CN103713640B - 一种移动无线传感器网络节点运动行为控制方法 - Google Patents
一种移动无线传感器网络节点运动行为控制方法 Download PDFInfo
- Publication number
- CN103713640B CN103713640B CN201310752655.XA CN201310752655A CN103713640B CN 103713640 B CN103713640 B CN 103713640B CN 201310752655 A CN201310752655 A CN 201310752655A CN 103713640 B CN103713640 B CN 103713640B
- Authority
- CN
- China
- Prior art keywords
- node
- behavior
- barrier
- boundary
- obstacle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明针对移动无线传感器网络节点运动形式多样化、控制算法简单的需求,结合群体运动控制目的性较强的特点,公开了一种移动无线传感器网络节点运动行为控制方法,节点群中的各节点通过无线网络进行信息交互;所述控制方法由汇聚行为、移动跟随行为和群体避障行为组成;所述汇聚行为包括静态汇聚行为和动态汇聚行为;所述群体避障行为由三种模式组成,分别为脱离模式、分群模式和聚群模式。对三种行为进行组合,来控制节点群执行任务;当遇到障碍时,根据节点检测到的障碍物信息,采用群体避障行为中的三种模式之一进行避障。
Description
技术领域
本发明属于基于移动无线传感器的运动控制技术领域,具体涉及一种移动无线传感器网络节点运动行为控制方法。
背景技术
移动无线传感器网络将移动机器人技术的机动灵活与无线传感器网络技术拓扑能力强、感知空间广的优点相结合,解决了静态传感器网络节点布撒和维护难,以及探测范围单一固定的问题。移动无线传感器网络中的节点智能性较移动机器人简单,其具有可移动机构,各节点间通过无线网络进行信息交互。
智能群体运动控制方法的研究主要在多机器人领域比较多,但是其研究方法并不完全适用于移动传感器网络。因为移动传感器网络规模较大,通信带宽有限,单个节点的智能化程度不高。通常的基于群体的智能控制方法主要有蚁群算法、粒子群算法和人工鱼群算法等。其中,蚁群和粒子群算法收敛速度较慢,效率不高,其控制算法也无法囊括移动节点群的多种运动形式。而人工鱼群算法虽然提出了基于行为的方法,但这是一种寻找最优解的算法,其行为主要用于寻找全局最优解或者局部最优解,并不是对群体的运动控制方法,且其寻优过程目的性不强,所以也不满足移动无线节点群任务明确的特点。
发明内容
有鉴于此,本发明针对移动无线传感器网络节点运动形式多样化、控制算法简单的需求,结合群体运动控制目的性较强的特点,提出了一种包含三种行为的移动无线传感器网络节点多运动行为控制方法。
本发明的目的是通过以下技术方案实现的:
一种移动无线传感器网络节点运动行为控制方法,节点群中的各节点通过无线网络进行信息交互;所述控制方法由汇聚行为、移动跟随行为和群体避障行为组成;
所述汇聚行为包括静态汇聚行为和动态汇聚行为;静态汇聚行为是领航节点指定目的地,跟随节点各自向目的地汇聚,动态汇聚行为是领航节点在向前移动,并在自身周围为跟随节点分布了相应的坐标点,跟随节点在领航节点移动的过程中,向领航节点周围的坐标点移动;
所述移动跟随行为指领航节点和跟随节点编队行进;
所述群体避障行为由三种模式组成,分别为:
脱离模式,即个别节点脱离编队单独避障,避障后回归编队;
分群模式,即编队分解成两群各自避障,或编队集体左转或右转避障;
聚群模式,即编队缩小节点距离,整体避障;
对三种行为进行组合,来控制节点群执行任务;当遇到障碍时,根据节点检测到的障碍物信息,采用群体避障行为中的三种模式之一进行避障。
当采用动态汇聚行为进行控制时,领航节点在向前移动,并在其周围为跟随节点分布了相应的坐标点,跟随节点在领航节点移动的过程中,向领航节点周围的坐标点行驶;在行驶过程中,监测节点之间的距离,当超过安全距离阈值m时,调整节点的行进步长,使得节点之间的距离回到安全距离阈值m以外。
当采用跟随行为进行控制时,跟随节点与领航节点以某种队形编队前行,各节点保持在队形中的位置,当偏离队形中的位置时,调整节点的行进步长,使得节点回到队形的指定位置中。
在编队前行过程中,跟随节点将超声波传感器获得的当前时刻的探测信息发送给领航节点,领航节点根据探测信息确定避障模式;具体为:
