（船舶与海洋结构物设计制造专业论文）基于行为的多机器人体系结构研究.pdf

c l a s s i f i e di n d e x ： u d c ： ad i s s e r t a t i o nf o rt h ed e g r e eo fm e n g r e s e a r c ho nbe h a v i o r s ba s e d a r c h i t e c t u r eo f m u l t i p l e r o b o t s c a n d i d a t e ：j ix i n g s u p e r v i s o r ：r e s e a r c h e rw a nl e i a c a d e m i cd e g r e ea p p li e df o r ：m a s t e ro fe n g i n e e r i n g s p e c i a l i t y ：d e s i g na n dc o n s t r u c t i o no fn a v a l a r c h i t e c t u r ea n do c e a ns t r u c t u r e d a t eo fs u b m is si o n ：j a n u a r y ，2 01 0 d a t eo fo r a le x a m i n a t i o n ：m a r c h ，2 0 1 0 u n i v e r s i t y ：h a r b i ne n g i n e e r i n gu n i v e r s i t y 哈尔滨ji ：程人学硕士学何论文 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导下，由 作者本人独立完成的。有关观点、方法、数据和文献的引用已在 文中指出，并与参考文献相对应。除文中已注明引用的内容外， 本论文不包含任何其他个人或集体已经公开发表的作品成果。对 本文的研究做出重要贡献的个人和集体，均己在文中以明确方式 标明。本人完全意识到本声明的法律结果由本人承担。 作者( 签字) ：场弘 日期：如f o 年弓月多日 哈尔滨工程大学 学位论文授权使用声明 本人完全了解学校保护知识产权的有关规定，即研究生在校 攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨 工程大学有权保留并向国家有关部门或机构送交论文的复印件。 本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据 库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本 学位论文，可以公布论文的全部内容。同时本人保证毕业后结合 学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈 尔滨工程大学。涉密学位论文待解密后适用本声明。 本论文( 哟在授予学位后即可口在授予学位1 2 个月后口 解密后) 由哈尔滨工程大学送交有关部门进行保存、汇编等。 作者( 签字) ：汤。代导师( 签字) ：翻锄。 日期：沙f 口年弓月男日侧。年；月g 日 哈尔滨丁程大学硕士学位论文 摘要 多机器人系统是机器人学在新的应用需求驱动下提出的具有理论价值和 实际应用前景的研究方向。与单个复杂机器人相比，多个简单的机器人组成 的系统具有设计周期短，系统可靠性高，任务执行效率高等优点，然而如果 系统没有一个好的体系结构作为基础，那么执行任务的效率会大大下降，甚 至机器人间会有相互干扰和相互冲突的情况发生。本文立足于对移动机器人 的发展历史、多机器人发展现状的了解和对多机器人系统需要解决的问题分 析，对多机器人系统的体系结构进行了深入的研究。 多机器人系统是由个体机器人组成的。对个体机器人体系结构问题的研 究是研究多机器人体系结构的前提和保证。本文介绍了基于行为体系结构并 对现有四种经典基于行为的单机器人体系结构进行分析、对比、总结，给出 了依照任务需求不同而选用何种体系结构的规则图表。 本文设计了9 种基本行为模块和2 种复杂行为模块，用以使机器人更强的 适应复杂环境和具有更好的合作性能力。在归航模块中，基于区域划分思想 采用了基于区域的行为协调方法，用以解决机器人死锁的问题，并通过仿真 和实物实验验证了该方法的可行性。 本文针对多机器人系统对体系结构的4 点要求，设计了一个基于行为的分 层树状多机器人体系结构，该体系结构分为系统监控、任务规划、行为管理、 执行层4 层。并基于m f c 的思想在多机器人体系结构中，提出了机器人小队 的概念。最后通过m o b i l e s i m 仿真实验和先锋3 机器人实物实验，验证了机器 人小队的可行性和证明了分层树状体系结构满足多机器人系统对体系结构的 要求。 