（机械电子工程专业论文）基于mas的多机器人系统及关键技术研究.pdf

r 1 1 、 西华大学学位论文独创性声明 作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究 工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外， 本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请 学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献 均已在论文中做了明确的说明并表示了谢意。 若有不实之处，本人愿意承担相关法律责任。 学位论文作者签名：勿炙 日期： 沙纽箩。2 l 西华大学学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，在校 攻读学位期间论文工作的知识产权属于西华大学，同意学校保留并向国家 有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅，西 华大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采 用影印、缩印或扫描等复印手段保存和汇编本学位论文。( 保密的论文在解 密后遵守此规定) 学位论文作者签名：磊悄女 指导教 日期：加炽多。涉l 日期 兹、一 彩彬 ，h钮 参k 师勿撕历 导期 翌巴日 膨缪l彩儿 ：乡 名，玩 梯形 碲，、厶 对简单的机器人组成多机器人系统则具有设计周期短、实现方便、任务执行效率高等优 点，而且随着智能化水平的提高，智能机器人已成为当前和今后机器人发展的潮流。本 文就是在a g e n t 理论的出现和广泛应用的前提下，多a g e n t 系统( m a s ) 研究逐渐成为分 布式人工智能研究的一个重要组成部分的情况下，对基于m a s 理论的多机器人系统及关 键技术进行了深入研究。 本文首先介绍了多机器人系统研究的目的、意义、国内外研究现状和主要的研究内 容。之后，详细介绍了基于m a s 的多机器人系统的构成及相关研究内容。 然后，详细研究了多机器人的运动规划，并且采用了将基于行为的避碰规划和人工 势场法相结合的方法，针对人工势场法可能出现局部极小的情况，采用f o l l o ww a l l 行 为规划，而且针对多机器人之间可能存在的碰撞冲突，由日常生活中的规律，引入了交 通规划法和改变速率法来有效地解决多机器人的碰撞冲突。 第四章通过多机器人的队形研究，先设计了队形行为库，再由经验产生各行为控制 参数，最后由这些行为进行加权求和，得到最后的行为结果。第五章则通过类人机器人 r o b o n o v a i 型机器人组成的f i r a3 v s 3 类人型机器人足球为平台，通过设计该平台 的决策子系统，以及一般球员、守门员的算法设计，通过实验和实际比赛的结果显示， 本章设计的系统是有效的。 随着科技的发展，机器人技术的日趋成熟，机器人逐渐向高智能、类人型、多机器 人系统方向发展。本文就是在这样的背景下，做了部分的工作。因此多个类人型的机器 人通过自主地完成机器人足球比赛，是今后机器人发展的重点。 关键词：智能体；多机器人；运动规划；类人型机器人 基于m a s 的多机器人系统及关键技术研究 a b s t r a c t w i t ht h ed e v e l o p m e n to fs c i e n c ea n dt e c h n o l o g y ，s i n g l er o b o tb e c o m eh a r d e rt h a ne v e r b e f o r et os a t i s f yt h ed e m a n do fs o c i e t y t od e s i g nam o r ec o m p l e xa n dm o r ei n t e l l i g e n c es i n g l e r o b o td e m a n d sah i g hc o s ta n dd e m a n d sh i g ht e c h n o l o g i e s h o w e v e r , t h em u l t i r o b o ts y s t e m w h i c hi sc o m p o s e dm a n ys i n g l er o b o t sh a ss h o r t e rd e s i g n i n gp e r i o d ，e a s i e rr e a l i z a t i o na n d h i g h e re f f i c i e n c y , w