多機器人圍捕策略研究.pdf

1、隨著人類對機器人完成任務的要求的提高，多機器人系統(tǒng)應用領域也不斷擴大。多機器人系統(tǒng)能完成單機器人不能完成的任務，還能從組織和系統(tǒng)的角度研究多個機器人之間的協(xié)作機制，發(fā)揮多機器人系統(tǒng)的各種內(nèi)在優(yōu)勢。
　　 多機器人協(xié)作是多機器人系統(tǒng)中的核心問題，本文研究的多機器人圍捕任務是典型的多機器人系統(tǒng)協(xié)作課題，涉及到多機器人系統(tǒng)中的控制結(jié)構、學習算法、任務分配等問題。本文從分析并實現(xiàn)已有的圍捕的方法入手，在此基礎上對基于人工勢場的圍捕策略進

2、行改進以提高圍捕效率，最后將圍捕任務擴展到多目標機器人，提出了投標者聯(lián)合投標的拍賣算法。主要包括以下內(nèi)容：
　　 首先針對圍捕任務，總結(jié)了圍捕的兩種方法：基于Q學習的方法和人工勢場法。并基于仿真平臺MuRoS對這兩種方法進行了實現(xiàn)和分析。分析結(jié)果表明：Q學習不需要設計具體的同捕策略，學習過程中通過經(jīng)驗積累，圍捕使用時間逐漸減少，學習算法最終收斂。但是相對于人工勢場法，學習過程緩慢，且強化信號設計較為復雜。人工勢場法簡潔直觀，但是

3、機器人行為控制參數(shù)不易確定，很難找到最優(yōu)解。
　　 圍捕任務是巡邏、軍事對抗等任務的具體形式，效率（圍捕成功率和圍捕消耗時間）尤其重要。在上述人工勢場法實施圍捕的基礎上，針對圍捕任務的效率問題，分析了圍捕過程中機器人的運動目標對圍捕的影響，對簡單形成包圍圈實施圍捕做了改進，提出了基于角度優(yōu)先的圍捕策略。仿真結(jié)果顯示改進后的方法提高圍捕成功率，減少了圍捕時間。
　　 任務分配是多機器人系統(tǒng)協(xié)作的一個關鍵環(huán)節(jié)，其中使用較多的

4、是拍賣算法，這些算法根據(jù)經(jīng)濟市場中的拍賣來設計，其目的是為了實現(xiàn)資源的較優(yōu)分配。針對圍捕這個緊耦合任務，機器人必須通過協(xié)作完成任務，且各機器人對任務的貢獻依賴于其他機器人的位置信息。為此，本文提出投標機器人聯(lián)合形成小組作為一個整體給任務投標，并針對組合過多、計算量大、通信量大等問題對該方法進行改進。仿真結(jié)果顯示聯(lián)合投標用于任務分配是可行的。
　　 本文的仿真實驗都是在仿真平臺MuROS進行的，但針對圍捕的功能還不完全。論文在對其