关键词：多移动机器人；体系结构；基于行为 - 哈尔滨：1 i 程大学硕十学位论文 a b s t r a c t r o b o t i c sf o rm u l t i - r o b o ts y s t e mi sd e m a n d - d r i v e ni nt h en e wa p p l i c a t i o n s u b m i t t e du n d e rt h et h e o r e t i c a lv a l u ea n dp r a c t i c a l a p p l i c a t i o no ft h ef u t u r e r e s e a r c hd i r e c t i o n s c o m p a r e dw i t has i n g l ec o m p l e xr o b o t ，an u m b e ro fs i m p l e r o b o t i c s y s t e mc o m p o s e do fas h o r td e s i g nc y c l e ，s y s t e mr e l i a b i l i t y , h i g h e f f i c i e n c yi m p l e m e n t a t i o no ft h em a n d a t e ，h o w e v e r , t h ee f f i c i e n c yo ft h e i m p l e m e n t a t i o no ft h et a s kw i l lg r e a t l yd e c r e a s e ，a n de v e nt h e r ew i l lb em u t u a l i n t e r f e r e n c eb e t w e e nr o b o t sa n dc o n f l i c t i n gh a p p e ni ft h es y s t e mi sn o ta g o o d a r c h i t e c t u r ea sab a s i s t h i ss e l f - s u f f i c i e n c yi nt h eh i s t o r yo ft h ed e v e l o p m e n to f m o b i l er o b o t s ，m u l t i - r o b o td e v e l o p m e n to fu n d e r s t a n d i n ga n df o rm u l t i r o b o t s y s t e m sn e e dt oa d d r e s st h ep r o b l e ma n a l y s i s ，m u l t i r o b o ts y s t e ma r c h i t e c t u r e i n - d e p t hs t u d y m u l t i r o b o ts y s t e mi s c o m p o s e do fi n d i v i d u a lr o b o t s t h er e s e a r c ho f s t r u c t u r a lp r o b l e m so ft h ei n d i v i d u a lr o b o ts y s t e mi st o s t u d yt h es t r u c t u r eo f m u l t i - r o b o ts y s t e m ，t h ep r e r e q u i s i t ea n dg u a r a n t e e t h i sa r t i c l e d e s c r i b e st h e b e h a v i o r - b a s e d a r c h i t e c t u r e ，a sw e l la st h e e x i s t i n g f o u rk i n d so fc l a s s i c s i n g l e r o b o tb e h a v i o r - b a s e da r c h i t e c t u r ea n a l y s i s ，c o m p a r i s o n ，c o n c l u s i o ni sg i v e n i na c c o r d a n c ew i t hm i s s i o nr e q u i r e m e n t sa n dt h es e l e c t i o no f d i f f e r e n tr u l e sf o r w h a tk i n do fa r c h i t e c t u r ed i a g r a m s t h i sa r t i c l ei sd e s i g n e dn i n ek i n d so fb