群体机器人合作觅食任务数学模型的建立与分析

群体机器人系统的数学模型可以预测系统的群体行为,能够在设计系统硬件或开发仿真程序之前,分析个体特征对群体行为的影响,以指导个体控制策略的改进。本文提出群体机器人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,能够描述合作觅食任务群体行为的动态特征。仿真实验表明,数学模型的预测结果与仿真实验数据可以较好的拟合。     

复杂环境下多机器人觅食路径规划与控制

针对多机器人系统领域中复杂环境下的稳定协同觅食问题,利用粒子群优化算法规划出多机器人中心位置在相应目标下的最优光滑路径.在此基础上设计了相应的分布式控制策略,并对该控制策略下多机器人系统运动的稳定性和内聚性进行了分析,证明了群体内部平均动能能够收敛至给定值,进而保证了多机器人系统运动规模的可控性,且不发生碰撞.仿真试验结果表明,在该控制策略下,多机器人系统能够在复杂的环境下有效地实现稳定觅食行为.     

基于agent的蚁群觅食行为建模及在机器人路径规划问题中的应用

为了对蚁群觅食原理进行研究和应用, 引入agent的建模仿真方法对蚂蚁觅食行为进行建模和仿真, 通过建立蚂蚁的增加感知信息的路径选择规则、信息素更新的奖惩规则等多个有效的行为规则强化了蚂蚁选路的智能性、快速性, 与现有经典文献对比确定所建模型的有效性。为了验证蚂蚁觅食行为模型的适应性和应用价值, 还将改进模型用于移动机器人局部路径规划。通过仿真可知, 蚂蚁觅食行为模型在复杂多变的环境下能够快速确定最优路径。     

仿真机器人教学中任务设计的有效性

由于仿真机器人教学便于组织管理,便于有效普及机器人基本知识,国内越来越多的中小学开展了此类活动。但是由于仿真机器人软件的"先天不足"和教学经验缺乏等原因,不少教师为完成教学而拼凑任务,甚至直接将竞赛任务用于课堂教学,忽视了任务设     

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．     

生物交哺行为启发的群体机器人搜集行为研究

为了提高群体机器人系统的整体性能,受生物系统中普遍存在的交哺现象的启发,在原来多机器人系统的基本行为的基础上,提出了一种引入交哺行为的多机器人协作机制。机器人依靠有限的感知能力和局部交互功能,以自组织方式执行目标搜集任务。机器人的内部状态变量反映其执行任务的情况以及对环境和其他机器人的评价。比较机器人的内部状态变量,可以判断是否需要交哺和交哺的方向性。主要目的是减少机器人之间的冲突,降低系统能量消耗的同时,提高机器人搜集目标的效率。最后通过计算机仿真实验以及与其他多机器人协作方法比较,分析该方法对提高系统性能的有效性。     

机器人群体协作与控制的研究

本文针对多机器人系统,从群体的角度探讨多机器人协作、运行及控制机理. 包括 机器人群体协作与机器人社会的概念、应用背景,以及机器人群体协作与机器人社会系统的 研究目的、研究内容等,以建立机器人群体协作及控制研究的框架．     

优化路径分配的多作业机器人任务规划

提出一种优化路径分配的多机器人任务规划框架。对任务规划问题进行形式化描述,在此基础上,探讨实现优化路径分配的任务规划的关键技术,包括追索最短道路求解方法、多目标任务分配的随机化求解和概率框架的更新模型。实验结果表明,该理论框架具有可行性和实用性。     

面向任务的机器人语言的实现

本文提出的面向任务的机器人语言是为移动机器人提供的一种编程工具。利用环境描述语言和其他灵活的人机对话方式建立环境模型;根据各种不同的性能指标,规划出最佳路径;根据安全等因素自动规划出最佳路径上的行走参数;对来自传感器的信息进行处理,以确定机器人实际位置及障碍情况;引导机器人沿规划好的路径行走,纠正偏差或重新选择避障路径。     

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多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的研究方向。     

一种水下群机器人路径规划算法的形式化研究

为了增强基于遗传算法的水下群机器人路径规划算法正确性的说服力,使用定理证明对其进行形式化研究,给出算法在定理证明器HOL4中的形式化模型。基于算法形式化的一般步骤,首先对算法的设计进行了详细的分析,指出算法设计的核心步骤与建模难点。在此基础上建立了总体形式化建模框架,然后对其进行化简,得到种群初始化、选择、交叉三个核心模块。接着给出模型中要用到的基本数据类型的形式化描述,并分别对三个模块进行形式化描述,最终得到算法的形式化模型。通过证明与模型相关的97条性质,说明了模型的合理性及有效性,在此模型的基础上,可以完成对算法的形式化验证,同时还能拓展HOL4的应用范围。     

一种蚂蚁粒子群融合的机器人路径规划新算法

研究了一种全新的蚂蚁粒子群融合的机器人路径规划算法。该方法首先用链接图建立机器人运动空间模型,在此基础上利用蚂蚁算法进行全局搜索得到全局导航路径,然后用粒子群算法局部调节全局导航路径上的路径点,得到更优路径。计算机仿真实验表明,即使在复杂的环境下,利用该算法也可以规划出一条全局优化路径,且能安全避障。     

基于粒子群算法的移动机器人全局最优路径规划*

以栅格法和粒子群算法为基础,提出了一种新的机器人实时全局最优路径规划方法.该方法包括采用栅格法对环境进行建模和直接运用粒子群算法在环境模型中搜索全局最优路径.在计算机上进行了仿真,仿真结果证明了该方法的可行性和有效性.     