定义节点群中各节点的坐标均值为虚拟中心,将虚拟中心与节点群的行进方向所形成的直线定义为队伍行进线;定义与队伍行进线左、右距离为d的平行直线为左边界线和右边界线,左边界线与队伍行进线之间的节点为左侧中心节点,右边界线与队伍行进线之间的节点为右侧中间节点,左边界线之外的节点为左侧边界节点,右边界线之外的节点为右侧边界节点;
如果只有中间节点检测到障碍物,则执行分群模式:如果只有左侧中心节点检测到障碍物,则群右转避障;如果只有右侧中心节点检测到障碍物,则群左转避障;如果两侧中心节点均检测到障碍物,则以队伍行进线为界,队伍行进线左侧的节点左转避障,队伍行进线右侧的节点右转避障,避障后再聚拢;
如果只有边界节点检测到障碍物,则继续判断是哪一侧的节点检测到障碍物;如果只有单侧的边界节点检测到障碍物,则执行逃离模式,即检测到障碍物的边界节点脱离节点群,根据避障规则表单独执行避障行为,其他节点按预定路线行进;当单独的避障行为结束后,所述检测到障碍物的边界节点追上节点群,回到节点群中的原来位置;如果两侧的边界节点均检测到障碍物,则执行聚群模式,即通过缩小节点群的间距穿过两侧障碍物。
优选地,中心节点和边界节点的确定方式为:
定义队伍行进线的方向上有一个单位向量e,对节点群中任意节点i,定义单位向量fi,单位向量fi的起点为节点i,指向虚拟中心;计算e×fi,如果计算结果的值大于阈值d,则节点i为边界节点,且如果计算结果的方向为竖直向上,则为左侧边界节点,如果计算结果的方向为竖直向下,则为右侧边界节点;否则,如果计算结果的值小于或等于阈值d,则节点i为中心节点。
优选地,所述移动网络采用自组织多跳的网络。
有益效果:
(1)本发明以群作为控制对象,群中的节点通过无线网络构成一个整体,在进行移动、避障等操作时,均以群体为单位,避障过程可以根据障碍物的信息将群体暂时分割成更小的群体,避障后再汇聚。
这种以群体作为对象的控制方案,适用于大规模的节点控制,且极大简化了移动无线传感器网络节点的运动控制方式。
(2)此外,本发明将所有控制方式归纳为3种行为和行为中的几种模式,只需要通过行为的组合就可以实现各种动作,完成指定的任何任务。使得由智能程度不高的节点构成的节点群也可以完成集合汇聚、追踪目标以及躲避障碍物等任务形式。
(3)通过定义队伍行进线和边界线,将节点分为中心节点和边界节点,便于区分群体中哪一部分节点检测到障碍物,继而对障碍物信息进行识别,以及识别后的避障模式选择。三种避障模式几乎涵盖了各种可能的障碍物类型,识别和处理方案简单可行。
附图说明
图1是静态汇聚的示意图;
图2是动态汇聚的示意图;
图3是移动跟随行为的示意图;
图4是队伍中心线和边界线的示意图;
图5是群体避障行为中脱离模式的示意图;
图6(a)~图6(c)是群体避障行为中分群模式的三种情况示意图;
图7是群体避障行为中聚群模式的示意图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明提供了一种移动无线传感器网络节点运动行为控制方法,网络中的节点群由领航节点和跟随节点组成。领航节点组建网络,跟随节点加入到领航节点组建的网络中,领航节点向跟随节点发送运动行为指令,跟随节点根据收到的指令进行运动。网络采用自组织多跳的网络,节点群中的跟随节点都可以起到路由的功能,中继转发领航节点的命令。
本发明的控制方法由汇聚行为、移动跟随行为和群体避障行为组成。汇聚行为包括静态汇聚行为和动态汇聚行为。移动跟随行为各节点编队前行。群体避障行为由三种模式组成,分别为:脱离模式,即个别节点脱离编队单独避障,避障后回归编队;分群模式,即编队分解成两群各自避障,或编队集体左转或右转避障;聚群模式,即编队缩小节点距离,整体避障。
通过对三种行为进行组合,来控制节点群执行任务;当遇到障碍时,根据节点检测到的障碍物信息,采用群体避障行为中的三种模式之一进行避障。
下面针对每种行为结合附图进行详细描述。
(1)行为一:汇聚行为
图1是静态汇聚的示意图,五角星代表各个节点的目的地。领航节点接收到任务信息后,向跟随节点发送静态汇聚指令,通知跟随节点目的地的坐标,跟随节点依次向目的地行驶。
各个节点的运动学模型为公式(1)
其中,k代表第k个时刻,i代表节点群中第i个节点,xik代表第i个节点第k时刻的运动位置,xt代表目的地的位置,代表向目标点的方向移动一个步长(包括方向
图2是动态汇聚的示意图,领航节点在向前移动,并在其周围为跟随节点分布了相应的坐标点。其他跟随节点在领航节点移动的过程中,向领航节点周围的坐标点移动,整个过程为动态进行,图中五角星代表领航节点给跟随节点分配的坐标位置。dij代表节点群中第i个跟随节点和第j个跟随节点间的距离。为了在动态靠近过程中,防止跟随节点相互碰撞,设置一个安全距离阈值m,如果某两个节点间的距离dij<m,调整节点的行进步长,使得节点之间的距离回到安全距离阈值m以外,例如其中一个节点降低速度,或者停止移动,当距离超过m时,再移动。动态汇聚的运动学模型为公式(2)