a s i cb e h a v i o rm o d u l e s ，a n dt w ok i n d s o fc o m p l e xb e h a v i o rm o d u l ef o rt h er o b o tt oa d a p tt om o r ec o m p l e xe n v i r o n m e n t s a n dh a v eb e t t e rc o o p e r a t i o ns e x u a l i t y i nt h eh o m i n gm o d u l e ，t h ea r t i c l ei sb a s e d o ni d e a sp r o p o s e dz o n i n ga c t i o n sb a s e do nr e g i o n a lc o o r d i n a t e da p p r o a c ht o s 。l v i n gr o b 。td e a d l o c ki s s u e s ，a n dt h r o u g hs i m u l a t i 。na n dp l a y s i c a le x p e r i m e n t s i v a l i d a t et h ef e a s i b i l i t yo ft h em e t h o d i nt h i sp a p e r , m u l t i r o b o ts y s t e ma r c h i t e c t u r e ，t h e4 - p o i n td e m a n d t od e s i g na - 1 哈尔滨一 程大学硕士学位论文 h e h a v i o r - b a s e dh i e r a r c h i c a lt r e eo fm u l t i r o b o ta r c h i t e c t u r e ，t h ea 】汜l l i t e c t i l r e i s d i v i d e di n t os y s t e mm o n i t o r i n g ，m i s s i o np l a n n i n g ，b e h a v i o rm a n a g e m e n t a n d i m p l e m e n t a t i o no ft h el a y e r4 - l a y e r m f cb a s e do nt h ei d e o l o g yo fm u l t i r o b o t a r c h i t e c t u r e ，p r o p o s e dt h ec o n c e p to ft h er o b o tt e a m t h ef i n a l a d o p t i o no f m o b i l e s i mp i o n e e r3r o b o ts i m u l a t i o na n dp h y s i c a le x p e r i m e n t st o v e r i f yt h e f e a s i b i l i t yo fr o b o tt e a m sa n dp r o v e dt om e e tt h eh i e r a r c h i c a lt r e ea i h i t e c t u r e m u l t i - r o b o ts y s t e ma r c h i t e c t u r er e q u i r e m e n t s k e yw o r d s ：m u l t i p l em o b i l er o b o t s ；c o n t r o la r c h i t e c t u r e ；b e h a v i o r s b a s e d i 哈尔滨j f 程大学硕十学位论文 目录 第1 章绪论1 1 1 引言1 1 2 多机器人系统的研究现状1 1 3 多机器人系统需要解决的问题5 1 3 1 体系结构5 1 3 2 多机器人之间的合作与协调6 1 3 3 多机器人之间的通讯7 1 3 4 多机器人的感知8 1 4 论文的研究的意义和内容9 第2 章基于行为的机器人体系结构1 1 2 1 基于行为的机器人与传统人工智能的机器人1 1 2 1 1 传统人工智能1 1 2 1 2 基于行为思想的产生。1 3 2 2 几种典型的基于行为体系结构1 4 2 2 1 包容结构1 5 2 2 2 行为选择结构1 7 2 2 3 反应式结构1 8 2 2 4 过程描述结构。1 9 2 3 基于行为体系结构的分析对比1 9 2 4 本章小结。