晶格式集群机器人矩阵成型方法及实验

针对复杂非结构环境下作业任务对机器人的多功能性、柔性化等特殊需求,提出一种以映射矩为目标构型识别依据、矩阵元素为成型运动核心的晶格式集群机器人矩阵成型方法.基于离散化处理后的晶格式群体系统与元素离散排列、对称分布的矩阵的相似性,在预处理阶段,将用户给定的二维目标几何构型任务进行矩阵二值化处理后,与初始构型矩阵嵌套和匹配,并依次通过矩阵映射运算、初始构型体的相对定位实现集群机器人对目标几何构型的有效识别.在成型阶段,晶格式机器人个体以矩阵元素为运动依据、晶格单元为成型载体,设计晶格式集群机器人的个体自主成型规则,有效解决群体系统中"走哪里"和"怎么走"的问题.最后,通过仿真实验表明群体矩阵成型方法的可行性和有效性.     

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.     

单路径导引的车式移动机器人协同编队控制

针对含有模型不确定性和未知外部扰动的车式移动机器人集群,本文设计了一种分布式协同编队控制器,通过单条参数化路径导引,实现了车式移动机器人协同编队运动.本文首先在运动学层级设计了基于领航–跟随策略的队形制导律和路径更新律,其次在动力学层级设计了前向速度和姿态角控制律,通过线性扩张状态观测器估计并补偿系统模型中的非线性部分...     

基于自适应混沌变异粒子群算法的路径规划

研究了一种全新的基于自适应混沌变异粒子群的路径规划算法。该方法首先进行环境建模,利用改进的粒子群算法获得一条较优路径。在改进的粒子算法中为防止早收敛,加入自适应混沌变异操作,在加强算法局部搜索能力的同时保证搜索过程中种群的多样性。仿真实验表明,即使在复杂的环境下,利用该算法也可以规划出一条全局较优路径,且能安全避碰。     

A dynamic priority based path planning for cooperation of multiple mobile robots in formation forming

Robots that work in a proper formation show several advantages compared to a single complex robot, such as a reduced cost, robustness, efficiency and improved performance. Existing researches focused on the method of keeping the formation shape during the motion, but usually neglect collision constraints or assume a simplified model of obstacles. This paper investigates the path planning of forming a target robot formation in a clutter environment containing unknown obstacles. The contribution lies in proposing an efficient path planner for the multiple mobile robots to achieve their goals through the clutter environment and developing a dynamic priority strategy for cooperation of robots in forming the target formation. A multirobot system is set up to verify the proposed method of robot path planning. Simulations and experiments results demonstrate that the proposed method can successfully address the collision avoidance problem as well as the formation forming problem.     

Self-organization of unicycle swarm robots based on a modified particle swarm framework

In this paper, an attempt has been made to incorporate some special features in the conventional particle swarm optimization (PSO) technique for unicycle robots with line of sight. The modified particle swarm framework (MPSF) for the self-organization of unicycle swarm robots is proposed and studied. The framework explores the benefits by dynamic associations with the proposed MPSF to realize complex swarming behaviors. In this scheme, out of sights by obstacles or neighbor robots are considered when a robot moves to a target. Each robot self-organizes to flock to the best robot in the swarm seen in its sight and migrates to a moving target while avoiding collision with obstacles and neighboring robots through the interaction of robots with line of sight. The resulting MPSF is advantageous for practical implementations since it is used for robots, even in cases where a target is blocked by obstacles or robots. Extensive simulation is presented to illustrate the viability and effectiveness of the proposed framework.     

Trophallaxis within a robotic swarm: bio-inspired communication among robots in a swarm

This article presents a bio-inspired communication strategy for large-scale robotic swarms. The strategy is based purely on robot-to-robot interactions without any central unit of communication. Thus, the emerging swarm regulates itself in a purely self-organized way. The strategy is biologically inspired by the trophallactic behavior (mouth-to-mouth feedings) performed by social insects. We show how this strategy can be used in a collective foraging scenario and how the efficiency of this strategy can be shaped by evolutionary computation. Although the algorithm works stable enough that it can be easily parameterized by hand, we found that artificial evolution could further increase the efficiency of the swarm’s behavior. We investigated the suggested communication strategy by simulation of robotic swarms in several arena scenarios and studied the properties of some of the emergent collective decisions made by the robots. We found that our control algorithm led to a nonlinear, but graduated path selection of the emerging trail of loaded robots. They favored the shortest path, but not all robots converged to this trail, except in arena setups with extreme differences in the length of the two possible paths. Finally, we demonstrate how the flexibility of collective decisions that arise through this new strategy can be used in changing environments. We furthermore show the importance of a negative feedback in an environment with changing foraging targets. Such feedback loops allow outdated information to decay over time. We found that task efficiency is constrained by a lower and an upper boundary concerning the strength of this negative feedback.