其中,k代表第k个时刻,i代表节点群中第i个节点,代表第i个节点第k时刻的运动位置,step为移动的步长,Avoid_collision是避免跟随节点间相互碰撞对步长的修正项。
(2)行为二:移动跟随行为
图3是跟随行为的示意图,节点群中的节点根据领航节点的指令以某一阵列组成队形,向前移动。移动过程中节点间要相互保持一定的距离,后面的节点要紧跟随前面的节点,保持节点群的紧凑性。跟随行为的运动学模型为公式(3)
其中,k代表第k个时刻,i代表节点群中第i个节点,代表第i个节点第k时刻的运动位置,step为移动的步长,follow是跟随行为的步长修正项。跟随节点与领航节点以某种队形编队前行,各节点保持在队形中的位置,当偏离队形中的位置时,调整节点的行进步长,使得节点回到队形的指定位置中。
(3)行为三:群体避障行为
群体避障行为是节点群在行动过程中为了避开障碍物继续向前移动的行为。群体避障行为在三种行为中级别最高,当节点检测到障碍物的时候,首先执行群体避障行为。障碍物探测由移动节点上的3个超声波传感器负责,3个超声波传感器以一定角度装在移动节点的前端。根据障碍物的类型将群体避障行为分成三种模式,脱离模式、分群模式、聚群模式。
利用节点群中各节点的坐标求平均计算节点群的虚拟中心,将该虚拟中心与节点群的行进方向所形成的直线,定义为队伍行进线,如图4所示。定义与队伍行进线左、右距离为d的平行直线为左边界线和右边界线,左边界线与队伍行进线之间的节点为左侧中心节点,右边界线与队伍行进线之间的节点为右侧中间节点,左边界线之外的节点为左侧边界节点,右边界线之外的节点为右侧边界节点。
中心节点和边界节点的具体确定方式为:
定义队伍行进线的方向上有一个单位向量e,对节点群中任意节点i,定义单位向量fi,单位向量fi的起点为节点i,指向虚拟中心;计算e×fi,如果计算结果的值大于阈值d,则节点i为边界节点,且如果计算结果的方向为竖直向上,则为左侧边界节点,如果计算结果的方向为竖直向下,则为右侧边界节点;否则,如果计算结果的值小于或等于阈值d,则节点i为中心节点。
节点群中的节点将该时刻对障碍物的探测信息发送到领航节点,领航节点根据发送的信息,判断哪些位置的节点探测到了障碍物。根据跟随节点的性质(即该节点是中心节点还是边界节点)决定实行不同的避障模式。
如果只有中心节点检测到障碍物,执行分群模式。如果只有左侧中心节点检测到障碍物,则执行分群模式下的群右转策略,即整体右转避障;如果只有右侧中心节点检测到障碍物,则执行分群模式下的群左转策略,即整体左转避障;如果两侧中心节点均检测到障碍物,则执行分群模式下的群分两队策略,即以队伍行进线为界,队伍行进线左侧的节点左转避障,队伍行进线右侧的节点右转避障,避障后再聚拢。
如果只有边界节点检测到障碍物,则继续判定是哪一侧的节点检测到障碍物,如果只有单侧的边界节点检测到障碍物,则执行逃离模式,即检测到障碍物的边界节点脱离节点群,根据避障规则表单独执行避障行为,其他节点按预定路线行进;当单独的避障行为结束后,所述检测到障碍物的边界节点追上节点群,回到节点群中的原来位置。如果两侧都检测到障碍物则执行聚群模式,即通过缩小节点群的间距穿过两侧障碍物。其中,根据避障规则表单独执行避障行为是移动机器人技术中的已有避障,这里不祥述。
图5是脱离模式,只有边界节点9检测到了障碍物,为了不影响整个节点群中大部分节点的运动,除了边界节点9之外,其他节点继续保持原来的轨迹向前移动,边界节点9根据避障规则表单独执行群体避障行为,当群体避障行为结束后,追上节点群,回到节点群中原来的位置。
图6是分群模式,图6(a)中只有中心节点6和中心节点7都检测到了障碍物,则节点群执行群分两队策略,一对向左运动,一对向右运动。图6(b)中只有队伍中心线左侧的中心节点6检测到障碍物,则执行群右转策略。图6(c)中只有队伍行进线右侧的中心节点7检测到障碍物,则执行群左转策略。
图7是聚群模式,只有队伍边界线两侧的边界节点2和边界节点9检测到了障碍物,执行聚群模式,通过缩小节点群的间距来穿过障碍物。
本发明为移动无线传感器网络运动控制设计了三种行为控制方法,三种行为通过简单、灵活的控制算法,可以在单个移动节点智能度不高的情况下,通过群体协作完成集合汇聚、追踪跟随、群体避障等复杂的任务。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种移动无线传感器网络节点运动行为控制方法,其特征在于,节点群中的各节点通过无线网络进行信息交互;所述控制方法由汇聚行为、移动跟随行为和群体避障行为组成;
所述汇聚行为包括静态汇聚行为和动态汇聚行为;静态汇聚行为是领航节点指定目的地,跟随节点各自向目的地汇聚,动态汇聚行为是领航节点在向前移动,并在自身周围为跟随节点分布了相应的坐标点,跟随节点在领航节点移动的过程中,向领航节点周围的坐标点移动;