2 1 第3 章多机器人控制系统实验平台及行为模块2 3 3 1 先锋3 机器人2 3 3 1 1 先锋3 机器人基本参数2 3 3 1 2 机器人传感器系统2 3 3 2m o b i l e s i m 移动机器人仿真平台2 5 3 3 先锋3 机器人任务循环2 6 哈尔滨t 程大学硕士学位论文 3 4 多机器人系统的行为模块2 7 3 4 1 简单行为模块2 7 3 4 2 复杂行为模块2 9 3 5 本章小结3 8 第4 章基于行为分层树状的多机器人体系结构。3 9 4 1 引言3 9 4 2 多机器人系统对体系结构的要求3 9 4 2 1 合作性行为3 9 4 2 2 适应动态环境4 0 4 2 3 完成复杂任务4 0 4 2 4 上层监控能力4 0 4 2 5 现有自主移动机器人控制系统体系结构分析4 1 4 3 基于行为分层树状多机器人体系结构4 2 4 3 1 机器人小队4 2 4 3 2 系统监控层4 5 4 3 3 任务规划层4 6 4 3 4 行为管理层4 7 4 3 5 执行层4 8 4 4 分层树状体系结构对多机器人系统的适用性分析4 8 4 5 基于行为分层树状体系结构验证实验4 9 4 5 1 双机器人跟随实验4 9 4 5 2 多机器人小队协作仿真实验5 2 4 6 本章小结5 5 结论5 7 参考文献5 9 攻读硕士学位期间发表的论文和取得的科研成果6 4 致谢6 5 哈尔滨丁程大学硕+ 学位论文 第1 章绪论 1 1 引言 在近5 0 年中，伴随着计算机技术和人工智能的飞速发展，机器人的应用 在许多领域得到了拓展。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。然而就目前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，面对一些复杂的，需 要高效率的，并行完成的任务时，单个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 几方面i l l ：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；使用多机器人系统可以大大节约时间，提高效率；通过多机器人系统内 在特性提高完成任务的效率；多机器人系统具有更高的系统柔性和鲁棒性； 通过共享任务( 信息、知识等) 可以弥补单机器人能力的不足。因此，多机 器人系统已发展成为机器人应用与研究的热点和趋势。 1 2 多机器人系统的研究现状 自二十世纪九十年代以来，多机器人的相关研究已经在理论和实践方面 取得了较大的进展，越来越多的具有不同专业知识的研究人员开始从事群体 机器人研究。国际上已经制定了多个开发及控制多机器人系统的研究规划： 欧洲团体委员会( c o m m i s s i o no f t h ee u r o p e a nc o m m u n i t i e s ) 通过将来及新兴 技术计划资助群体机器人研究；美国国防部高级研究计划局( d a 附 a ) 通过 软件与分布式机器人研究技术对群体机器人研究进行资助。很多科研机构已 经对群体机器人进行立项研究，并相继开发了实验及仿真系统，有力促进了 多机器人研究的发展： ( 1 ) c e b o t ( c e l l u l a rr o b o t i cs y s t e m ) 【2 】 c e b o t ( 细胞构造机器人系统) 系统是由日本n a g o y a 大学的t f u k u d a 0 哈尔滨t 程大学硕七学位论文 教授领导的研究小组开发的。c e b o t 是一种自重构机器人系统，它的研究是 受生物细胞结构的启发，将系统中众多的具有相同或不同功能的机器人视为 细胞元，这些细胞原可以移动、寻找和组合。根据任务或环境的变化，细胞 元机器人可以自组织成器官化机器人，多个器官化机器人又可以进一步自组 织成功能更加复杂的机器人系统。当一个细胞受到损伤后，其他细胞便弥补 其功能。它由多个具有单一功能的自律机器人组成，机器人之间通过协调， 共同分担工作。它强调的是单元体的组合如何根据任务和环境的要求动态重 构，具有学习和适应的组智能( g r o u pi n t e l l i g e n c e ) 。因此，c e b o t 具有分布 式的体系结构，可以根据不同作业和环境进行组合。 ( 2 ) 基于虚拟信息的群体机器人【3 】【4 】 美国休斯研究实验室( h u g h e sr e s e a r c hl a b o r a t o r i e s ：h r l ) 的d p a y t o n 等人根据昆虫利用化学标记进行通信、协调的现象，成立了研究基于虚拟信 息素( v i r t u a lp h e r o m o n e ) 的群体机器人项目。该项目涉及二十个定制的信息 素机器人：p h e r o b o t ( 图1 1 ) 。p h e r o b o t 利用红外线系统实现信息素模拟、局 部通信及障碍物探测，利用个人数字助理( p d a ) 作为主控计算机。