i t ht h ei m p r o v e m e n to fi n t e l l i g e n c e ，i n t e l l i g e n tr o b o th a sb e c o m et h e d e v e l o p d i r e c t i o no fr o b o tn o w a d a y sa n di nt h ef u t u r e b a s e do nt h ea p p e a r a n c ea n de x t e n s i v e u s eo ft h et h e o r yo fa g e n t , m u l t i - a g e n ts y s t e mr e s e a r c hg r a d u a l l yb e c o m ea ni m p o r t a n tp a r to f t h ed i s t r i b u t e da r t i f i c i a li n t e l l i g e n c e ，t h i sa r t i c l eh a v ead e e ps t u d yo ft h em u l t i - r o b o t ss y s t e m a n dk e yt e c h n o l o g i e sb a s e do nm u l t i a g e n ts y s t e m t h i sa r t i c l ef i r s t l yi n t r o d u c e st h er e s e a r c hp u r p o s e ，s i g n i f i c a n c e ，c u r r e n tr e s e a r c hs t a t u sa t h o m ea n da b r o a da n dt h em a i nr e s e a r c hc o n t e n t so f m u l t i - r o b o t ss y s t e m l a t e r ，i ti n t r o d u c e st h e c o m p o s i t i o na n dt h er e l a t e dr e s e a r c hc o n t e n to f t h em u l t i - r o b o ts y s t e mb a s e do nm u l t i - a g e n t s y s t e m t h e n ，i tr e s e a r c h e si t st h em o t i o np l a n n i n gi nd e t a i l ，a n dp u tf o r w a r dam e t h o d t h a t c o m b i n e st h eb e h a v i o ro fa v o i d i n gc o l l i s i o na n da r t i f i c i a lp o t e n t i a lf i e l d ，a c c o r d i n gt ol o c a l c o n d i t i o n sm i g h tb em i n i m a l ，a n dp u t sf o r w a r df o l l o w w a l lb e h a v i o rp l a n n i n g ，a n df o rt h e c o l l i s i o nm i g h te x i s tb e t w e e nm u l t i - r o b o t s ，a c c o r d i n gt ot h er u l eo fd a i l yl i f e ，i ti n t r o d u c e s t r a f f i cp l a n n i n ga n dc h a n g i n gr a t et oe f f e c t i v e l ys o l v et h ec o n f l i c to fm u l t i - r o b o tc o l l i s i o n t h e f o u r t hc h a p t e rt h r o u g ht h er e s e a r c ho ft h ef o r m a t i o no ft h em u l t i - r o b o t s ，i tf i r s t l yd e s i g n e dt h e l i b r a r yo ff o r m a t i o nb e h a v i o r , t h e np r o d u c et h ec o n