所述移动跟随行为指领航节点和跟随节点编队行进;
所述群体避障行为由三种模式组成,分别为:
脱离模式,即个别节点脱离编队单独避障,避障后回归编队;
分群模式,即编队分解成两群各自避障,或编队集体左转或右转避障;
聚群模式,即编队缩小节点距离,整体避障;
对三种行为进行组合,来控制节点群执行任务;当遇到障碍时,根据节点检测到的障碍物信息,采用群体避障行为中的三种模式之一进行避障。
2.如权利要求1所述的控制方法,其特征在于,当采用动态汇聚行为进行控制时,领航节点在向前移动,并在其周围为跟随节点分布了相应的坐标点,跟随节点在领航节点移动的过程中,向领航节点周围的坐标点行驶;在行驶过程中,监测节点之间的距离,当小于安全距离阈值m时,调整节点的行进步长,使得节点之间的距离回到安全距离阈值m以外。
3.如权利要求1所述的控制方法,其特征在于,当采用跟随行为进行控制时,跟随节点与领航节点以某种队形编队前行,各节点保持在队形中的位置,当偏离队形中的位置时,调整节点的行进步长,使得节点回到队形的指定位置中。
4.如权利要求1所述的控制方法,其特征在于,在编队前行过程中,跟随节点将超声波传感器获得的当前时刻的探测信息发送给领航节点,领航节点根据探测信息确定避障模式;具体为:
定义节点群中各节点的坐标均值为虚拟中心,将虚拟中心与节点群的行进方向所形成的直线定义为队伍行进线;定义与队伍行进线左、右距离为d的平行直线为左边界线和右边界线,左边界线与队伍行进线之间的节点为左侧中心节点,右边界线与队伍行进线之间的节点为右侧中心节点,左边界线之外的节点为左侧边界节点,右边界线之外的节点为右侧边界节点;
如果只有中心节点检测到障碍物,则执行分群模式:如果只有左侧中心节点检测到障碍物,则群右转避障;如果只有右侧中心节点检测到障碍物,则群左转避障;如果两侧中心节点均检测到障碍物,则以队伍行进线为界,队伍行进线左侧的节点左转避障,队伍行进线右侧的节点右转避障,避障后再聚拢;
如果只有边界节点检测到障碍物,则继续判断是哪一侧的节点检测到障碍物;如果只有单侧的边界节点检测到障碍物,则执行脱离模式,即检测到障碍物的边界节点脱离节点群,根据避障规则表单独执行避障行为,其他节点按预定路线行进;当单独的避障行为结束后,所述检测到障碍物的边界节点追上节点群,回到节点群中的原来位置;如果两侧的边界节点均检测到障碍物,则执行聚群模式,即通过缩小节点群的间距穿过两侧障碍物。
5.如权利要求4所述的方法,其特征在于,中心节点和边界节点的确定方式为:
定义队伍行进线的方向上有一个单位向量e,对节点群中任意节点i,定义单位向量fi,单位向量fi的起点为节点i,指向虚拟中心;计算e×fi,如果计算结果的值大于阈值d,则节点i为边界节点,且如果计算结果的方向为竖直向上,则为左侧边界节点,如果计算结果的方向为竖直向下,则为右侧边界节点;否则,如果计算结果的值小于或等于阈值d,则节点i为中心节点。
6.如权利要求1所述的方法,其特征在于,所述移动无线传感器网络采用自组织多跳的网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310752655.XA CN103713640B (zh) | 2013-12-31 | 2013-12-31 | 一种移动无线传感器网络节点运动行为控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310752655.XA CN103713640B (zh) | 2013-12-31 | 2013-12-31 | 一种移动无线传感器网络节点运动行为控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103713640A CN103713640A (zh) | 2014-04-09 |
CN103713640B true CN103713640B (zh) | 2016-03-02 |
Family
ID=50406691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310752655.XA Active CN103713640B (zh) | 2013-12-31 | 2013-12-31 | 一种移动无线传感器网络节点运动行为控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103713640B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104238552B (zh) * | 2014-09-19 | 2017-05-17 | 南京理工大学 | 一种有冗余的多机器人编队系统 |