红外线 的方向性用于编码信息素梯度，红外线的可调节性用于编码信息素类型及其 他数据，红外线随距离而衰减的特性为机器人提供了估计与发送者间距离的 方法。在实验过程中，通过将信息素逻辑与机器人运动相结合，可以实现多 种协调行为：群体向空白区域扩散，产生虚拟信息素梯度，根据梯度寻找梯 度源。基于这些群体协调行为，可以实现更复杂的任务，如区域监视。危险 情况检测及路径寻找等。 ( 曩) p h c r o b o t( b ) p h c r o b o t 群体 图1 1 信息素机器人系统 2 哈尔滨工程人学硕+ 学位论文 ( 3 ) i - s w a r m 项目【5 1 德国卡尔斯鲁厄( k a r l s r u h e ) 大学过程控制与机器人技术学院的微机电 与微机器人研究组研究组成立了i - s w a r m 项目。该项目希望通过结合微机器 人系统，分布与自适应系统及自组织生物群体系统相关理论与技术，推动机 器人技术的发展。i - s w a r m 项目的主要目的在于设计、制造微型机器人群体： 由近千个微型人造自主机器人构成的群体，以执行微场景条件下的不同群体 任务。微型机器人的预设体积为2 x 2 x l 立方毫米，利用集成电路实现板载智 能，装配传感器及用于在微场景执行操作的工具。微型机器人采用光学通信 策略实现群体行为协调，利用基于静电现象的显微操纵实现动作执行6 1 。由 于电池、电容、驱动等多种技术的制约，i - s w a r m 项目尚未开发出满足要求 的实体微型机器人。 ( 4 ) s w a r mb o t 系统【卜9 1 目前，群体机器人的代表就s w a r mb o t s ，它是由比利时布鲁塞尔自由大 学i r d i a 实验室m d o r i g o 领导的一个项目。项目的目标是研究自治人工自 能体的自组织及自装配机理。s - b o t s 是单个机器人的名称，是有自聚集能力 的自主机器人，可以根据需要进行自聚集、合作和协调实验。 s b o t 有多个传感器和发动机，基本的通讯设备和有限的计算能力。并可 以聚集后组成各种形状或解散。成为群体结构为s w a r m b o t s ：拥有超过单个 b o t 的能力，它是由自组织机制形成的，而不是通过模板，并可以集体移动。 例如可以改变形状来通过隧道或避障，如图1 2 所示。 ( a ) s - b o t( b ) s w a r mb o t s 图1 2s - b o t 和s w a r mb o t s 哈尔滨t 程大学硕+ 学位论文 ( 5 ) 足球机器人【l o 】 在多机器人系统中，足球机器人的环境是变化不定的。目标和队友、对 手的状态都是实时变化的。在机器人足球场中，机器人不仅要自己遵守足球 赛规则，还要灵活应对对手的活动，目标是：尽可能多的射门，尽量阻止对 手射门。 机器人足球比赛最早由韩国高等技术研究院( k a i s t ) 的金钟焕教授于 1 9 9 5 年提出，并于1 9 9 6 年举办了第一届国际比赛，如图1 3 所示。1 9 9 7 年6 月，第二届机器人足球比赛在k a i s t 举行期间，国际机器人足球联盟 ( f e d e r a t i o no fi n t e r n a t i o n a lr o b o t s o c c e ra s s o c i a t i o n ，f i r a ) 宣告成立。此后 f i r a 在全球范围内每年举行一次机器人世界杯比赛( f i r ac u p ) 。 电子和计算机技术的发展带来了硬件性能的飞速提高，使得足球机器人 的性能逐渐提高，因此机器人的表现越来越让人满意。另一方面，有关足球 机器人动作和策略的研究也成绩显著。例如在早先的比赛当中，机器人之间 缺乏合理的分工协作，很容易挤成一团。现在这种现象已不存在，随着策略 研究的不断成熟，比赛精彩程度也不断增加。 ( 6 ) u h o t u - h o t 是西英格兰大学自能自主系统工程实验室研制的。参照蚂蚁群体 可以对不同物体( 实体、卵、幼虫等) 分类的能力，u b o t 机器人可以将不 同类型的物体( 飞盘) 进行分类。每个机器人上有个抓手，如图1 4 所示， 该抓手可以将碰到的飞盘抓起，抓手带有传感器，可以分辨碰到的物体的数 量、各个机器人没有直接的通讯能力，只有局部的感知能力。也就是说，使 用分散的控制来实现群体的协作，个体的添加或减少对系统没有什么影响。 u b o t 可以灵活鲁棒的执行分类飞盘任务【l 1 。 4 弋 哈尔滨t 程大学硕+ 学位论文 图1 3 足球机器人图1 4 u - b o t 国内多机器人研究始于本世纪初，尚处于起步阶段。目前哈尔滨工程大 学1 2 1 、吉林大学【1 3 1 、华中科技大学1 4 1 、华东理工大学【1 5 】、中国科学院自动化 研究所1 6 1 等院校科研机构在开展相关研究。现阶段国内多机器人研究多以仿 真实验为主。国家自然科学基金委及国家高技术研究发展计划( 8 6 3 计划) 已开始立项资助多机器人相关研究。 