t r o lp a r a m e t e r sf o re a c hb e h a v i o rb y e x p e r i e n c e ，f i n a l l yg a i n e dt h eb e h a v i o rr e s u l t sb y t h e s eb e h a v i o r sw e i g h t e d t h ef i f t hc h a p t e r t h r o u g ht h eh u m a n o i dr o b o tr o b o n o v a ir o b o tc o m p o s e do f3 v s 3f i r ah u m a n o i dr o b o t s o c c e ra st h ep l a t f o r m ，t h r o u g hd e s i g n i n gt h ed e c i s i o ns u b s y s t e mo ft h i sp l a t f o r m ，a n d a l g o r i t h mo ft h eg e n e r a lp l a y e r sa n dt h eg o a l k e e p e r , i tv a l i d a t et h ed e s i g no ft h i sc h a p t e ri s e f f e c t i v eb ye x p e r i m e n t sa n dr e a lg a m e s r e s u l t s w i t ht h ed e v e l o p m e n to fs c i e n c ea n dt e c h n o l o g y , t h er o b o tt e c h n o l o g yi n c r e a s i n g l y m a t u r e s ，a n dr o b o tg r a d u a l l yi nt h ed e v e l o p m e n td i r e c t i o no fh i g hi n t e l l i g e n c e ，h u m a n o i da n d m u l t i - r o b o ts y s t e m t h i sa r t i c l ei si nt h i sc o n t e x t , a n dd os o m ew o r k s s om a n yh u m a n o i d r o b o t st oc o m p l e t er o b o ts o c c e rm a t c hi n d e p e n d e n t l yi st h ef o c u so f t h er o b o t sd e v e l o p m e n ti n t h ef u t u r e k e yw o r d s ：a g e n t ；m u l t i - r o b o t ；m o t i o np l a n n i n g ；h u m a n o i dr o b o t i i a b s t r a c t i i 1 绪论1 1 1 引言1 1 2 多机器人研究的目的和意义2 1 3 多机器人系统研究的国内外现状2 1 3 1 国外研究现状2 1 3 2 国内研究现状3 1 4 多机器人研究的相关内容4 1 4 1 a g e n t 与m a s 理论4 1 4 2 多机器人系统的特点4 1 4 3 多机器人系统研究的主要问题5 1 5 本文的主要研究内容7 2 基于m a s 的多机器人系统9 2 1 a g e n t 的定义9 2 2 a g e n t 的分类一1 1 2 2 1 按功能分类1 1 2 2 2 按属性分类1 2 2 2 3 其他的特殊a g e n t 1 5 2 3多智能体系统m a s 1 6 2 4 基于m a s 的多机器人的协调与协作18 2 4 1m a s 协调与协作的概念18 2 4 2m a s 协调与协作的方法1 9 2 5 m a s 的通信2 0 2 5 1 m a s 的通信方式2 0 2 5 2 a g e n t 通信语言2 0 2 5 3 通信协议与通信框架2 1 2 6 本章小结2 1 3 多机器人的运动规划2 2 3 1 机器人路径规划2 2 3 1 1 全局路径规划2 3 i i i 基于m a s 的多机器人系统及关键技术研究 3 1 2 局部路径规划2 3 3 1 3 当前路径规划中存在的问题2 4 3 2 基于行为的避碰规划2 5 3 2 1a v o i do b s t a c l e 行为研究2 7 3 2 2f o l l