EP3667450B1 (en) * | 2017-08-07 | 2021-10-13 | Panasonic Corporation | Mobile body and method for control of mobile body |
CN107390697B (zh) * | 2017-08-30 | 2020-04-03 | 西北工业大学 | 基于二值化环境信息的欠驱动机器人自组织扩散方法 |
CN108175504B (zh) * | 2017-11-27 | 2023-09-05 | 深圳市爱博医疗机器人有限公司 | 血管介入手术导管/导丝轴向操作位移检测装置及方法 |
CN108930890B (zh) * | 2018-07-20 | 2023-08-01 | 辽宁工业大学 | 一种用于驾驶辅助系统实验平台的可移动式外置显示屏支架及其控制方法 |
CN111459162B (zh) * | 2020-04-07 | 2021-11-16 | 珠海格力电器股份有限公司 | 待命位置规划方法、装置、存储介质及计算机设备 |
CN111813121B (zh) * | 2020-07-13 | 2023-07-18 | 陕西理工大学 | 基于距离-角度优先级的多移动机器人编队避障方法 |
CN112569598A (zh) * | 2020-12-22 | 2021-03-30 | 上海幻电信息科技有限公司 | 目标对象控制方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3833845B2 (ja) * | 1999-04-21 | 2006-10-18 | 株式会社東芝 | 自動走行支援システム |
CN102359784A (zh) * | 2011-08-01 | 2012-02-22 | 东北大学 | 一种室内移动机器人自主导航避障系统及方法 |
CN102631280A (zh) * | 2012-04-18 | 2012-08-15 | 东南大学 | 一种基于无线传感器网络及振动反馈的穿戴式导盲装置 |
CN202455540U (zh) * | 2012-01-17 | 2012-09-26 | 南京邮电大学 | 一种群移动通信系统及其节点机装置 |
CN103076784A (zh) * | 2012-12-30 | 2013-05-01 | 同济大学 | 一种基于无线传感网络和gprs的温室环境监控系统 |
CN103139812A (zh) * | 2013-03-01 | 2013-06-05 | 哈尔滨工业大学 | 基于无线传感器网络的移动节点编队避障方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130085507A (ko) * | 2011-12-14 | 2013-07-30 | 삼성전자주식회사 | 무선 통신 시스템 및 무선 통신 시스템에서 시간 동기 방법 |
-
2013
- 2013-12-31 CN CN201310752655.XA patent/CN103713640B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3833845B2 (ja) * | 1999-04-21 | 2006-10-18 | 株式会社東芝 | 自動走行支援システム |
CN102359784A (zh) * | 2011-08-01 | 2012-02-22 | 东北大学 | 一种室内移动机器人自主导航避障系统及方法 |
CN202455540U (zh) * | 2012-01-17 | 2012-09-26 | 南京邮电大学 | 一种群移动通信系统及其节点机装置 |
CN102631280A (zh) * | 2012-04-18 | 2012-08-15 | 东南大学 | 一种基于无线传感器网络及振动反馈的穿戴式导盲装置 |
CN103076784A (zh) * | 2012-12-30 | 2013-05-01 | 同济大学 | 一种基于无线传感网络和gprs的温室环境监控系统 |
CN103139812A (zh) * | 2013-03-01 | 2013-06-05 | 哈尔滨工业大学 | 基于无线传感器网络的移动节点编队避障方法 |
Non-Patent Citations (1)
Title |
---|
基于移动障碍的MWSN节点协同转向避障方法;陈佐等;《计算机科学》;20120229;第39卷(第2期);第95-100页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103713640A (zh) | 2014-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103713640B (zh) | 一种移动无线传感器网络节点运动行为控制方法 | |