1 3 多机器人系统需要解决的问题 多机器人这一新研究领域的产生到现在已有近2 0 年的时间，群体机器人 的有关理论与实践虽然已经取得了一定的进展，但仍然存在着下述待解决或 者需要进一步研究的问题。 1 3 1 体系结构 机器人体系结构主要描述个体机器人的组成模块、模块之间的关系以及 模块之间的交互。体系结构是系统行为的基础，决定了系统的能力。多机器 人体系结构的研究，包括两个方面：单机器人内部体系结构和多机器人所形 成的组结构。 对于单机器人而言，体系结构主要有推理式、反应式和混合式1 7 】。当为 了有效的完成预定的任务，我们需要把各个单机器人联系到一起构成多机器 人组。多机器人组结构大致经历了集中式、分布式以及混合式1 8 】，如图1 5 所示。 哈尔滨工程大学硕士学位论文 有摩知和执 图1 5 多机器人体系结构 集中式的组结构，有一个总控机器人控制系统内的所有机器人。由于所 有机器人的运动都有控制中心来控制，其协调效率比较高，减少了用于协商 的开销，最突出的优点是可以获得最优规划。但是容错性，实时性和动态性 较差。另外，还存在通信瓶颈的问题。 分布式式的组结构，所有机器人相对于控制是平等的，每个机器人根据 局部信息规划自己的行为，借助通信手段合作完成任务。这种结构降低了系 统的复杂性。增强了柔性、容错性。但是由于各个机器人的行为主要从自身 出发，缺乏全局观，且优化能力差、缺乏预见性。 有的学者将分布式结构和集中式结构相结合称为混合式，任务的分配最 终由“主控机器人 完成，有一定的资源平衡、系统稳定、优化系统及防止 死锁的能力。同时机器人之间的关系是松散的、动态的，系统适应变化的动 态性和重构能力较强。混合式组结构是迄今为止最理想的控制结构，但复杂 性高于其他结构，实现起来较难，实际应用中还有很多问题有待进一步的研 究【1 9 1 。本文的主要内容就是围绕着这方面问题展开的。 1 3 2 多机器人之间的合作与协调 合作与协调是多机器人系统研究的两个不同而又有联系的问题【2 0 1 ，合作 是指如何多个机器人去完成任务，合作是通过机器人之间的组织方式及系统 的运动机制实现的。当合作关系确定后，要求各个机器人在合作过程中协调 相互之间的运动。 6 ， 、 哈尔滨丁程大学硕十学位论文 机器人合作形成是通过不同能力的机器人承担任务组中不同的角色完成 的。合作形成的常见方法有基于对策论的联盟方法、合同方法、基于价格调 控的市场机制方法和基于依赖关系的团队推理方法等。目前研究的热点主要 强调机器人在选择参加任务组中的自主决策性。规划形成是在任务组构成后， 将多个任务分配给多个具有执行能力且满足有效性和可靠性的机器人。任务 分配属于多机器人系统的高层，传统的任务分配思想大多将任务进行分解， 大的任务分解为若干个可由单个或少量机器人完成的子任务，然后根据机器 人的角色或能力将分解后的子任务进行分配。目前的任务分配方法有【2 1 】：( 1 ) 基于能力矩阵的任务分配方法，考虑一个机器人是否有能力完成多个子任务， 给出一个机器人能力与子任务间的能力矩阵。本方法只考虑一个任务智能由 一个机器人完成，而且一个机器人仅能完成一个任务。( 2 ) 考虑机器人技能 的基础上，综合考虑机器人的价值、自信度、意识强度及耦合度，提出了基 于综合矩阵的任务分配方法。一个机器人有能力处理多个子任务，同时一个 子任务又有多个机器人可以完成。机器人选择任务时，除考虑能力外，主要 考虑距离任务的远近，很少考虑环境以及任务的变化对机器人选择任务的影 响。而动态环境中的多机器人系统，环境是动态变化的、任务是分布、异构 且变化的，要求机器人具有较强的自主决策能力。实现多机器人任务分配自 主化是未来多机器人研究的重点。我国已有学者从任务、环境及机器人自身 多方面，研究了机器人行为的决策算法。 为了实现机器人的整体合作，就要进行协调。不同的任务需要的协调程 度不同，如：分布式搜索，协调是松散的和异步的；而合作操纵任务，协调 是紧密的和同步的；多机器人的行为协调，则只要完成动作的协调；执行协 调，则负责监视任务的执行、从任务异常中恢复、完成任务的同步控制；规 划协调则完成任务的分配。 1 3 3 多机器人之间的通讯 多机器人系统中的通讯可以大大提高系统运行的效率。一般来说机器人 7 ， 、 哈尔滨丁程大学硕十学位论文 之间的通讯方式有显式通讯和隐式通讯两类【2 2 1 。隐式通讯利用机器人的行为 对产生环境的变化来影响其他机器人的行为。在隐式通讯中，机器人一般只 有简单的智能，但是单个机器人的失误不会对整体的行为造成很大的影响， 因此有较高的鲁棒性。而显示通讯是利用特定的通信介质，通过某种共有的 规则和方式实现特定含义信息的传递，因此可以快速、有效地完成信息交互， 实现许多在隐式通信下无法完成的高级协调协作策略。 为了达到系统的实时性，通讯的内容不能过于复杂。随着机器人的数量 的增加，依靠通讯进行协调的系统复杂度会呈指数增长。另外，在某些环境 中( 如水下，尤其是浅水区域) ，环境干扰很大，因此非常需要一种有效、可 靠的通讯协议。隐式通信与显示通信是多机器人系统各具特色的两种通信模 式，如果将两者各自的优势结合起来， 种动态未知环境，完成许多复杂任务。 则多机器人系统就可以灵活的应对各 利用显示通信进行少量的机器人之间 的上层协作，通过隐式通信进行大量的机器人之间底层协调，在出现隐式通 信无法解决的冲突或者锁死时，再利用显示通信进行少量的协作工作加以解 决。这样的通信结构既可以增强系统的协调协作能力、容错能力，又可以减 少通信量，避免通信中的瓶颈效应。 1 3 4 多机器人的感知 在多机器人系统中，各机器人依靠自身的传感器对外界进行感知。各机 器人的感知能力对多机器人之间的协作主要作用有：通过感知可以估计协作 者的意图和动作效果，从而降低对通信的依赖。如果机器人过于依赖信息， 那么当机器人数量增加时，会因系统的通讯负担增大降低系统运行的效率。 例如，如在蚁群算法中，机器人之间没有通讯，感知是必不可少的【2 3 】。感知 是实现行为的基础，系统可以快速相应环境变化，通过感知可以更新和维护 系统模型。目前，多传感器信息融合和信息处理方法有很多【2 4 】。 多个机器人基于自身的传感器信息可以在一定程度上实现相互间的协调 与协作。h i r o s h is u g i e 等提出了一种基于视觉信息的意图推理方法进行行为 8 ， 、 哈尔滨_ t 程大学硕十学何论文 决策来实现多机器人的协作【2 5 i 。机器人通过观测其他机器人的行为来推测其 他机器人的意图进而解决冲突并合作完成任务。在文献【2 5 的实验中，机器 人能够很好的完成任务分配、合作推物及相互之间的避碰。y a s u ok u i y o s h i 通过对机器人群体行为的分析，提出了在动态协作任务中公共资源识别的重 要性，并给出了一种基于观测的协作的框架结构【2 6 1 。机器人可以通过对公共 资源和其他机器人行为的识别来决定采取何种行为进行协作。 在多机器人系统当中，由于各个机器人分散于环境中，通过通信和相互 协调工作，整个系统具有更强的获取外部信息的能力。在需要多机器人合作 的复杂工作中，个机器人仅处理自身传感器获得的信息是远远不够的，还需 要将其他机器人的传感器信息进行融合以获取对外部环境正确的和较全面的 理解。因此，机器人不仅利用自身的传感信息，还应利用其他机器人所感知 的信息进行决策。在这种情况下，多机器人系统的感知问题就需要解决如何 选择、融合来自不同机器人的传感信息并加以理解，如何通过协调协作实现 对外界环境信息乃至机器人自身信息的全面了解。 1 4 论文的研究的意义和内容 进行多机器人体系结构的研究是机器人技术发展的必然趋势，必将对机 器技术的发展起着重要的作用。今后随着科技的发展，多机器人系统的应用 领域将逐渐向工业、军事、农业领域发展。在工业中，多机器人系统的柔性 可极大地加快企业的转产速度，实现柔性加工；在国防中，它可以实现无人 探测和无人排雷，最大程度地减少人员的伤亡；在农业中，可以实现自动化 播种、收割等作业。可以预见多机器人系统的应用将会对社会带来巨大变革， 能极大地提高人们的生活质量以及工农业和国防现代化程度，因此对于多机 器人体系结构的研究更具有实际的应用价值。 多机器人体系结构是为实现预定行为如何把个体机器人联系到一起的形 式。其中体系结构中的每一个机器人通过系统体系结构知识能够获得关于系 统整体行为的高级观点，从而有助于引导局部控制实现协作，增强系统的全 9 哈尔滨t 程大学硕十学位论文 局统一性。多机器人系统体系结构为多机器人协作与控制系统的设计提供了 基本思路，在多机器人系统的研究过程中意义重大。 本文针对多机器人系统中存在动态环境、复杂任务、合作行为、监控能 力相结合的特点，进而要求移动机器人有更合适的系统体系结构这一需求， 首先介绍了当今多机器人系统的研究现状以及有待解决的问题；随后详细介 绍了4 种基于行为的体系结构并进行分析对比，给出了根据不同任务需求选 取何种体系结构的标准；接着本文设计了9 个简单行为模块和2 个复杂行为 模块，并提出了区域协调方法解决导航模块中存在的问题；最后，本文设计 了基于行为分层树状的多机器人体系结构，并通过仿真与实物实验验证了该 体系结构的可行性。 本论文共分4 章，组织方式如下： 第一章介绍多移动机器人系统的研究现状及应用与多机器人系统需要解 决的问题，并给出论文的主要内容与组织结构。 第二章详细介绍4 种基于行为的体系结构，并通过对比分析给出了依照 任务需求不同选用何种体系结构的标准图表。 第三章介绍了本文的机器人控制系统平台，设计了9 种简单行为模块和 2 种复杂行为模块。 第四章设计了基于行为分层树状的多机器人体系结构，并通过仿真与实 物实验验证体系结构的可用性与优越性。 l o 哈尔滨t 程大学硕十学位论文 第2 章基于行为的机器人体系结构 2 1 基于行为的机器人与传统人工智能的机器人 2 1 1 传统人工智能 二十世纪中叶人工智能的出现标志着人类开始第一次建立自主机器人系 统。当时的方法我们现在称为古典人工智能或递阶方法【2 7 1 。传统的人工智能 依靠世界模型来辨识传感器信息并生成相应的执行动作。设计中的控制结构 是基于自上而下的基本原理。机器人的控制结构可以分成有顺序的一系列功 能模块。系统的任务以及目标用公式来明确地表达。这种体系结构的设计方 法也被称为传感一规划一动作( s e n s e p l a n a c t ，s p a ) 方法。2 1 图表示出传 统触体系结构中通常的有序序列，由左至右依次为【2 7 j ： 感知模块：通过传感器感知外界环境并传递原始的传感器数据给下一 层。 建模模块：该模块接收从感知模块传来的数据，并利用这些数据来建立 对外部世界基于符号的表达方式。当然这些基于符号的表达方式包含了 机器人外部世界中所有物体的细节数据，例如几何位置或方向等等。 规划模块：规划器将上述这些机器人外部世界的描述数据进行计算等操 作，并输出一系列动作来完成用户所指定的目标。 任务执行模块：获取计划并产生相应的执行动作。 动作控制：按照上层输入信息控制驱动器。 i 感i 建 知鼷 l 规 划 任 务 执 行 动 作 控 制 日一 图2 1 传统人t 智能有序序列 1 1 哈尔滨： 程大学硕士学位论文 现有的一般传统人工智能方法具有如下基本特征： 1 ) 递阶结构：传统的人工智能方法以递阶的方式将主要目标分解成不同的 任务，或者子任务等。高一层次为从属层或下面的底层提供子目标。任 务的完成顺序是自上而下。 2 ) 顺序的处理过程：各个部分之间的控制流、信息流都是单向的。 3 ) 基于符号的规划器：规划器根据自身的外部世界的符号模型来进行推理 以及规划。而外部世界的符号模型则是通过连接物理的传感器与相应的 符号表达来实现的。 4 ) 功能模块划分详细：对不同的任务，功能模块之间有明确的划分。控制 系统中的每个部分会负责完成相应的功能。 最早建立的自主机器人是应用传统人工智能控制结构来控制的。人们称 之为s h a k e y 2 引。s h a k e y 的任务是穿越房问到指定的目标。在该机器人进行试 验的过程中，由于对外部环境模型的表达非常复杂，这直接导致了规划器不 能按照事先预想的工作。而且随着环境的改变，不再满足机器人感知的需求。 研究人员在算法上进行了一些改进，才获得比较好的结果。但是传统人工智 能在处理复杂的不断变化的环境仍有一些问题存在。只有在结构化的以及高 度预知的环境下，传统人工智能方法才显示出其适用性。传统人工智能方法 存在的问题可列为以下几点【2 8 】： 计算量问题：传统的人工智能方法需要计算机能够提供大量的数据存储 和高强度的计算能力。对于自主移动机器人来说是一个严重的问题。 数据处理实时性问题：由于真正的外部世界有其特有的变化动态性，因 此机器人系统必须能够产生足够快速的反应，以完成既定的任务。而传 统人工智能方法由于其信息处理都是集中式的，故机器人在决定下一步 动作的时候，对外部环境的建模及规划都是一个漫长的过程。 鲁棒性以及普遍性问题：传统的人工智能通常缺乏普遍性的能力。如果 异常的站点增多，会导致系统崩溃甚至全部停止。此外当使用指定符号 表达的时候，系统没有考虑到传感器数据以及执行器的噪声问题。 哈尔滨丁程大学硕十学位论文 外部世界模型的准确：为了规划的正确性，世界模型必须非常准确。这 就需要高精密传感器和仔细校准，这两者都不是很容易到达的。 符号的表述问题：规划器使用符号来表述外部世界模型，例如门，走廊 等。符号表述问题关心怎样将符号和从真实环境中感觉到的事物联系起 来。当机器人在开放的真实世界里运动的时候，规划器需要紧密的和基 于符号的环境模型联系起来。 2 1 2 基于行为思想的产生 在1 9 世纪8 0 年代，由于机器人在处理现实真实环境的过程中有限的执 行效果，许多科学家希望提出一种新的体系结构来更好的完成任务。基于行 为分解的包容结构最早由r a b r o o k s 提出【2 9 3 0 3 1 】，这成为一个新的领域一 基于行为的机器人技术诞生的标志。 和传统的自上而下结构的人工智能方法不同，基于行为的技术使用了类 似于反应式机器人系统的自下而上的体系结构。反应式系统通过使用大量的 事先编制好的程序规则来提供快速的实时响应。反应式系统的最大特点就在 于它可以提供一个快速的响应，但是它没有任何形式的内部状态描述信息， 因此它就不能利用内部的对外界环境的描述信息来权衡利弊或者对新的行为 进行学习。而基于行为的机器人技术却可以以一种分布描述的形式存储这些 内部状态信息，因此可以在一定程度上进行高级别的权衡各种可供选择。 基于行为的方法使用一组简单的并行行为，依靠对环境的反应来决定机 器人采取那些行为。采用的是自下而上的层次构建方法，层次间存在着密切 的关系，上层行为可以对下层行为的输出产生抑制作用( 见图2 2 ) 。机器人 正是利用这些反应来完成特定的行为。基于行为的系统在对外部环境建模以 及动作执行的实时性上不存在问题，但是其难点却在于怎样选择一个恰当的 行为才能在完成任务的时候更有效率及更具鲁棒性。首先是怎样调整结构以 提高机器人完成目标的能力：其