o ww a l l 行为设计31 3 3多机器人系统冲突的解决策略3 6 3 3 1 交通规则法3 6 3 3 2 改变速率法3 7 3 4 本章小结3 8 4 多机器人的队形研究3 9 4 1 引言3 9 4 2 多机器人的队形形成问题3 9 4 2 1 典型的多机器人系统队形3 9 4 2 2 多机器人的队形形成研究4 0 4 3 多机器人的队形控制问题4 1 4 4 多机器人的队形控制模型4 3 4 5 多机器人的队形行为实现4 4 4 5 1 多机器人的队形行为库4 4 4 5 2 行为参数产生函数模块4 8 4 5 3 决策模块5 0 4 5 4 多机器人的队形协调5 2 4 6 多机器人的队形仿真研究5 3 4 7 本章小结5 6 5 类人型多机器人行为决策研究。5 7 5 1 引言5 7 5 1 1r o b o n o v a i 型机器人概述5 7 5 1 2 r o b o n o v a i 型机器人的控制器5 8 5 1 3r o b o n o v a i 型机器人的基本动作5 9 5 2 决策子系统的设计6 0 5 2 1 决策子系统设计的目标6 0 5 2 2 决策子系统的决策框架。6 0 i v 西华大学硕士学位论文 5 2 - 3决策子系统的位置校正。6 2 5 3 机器人的算法设计6 7 5 3 1 一般队员的算法设计6 7 5 3 2 守门员的算法设计6 9 5 4 实验检验7 0 5 4 1射门实验7 0 5 4 2f i r a3 v s 3 类人型半自主机器人足球比赛7 2 5 5 本章小结7 3 结论j 7 4 参考文献7 5 攻读硕士学位期间学术论文及科研情况7 7 致 射。7 8 v 西华大学硕士学位论文 1 绪论 1 1 引言 机器人作为人类2 0 世纪最伟大的发明之一，近几年机器人已成为高技术领域内具 有代表性的战略目标。机器人技术的出现和发展，不但使传统的工业生产面貌发生根本 性变化，而且将对人类社会产生深远的影响。随着社会生产技术的飞速发展，机器人的 应用领域不断扩展。从自动化生产线到海洋资源的探索，乃至太空作业等领域，机器人 可谓是无处不在。 自2 0 世纪6 0 后代初第一台机器人问世以来，至今已有4 0 多年的历史，全世界的 机器人已有百万甚至千万台。这些机器人广泛应用于机械、汽车、电子、海洋、原子能 等领域。而且，机器人、原子能和空间技术并列为2 0 世纪三大应用科学。到目前为此， 机器人已经发展到第三代。第一代机器，主要指只能以“示教一再现方式工作的机器 人，它只能依靠人们给定的程序，重复进行各种操作。目前各类广泛使用的机器人大都 属于第一代机器人。第二代机器人是具有一定传感器反馈功能的机器人，它能获取作业 环境和操作对象的简单信息，通过计算机处理、分析，机器人按已编好的程序做一定的 推理，对动作进行反馈控制，表现出低级的智能。当前，第二代机器人还处在实际应用 和普通的研究中。第三代机器入是指具有环境感知能力，并能做出自主决策的自治机器 人。它具有多种感它具有多种感知功能、可进行复杂的逻辑思维，判断决策，在作业环 境中可独立行动【l 】。 过去，在人们长期的应用和研究中，人们发现随着工作任务的复杂化的增加，机器 人的设计与分析将更加复杂与困难，或是难以实现。人们开始寻找新的研究途径，在现 有的机器人基础上，通过多个机器人之间的协调工作来完成复杂的任务。 9 0 年代后，在工业领域，制造业开始面对用户对个性化产品的需求，从而导致对新 一代制造系统的理论的探讨和研究。工业机器人作为现代制造系统中不可或缺的重要组 成部分必须适应这种变革的要求，而对机器人群体之间协调协作的研究为工业机器人适 应这一变革提供了重要基础。 总的说来，在8 0 年代以后，随着机器人技术的发展，机器人的应用开始从单体应 用向系统应用发展了。有关多机器人的技术研究受到人们的广泛关注，用多个独立的机 器人组成整体来协作完成复杂的任务在很多的实验系统中得到了验证。多机器人系统正 成为机器人技术应用与研究的热点和趋势。 基于m a s 的多机器人系统及关键技术研究 然而就目前的机器人技术水平而言，单机器人在信息的获取、处理及控制能力等方 面都是有限的，对于复杂的工作任务及多变的工作环境，单机器人的能力更显不足。于 是人们考虑由多个机器人组成的群体系统通过协调、协作来完成单机器人无法或难以完 成的工作。多机器人系统比单机器人系统具有更强的优越性，主要表现在以下几个方面： ( 1 ) 设计和制造多个简单的机器人比单个复杂机器人更容易、成本更低 ( 2 ) 使用多机器人可以提高工作效率 ( 3 ) 机器人的工作并行性和冗余性可以提高系统得柔性和鲁棒性 ( 4 ) 机器人系统具有空间分布、功能分布和时间分布的特点，可以完成单体机器人无 法胜任的分布式任务 正是由于多机器人具有单个机器人所无法拥有的优越性，有关多机器人的研究起来 越多的受到国内外有关学者的青睐。本文就是对多机器人系统及关键技术做了一些研 究。 1 2 多机器人研究的目的和意义 科技日新月异发展的今天，机器人技术也在急速向前发展，机器人的能力不断提高， 应用领域不断扩展。研究人员对机器人的研究不再仅仅局限于单个机器人，对多个机器 人组成的系统也越来越感兴趣，因为有许多工作( 如在时间和空间上分布很广的任务) 单 个机器人无法承担。越来越多的事例表明，对于一些动态性强而且复杂的任务，开发单 个机器人远比开发多机器人系统复杂和昂贵。同时，随着机器人生产线的出现及柔性制 造系统的需要，人们想使多机器人系统进行自主作业的愿望越来越强烈，这些需求正在 促进机器人技术朝着多机器人合作研究方向发展。 而且，对多机器人系统的研究涉及到社会科学( 组织理论、经济学) 、生命科学( 理论 生物学、动物行为学) 和认知科学( 心理学、信息理论、人工智能) 等学科的理论和相关技 术。我们研究多机器人系统可以从这些理论和技术中得到启发和应用，同时也推动了这 些理论和技术的发展。因此，研究多机器人系统有着深远的理论意义和实践意义。 1 3 多机器人系统研究的国内外现状 1 3 1 国外研究现状 美国u s c 大学的学者m a j a j m a t a r i c 等采用自下而上的路线，基于行为的式研究分 析、设计机器人群体行为的突现，针对多机器人协调、协作建立了验系统有s o c i a l l y m o b i l e 和t h e n e r dh e r d ( 如图1 1 所示) 。 西华大学硕士学位论文 图1 1t h en e r dh e r d 系统 f i g 1 1 t h en e r dh e r ds y s t e m 加拿大阿尔伯达大学的c r k u b e 等人研制了c o l l e c t i v er o b o t i c s 系统，图1 2 所 示，该系统是对昆虫社会的一种人工模拟。目的是将许多简单的机人组织成一个团体 来完成一些有意义的工作。用该系统进行的推箱子的实验果表明，在不存在显式通讯和 集中规划器的条件下，可以得到可行的结果。 f i g 1 2 t h ec o l l e c t i v er o b o t i c ss y s t e m 1 3 2 国内研究现状 国内多移动机器人系统研究虽然起步较晚，但目前已处于蓬勃发展阶段，下面列 举一些较具代表性的多移动机器人系统研究单位及其研究成果。 ( 1 ) 中国科学院沈阳自动化研究所王越超等人在国家8 6 3 计划的支持下，建立了多 机器人装配系统m r c a s e 2 。实现了该系统的自主编队行进、自主队形变换和自主避障， 也实现了通过互联网络对群体机器人进行远程操作，成功完成了中国、美国和香港三地 跨洋遥操作实验。 基于m a s 的多机器人系统及关键技术研究 ( 2 ) 中国科学院自动化研究所( 北京) 谭民等人完成了复杂环境下自主体协调与实时 控制，机器人群体协调与控制机理等课题的研列3 1 。 1 4 多机器人研究的相关内容 1 4 1a g e n t 与m a s 理论 a g e n t 是人工智能领域的一个重要概念，可翻译成代理，主体或智能体。人们对 a g e n t 的研究始于2 0 世纪8 0 年代，m i n s k y 在1 9 8 6 年出版的著作思维的社会( t h e s o c i e t yo f m i n d ) 中，进一步明确了a g e n t 的思想，认为社会中的某些个体经过协商可求 得问题的解，该个体就是a g e n t 。当前很难给a g e n t 一个确切的定义。一般而言，可以 认为a g e n t 是一类在特定环境下能感知环境，并能灵活、自主地运行以实现一系列设计 目标的、自主的计算实体或程序【1 1 1 。 著名人工智能学者h a y e sr o t h 在一篇报告中指出：“智能的计算机a g e n t 既是人工 智能最初的目标，也是人工智能最终的目标。由此可简单的认为a g e n t 是生存于一定 环境中，通过与环境交互，及时并灵活自主的行动以完成自身任务的计算实体，其具有 自治性、通信能力、反应性、协作性和适应性等特性。 随着研究的深入，人们在a g e n t 理论的基础上提出了m a s ( m u l t i a g e n ts y s t e m s ) 概念，由于m a s 更能体现人类的社会智能，具有更大的灵活性和适应性，更加适合开 放、动态的世界环境，因而受到越来越多的人的重视，并将其应用于分布式人工智能 d a i ( d i s t r i b u t e da r t i f i c i a lk e l l i g e n c e ) 理论的研究。m a s 是有多个独立自主的a g e n t 松 散耦合而成的大型复杂分布式智能系统，是由多个问题求解实体组成的，为求解任一单 实体不能完成的任务而共同工作的松耦合问题求解网络。在多a g e n t 主体系统中，主要 研究一组自治的智能主体之间智能行为的协调，多a g e n t 协调它们的知识、目标、技巧 和规划，联合起来采取行动或求解问题。其特点是具有自主性、分布性、协调性，并具 有自组织、学习和推理能力，采用m a s 解决实际应用问题，对问题的解决有较高的效 率，且有很强的鲁棒性和可靠性。 1 4 2 多机器人系统的特点 多机器人系统作为一种人工系统，是对自然和人类社会中群体系统的一种模拟。多 机器人系统的研究是从单个机器人系统的研究扩展开来的，但区别于单个机器人系统， 主要表现在以下几个方面【3 j ： ( 1 ) 空间分布多个机器人可以在工作空间的不同区域同时工作。 ( 2 ) 功能分布功能不同或具有不同任务的多机器人可以协调工作。 4 西华大学硕士学位论文 ( 3 ) 时间分布多个机器人可以执行时间分布的任务。 ( 4 ) 信息分布多个机器人可以具备相同的知识或不同的知识，通过通信，协作机器人 可以进行知识的交换和学习。 ( 5 ) 资源分布多个机器人系统中各机器人可以具有不同的传感器和执行器。 而多机器人系统并不是把多个机器人简单的堆砌起来，并且就整个系统功能而言， 也并非将单个机器入功能简单放大。从整体上看，多机器人系统是一个由多个机器人有 机组织而成的复杂非线性离散系统，能够在动态不确定环境下高效地完成更为复杂的任 务，其综合应用了计算机、自动控制、人工智能、通信、传感等领域的理论和技术。与 单个机器人相比，多机器人系统具有如下特剧2 】： ( 1 ) 系统功能性更强。为了完成复杂工作，单体式应用的机器人往往结构复杂，控制 复杂，难以设计或操作：而多机器人系统具备空间上、功能上和时间上的分布性，可以 利用众多简单机器人的协作完成工作，甚至可以完成更为复杂的任务。 ( 2 ) 系统冗余性更好。当机器人工作环境发生变化或系统局部发生故障时多机器人之 间通过其内在的自组织能力及协作机制重新确立协作关系，仍然可以完成预定作业。 ( 3 ) 系统柔性更好，工作更加有效。通过多机器人的协调和协作，多机器人系统可以 具有较高的工作效率和柔性，更适合于当前先进制造系统对柔性、智能化、网络化等方 面要求，从而全面提高制造业自动化程度；同时，在军事应用上，多机器人系统通过与 实战部队的配合可以以灵活的方式完成战斗任务，从而实现理想的作战效果。 ( 4 ) 系统经济性好。对于一些动态性强，而且较复杂的任务，开发多机器人系统远比 开发单个机器人容易，而且价格较低。 1 4 3 多机器人系统研究的主要问题 正是由于多机器人系统具有单个机器人所没有优点，而且多机器人可以完成单个机 器人所不能完成的任务，而且多机器人的组成比做一个复杂的单机器人要简单得多，所 以多机器人系统的研究受到广泛的关注。在多机器人系统中，关键在于多个机器人以有 效的方式来协调运行，以尽量减少机器人之间的干扰、冲突，使它们能够在任务的执行 上有一致性的目的。要是多机器人系统不能进行恰当协调，反而会增加多机器人系统的 复杂性，这是我们所不希望的。 多机器人系统的主要研究内容为：多机器人系统的体系结构、多机器人系统的通信， 群体机器人系统的协作、控制与路径规划，多机器人系统冲突问题的解决等。但是由于 目前有关多机器人系统和多机器人技术还未形成统一的观点和理论，研究人员主要从实 验系统开发与具体工程应用出发，在如下领域展开研究工作【4 】： ( 1 ) 系统体系结构 5 基于m a s 的多机器人系统及关键技术研究 具体包括系统组织结构、控制结构、系统建模分析等，从而确定系统中多个机器人 间的控制关系与功能关系。就像社会制度决定人类社会一样，多机器人的系统体系结构 决定了多机器人系统的运作机制，而且该机制决定了协作协调的效率。从整体上看，系 统体系结构的设计要有利于最大程度地发挥个体机器人的能力和最高效率地完成任务。 ( 2 ) 系统协作控制及相关机制 具体包括各机器人协调与协作机制、通信与协商、分布式与路径规划、冲突消解、 死锁消解机制等等。 协调与协作多机器人协调与协作的一个典型例子就是多机器人合作搬物体。多 个小机器人移动大型物体的任务可以分为群体搬运和推箱子两种常见任务。在这样的任 务中，多个机器人之间的合作由于它们作用于同一个物体，为了达到协调目的必须紧密 地配合，不论在动作上还是在执行空间上都要受到相互之间的强烈影响，属于一种紧耦 合的协作任务。 通信与协商通信是实现多机器人协作的一种手段。作为典型的分布式控制系 统，网络已成为现在多机器人系统通讯的重要特征。但是，机器人间如果过分地依赖通 信来获取信息，那么，随着机器人数量的增加，系统通信的负担将增加，会使得系统运 作效率下降。