Wang et al. | Frontier-based multi-robot map exploration using particle swarm optimization | |
CN107883962A (zh) | 一种多旋翼无人机在三维环境下的动态航路规划方法 | |
CN108253984A (zh) | 一种基于改进a星算法的移动机器人路径规划方法 | |
Dai et al. | Task allocation without communication based on incomplete information game theory for multi-robot systems | |
CN110531762A (zh) | 一种基于改进人工势场法的机器人路径规划方法 | |
CN113495578A (zh) | 一种基于数字孪生式训练的集群航迹规划强化学习方法 | |
CN102053620B (zh) | 一种地面移动机器人群摆脱多边形障碍物的方法 | |
CN103941737A (zh) | 一种复杂环境下拖挂式移动机器人的运动规划与控制方法 | |
Zhang et al. | A cooperative-control-based underwater target escorting mechanism with multiple autonomous underwater vehicles for underwater Internet of Things | |
Alam et al. | Joint topology control and routing in a UAV swarm for crowd surveillance | |
CN105320133A (zh) | 一种应用于扫地机器人的改进势场栅格法 | |
CN104281052A (zh) | 一种基于行为的领航者-跟随者多智能体队形控制方法 | |
Parasuraman et al. | Multipoint rendezvous in multirobot systems | |
CN110162035A (zh) | 一种集群机器人在有障碍物场景中的协同运动方法 | |
Bouraoui et al. | Cybercar cooperation for safe intersections | |
CN112731942A (zh) | 一种基于改进领航者虚拟结构法的多auv编队控制方法 | |
Liu et al. | 3D path planning for AUV using fuzzy logic | |
Wang et al. | Multi-robot path planning with the spatio-temporal A* algorithm and its variants | |
Hou et al. | UAV Swarm Cooperative Target Search: A Multi-Agent Reinforcement Learning Approach | |
Hu et al. | Distributed multi-robot formation control under dynamic obstacle interference | |
Guo et al. | Leader-follower and cascade system based formation control of nonholonomic intelligent vehicles | |
Venkatasivarambabu et al. | A review on UAV path planning optimization based on motion planning algorithms: collision avoidance and challenges | |
Luo et al. | Dynamic coverage with wireless sensor and actor networks in underwater environment | |
Misra et al. | A fault-tolerant routing protocol for dynamic autonomous unmanned vehicular networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |