防守与进攻的队形转换、以及在极端情况下剩余机器人的有效利用等几个问题,研究和设计机器人防守和进攻队形转换的算法和策略.机器人队形的选择采用人性化的方法,大大提高了队形的形成...     

多机器人队形保持与变换仿真研究

针对多机器人的队形保持与变换任务,采用基于行为的控制方法,设计了五种子行为,即奔向目标、躲避障碍物、围绕障碍物、随机扰动和保持队形.对有障碍物环境下的队形保持进行了仿真,并针对机器人队伍无法保持队形通过的地形,采用邻居参照点法与领航参照点法相结合的策略,改进了控制方法.仿真结果表明,使用改进的控制方法,机器人队伍可以安全地通过大直径障碍物,并且提高了队形稳定性.     

未知环境中群机器人队形移动

群机器人学是多机器人系统的一个重要研究方向,其主要特点是系统包含大量个体.如何控制不受数量限制的群机器人形成队形并在未知环境中移动,是一个极具挑战性的问题.基于人工物理原理分析了群机器人网格队形分布和移动控制原理,制定了详细的系统性能评价指标(稳定时间、碰撞次数、覆盖率、连接数、簇数、分布密度等参数),提出了采用曲线拟合法构建虚拟力模型.通过在有障碍物环境中的仿真,显示出该方法可以鲁棒、有效的完成网格分布和移动任务.最后指出了今后的研究方向.     

基于诱饵-捕食的分布式编队队形切换控制

队形切换是多机器人编队的重要研究内容。针对未指定各机器人ID与目标位置对应关系情况下如何实现分布式多机器人编队队形切换的问题,本文结合自然界鸟群、鱼群等群生物的觅食行为建立了一种新的诱饵-捕食者系统,并将该系统应用到分布式多机器人编队的队形切换控制中。视编队中各机器人为捕食者,各目标位置为诱饵,通过捕食者与诱饵之间的相互作用,实现不同队形之间的切换。同时针对捕食者所受到的各种影响都建立了具体的数学模型。该方法在解决队形切换过程中无需预先规划各机器人的运动路径,可在分布性较强的编队中应用。仿真实验表明该控制策略对于分布式多机器人编队的队形切换有较好的适用性,为多机器人编队进行队形切换提供了新的思路和方法。     

基于Motor Schema的多移动机器人队形优化控制

针对多移动机器人的队形优化控制任务,引入4种基本行为,即奔向目标行为、保持队形行为、避免与静态障碍物碰撞行为、避免与其它机器人碰撞行为.为了实现行为的决策,机器人采用基于MotorSchema的结构,并通过遗传算法优化行为合成所需的控制参数.仿真结果表明,所提出的方法是可行的.