因此，既要研究适合于多机器人系统的通信机制( 规范与协议) ，又要利用 智能机器人具有对周围环境的感知和推断能力，研究机器人系统根据伙伴行动进行推 断，进而实施必要的通信控制策略。 路径规划未知环境下的移动机器人路径规划问题也称之为导航问题。它是传 感器所反馈的信息产生控制命令系列将自身导引至预定目标的过程。它是传感器信息处 理过程与机器人控制过程的结合体，是一个集通信、控制、定位、识别等过程于一体的 复杂过程。多机器人的路径规划不仅要研究单体机器人的导航问题，还要考虑多个机器 人之间的路径冲突的消解问题。 编队控制多机器人实时队形控制任务要求机器人系统在未知的、存在各种障 碍物的环境中，能够实现：一队机器人尽量保持预先设定的几何队形从起始点到达目标 点；在运动过程中，机器人要避免与环境中的物体发生碰撞；对于由于环境复杂而导致 死锁情况，系统应当设法解决。 感知与学习感知是机器人与局部外界信息的一种交互作用，也就是机器人通过 它的传感器系统获取信息并经信息融合后加以利用的过程。无论机器人的群体行为如何 产生，感知都是必不可少的。在多机器人系统中，由于每个机器人都可能具有自己的传 感器系统，所以整个系统的传感器信息融合和有效利用是一个重要问题。由于环境是动 6 西华大学硕士学位论文 态变化的，为了更准备地控制，我们给系统引入了学习机制。通过学习，我们可以使系 统不断地寻优，以达到使控制参数为正确值，这也是系统的适应性和灵活性的体现。 ( 3 ) 单体机器人研究 该方面的研究从机器人群体工作角度出发，兼顾机器人的协作性和自治性，主要涉 及机器人控制器系统结构、局部规划与学习机制、多传感器集成与数据融合技术、无线 通讯技术、在线离线编程、监控与检测软件、人机交互界面等方面。 ( 4 ) 仿真系统与试验系统的设计开发 多机器人系统的仿真系统或试验系统的设计与开发涉及到分布式仿真的理论与技 术，同时还涉及到多传感器信息融合和数据挖掘的相关理论与技术。当前己有许多一些 多机器人系统仿真的研究，并逐渐形成了以下种类【5 1 。 从仿真系统使用的计算机来划分：建立在单独的p c 机或工作站上的仿真系统； 以局域网为基础、由多个计算机组成的仿真系统。 从仿真环境的模型来划分：基于二维平面环境模型的系统；基于三维立体空间环 境模型的系统。 从仿真系统的结构来划分：集中式的结构：集中式与分布式相结合的结构；分布 式结构。 多机器人的技术还是一个新兴的研究领域，伴随计算机、自动控制、人工智能等学 科的不断发展，其研究范围和研究内容也是不断深入和逐步扩大的。 1 5 本文的主要研究内容 多机器人系统是当前一个研究的热点，它的实现比设计一个高度复杂的单个机器人 来说，相对地要容易好多，而且易于实现。而且，随着机器人技术的发展，向多机器人 方向发展是必然的。因此，本文围绕多机器人系统及关键技术做了研究，本文共有六章， 具体的内容安排如下： 第一章：绪论介绍了多机器人研究的目的、意义，以及当前多机器人系统国内外 研究的现状。最后，就多机器人系统研究的相关内容进行了介绍。 第二章：基于m a s 的多机器人系统 本章首先将人工智能领域的a g e n t 的定义、 分类进行了概述，然后引入了多智能体系统，之后就基于多智能体系统的多机器人系统 的协作和协调进行了探讨，最后就多m a s 间的通信进行了介绍。这些内容对理解基于 m a s 的多机器人系统起到了重要作用。 第三章：多机器人的运动规划本章先就机器人的路径规划进行了探讨，提出当 前路径规划中还存在的问题。然后，就多机器人之间的避碰问题，提出了基于行为的避 基于m a s 的多机器人系统及关键技术研究 规划。最后，针对多机器人之间可能出现的冲突，由日常生活中的规律，本章提出了 通规划法和改变速率法来有效地解决了冲突。 第四章：多机器人的队形研究本章通过首先设计了队形行为库，然后根据经验 建立各个行为的控制参数，并且给出由这些行为加权和得到最后的行为结果。在向目标 点运动过程中，要是当前的l e a d e r 不能带领f o l l o w e r 到达目标位置，就要启动相应的 l e a d e r 更换策略。要是所有的机器人都轮流做了l e a d e r 仍然不能使机器人完成预定的目 标，就要启动随机扰动行为，也此来摆脱困境。 第五章：类人型多机器人行为决策研究本章是全文的重点，是前面几章的知识 在一个具体的多机器人系统上的应用。本章首先介绍了所用的机器人硬件结构，然后详 细传述了决策子系统的设计目标、决策框架及决策子系统的位置校正算法，之后，认真 设计了一般队员和守门员的算法，最后通过实验和参加比赛检验了本决策子系统设计的 有效性和可靠性。 8 2 2 1 人) t a k e r 系统，该系统具有目标性和自主性，系统内可以用自然语言进行交流，可以人 的角度考虑如何完成各种任纠6 1 。 对于a g e n t 的定义，许多研究者从不同的角度提出了不同的定义，典型的定义有两 种【6 】= 第一种是：a g e n t 是驻留在环境中的实体，可以解释从环境中获取的能反映环境中 所发生的事件和数据，执行能对环境产生影响的行为。 这一定义出自f i p a ( f o u n d a t i o nf o ri n t e l l i g e n tp h y s i c a la g e n t s ) ，f i p a 是一个致力 于a g e n t 技术的标准化组织。在该定义中，a g e n t 被视为一个能在环境中生存的实体， 它既可以是硬件，也可以是软件。 另一种软件a g e n t 的研究者从以下两个角度对a g e n t 进行的定义。 ( 1 ) 从软件角度看，a g e n t 是组成a g e n t 社会的成员，是包含信念、承诺、义务、意 图等精神状态的实体。 ( 2 ) 从软件工程角度看，面向a g e n t 的软件开发方法可以认为是为了更确切地描述复 杂开发系统的行为而采用的一种抽象描述形式，它与面向对象方法一样，是观察客观世 界及解决问题的一种方法。 伍德里奇( w o o l d r i d g e ) 和詹宁斯( j c n n i n g s ) 对a g e n t 的不同定义进行了总结，给 出了现在基本上被学术界普通认可的定义。他们认为，a g e n t 按其用法可以分为种， 即a g e n t 的两种定义：弱定义和强定义。 ( 1 ) a g e n t 的弱定义 a g e n t 的弱定义是从广义的角度来规定a g e n t 的特征。几乎所有被称为a g e n t 的软 件或硬件系统都具有以下的特征： 自治性( a u t o n o m y ) ：a g e n t 运行时不直接由人或其它东西控制，它对自己的行 为和内部状态有一定的控制权。 社会性( s o c i a la b i l i t y ) ：指a g e n t 能够通过某种通信语言与其它a g e n t 进行信 息交换。 9 基于m a s 的多机器人系统及关键技术研究 反应性( r e a c t i v i t y ) ：即对环境的感知和影响能力。无论a g e n t 生存在现实的世 界中还是虚拟的世界中，它们都应该可以感知其所处的环境，并通过行为改变环境。一 个不能对环境做出响应的物体不能被称为a g e n t 。 主动性：( p r o a e t i v i t y ) ：传统的应用程序是被动地由用户来运行的而且机械地 完成用户的指令。而a g e n t 的行为应该是主动的，自发的。a g e n t 感知周围环境的变化， 并做出基于目标的行为。 在该定义下，最简单的a g e n t 就是满足上述条件的一个计算机进程，该进程能与别 的a g e n t 通讯，能根据环境的变化产生基于目标的行为。 ( 2 ) a g e n t 的强定义 某些研究者认为，a g e n t 除了应具有上述弱定义的特征之外，还应具有人类的某些 特征，如知识、信念、意图、承诺等心智状态。有的学者还认为a g e n t 应具有某些人类 的情感。 目前对强定义a g e n t 的研究主要集中在理论上。朔含( s h o h a m ) 提出的面向世界 a g e n t 的编程( a g e n t - - - - o r i e n t e dp r o g r a m m i n g ，a o p ) 使用的就是强定义的a g e n t ： a g e n t 的强定义定义为：一个a g e n t 是这样一个实体，它的状态可以看作是由信念、 能力、选择、承诺等心智状态组成的。( a o p ) ( 3 ) a g e n t 的其它属性【7 】 智能性( i n t e l l i g e n c e ) ：a g e n t 具有一定层次上的智能，包括从预定义规则到自 学习人工智能推理机等一系列的能力。例如，理解用户用自然语言表达的对信息资源和 计算机资源的需求；帮助用户在一定程度上克服信息内容的语言障碍；捕捉用户的偏好 与兴趣；推测用户的意图并为其代劳。 合作性( c o l l a b o r a t i o n ) ：更高级的a g e n t 可以与其他a g e n t 分工合作，共同完 成单个a g e n t 无法完成的任务。 移动性( m o b i l i t y ) ：具有移动能力的a g e n t ，为完成自己的任务，可以从某地移 动到其他地方。 诚实性：a g e n t 不会故意发布错误信息。 顺从性：即不会违背命令，每个都会尽力完成用户所要求的任务。 理智性：即仅采取有助于自身目标任务实现的行动而不会采取妨碍自身目标任务 实现的行动至少不会盲目