CN108958202B - 一种多机器人协同探索的方法 - Google Patents
一种多机器人协同探索的方法 Download PDFInfo
- Publication number
- CN108958202B CN108958202B CN201810844678.6A CN201810844678A CN108958202B CN 108958202 B CN108958202 B CN 108958202B CN 201810844678 A CN201810844678 A CN 201810844678A CN 108958202 B CN108958202 B CN 108958202B
- Authority
- CN
- China
- Prior art keywords
- robot
- exploration
- current
- robots
- main
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明公开了一种多机器人协同探索的方法,涉及多智能机器人系统等技术领域。多机器人协同探索的方法为:机器人系统至少包括两个机器人,所述机器人系统根据谓词逻辑推理规则采用之字型移动轨迹对待探索区域进行扫描,根据扫描信息建立环境模型。本发明通过逻辑推理规则实现各个机器人的协调控制,采用的之字型移动轨迹的辅助方向用于实现探索,主方向用于选择探索任务和实现机器人之间的协调,从而使二维空间内的协调转化为一维空间的协调;通过将机器人系统划分为若干个子系统使得用少量的规则即可实现更大规模的多机器人系统协调,简化了协同作业计算、降低了现场修改协调策略难度。
Description
技术领域
本发明涉及分布式人工智能、多智能机器人系统等技术领域,尤其涉及一种多机器人协同探索的方法。
背景技术
多机器人系统是由多个同构或异构机器人组成的为完成某一共同任务的机器人群体,该系统拥有时间、空间、功能、信息和资源上的分布特性,从而在任务适用性、经济性、最优性、鲁棒性、可扩展性等方面表现出极大的优越性,在军事、工业生产、交通控制等方面具有良好的应用前景。但是现有的多机器人系统协同作业的协调策略计算复杂,对各个机器人计算单元的硬件配置要求高、软件结构复杂,无形中增加了多机器人系统的成本;另外,现在仅有的若干实现多机器人在环境内分布的策略都是局部分散,导致了探索效率不高;尤其是当现场工程师需要对协调规则进行修改,则难度过大。
发明内容
针对现有的多机器人系统协同作业任务分配等过程计算复杂、现场修改协调策略难度大的技术问题,现提供一种旨在计算简单,具有类人思维且减低协调策略难度的多机器人协同探索的方法。
一种多机器人协同探索的方法,包括下述步骤:
机器人系统至少包括两个机器人,所述机器人系统根据谓词逻辑推理规则采用之字型移动轨迹对待探索区域进行扫描,根据扫描信息建立环境模型。
优选的,所述机器人系统包括至少一个子系统,所述子系统由机器人组成,所述子系统包括至少一个机器人,和/或所述子系统包括至少两个机器人。
优选的,当所述机器人系统包括的子系统中有协作机器人时,若其中一个协作机器人在当前主探索方向上检测到未知区域,则所述机器人保持当前的主探索方向,相应的谓词逻辑推理规则表达式为:
其中,Exists(rj,coopi)表示机器人ri与机器人rj是一对协作机器,机器人ri存在协作机器人rj,Equals(current_diri,current_dirj)表示机器人ri的主探索方向current_diri和rj的主探索方向current_dirj一致,Exists、Equals是谓词,rj、coopi、current_diri和current_dirj均是变量;Sensed(ri,unknown,current_diri)表示ri在当前的主探索方向current_diri上能够检测到未知区域,Keep(ri,current_diri)代表ri保持当前的主探索方向。
优选的,当所述机器人系统包括子系统中机器人为一个且不存在协作机器人时,若所述机器人在当前主探索方向上检测到未知区域,则所述机器人保持当前的主探索方向,相应的谓词逻辑推理规则表达式为:
优选的,当机器人系统中两个在主探索方向相互接近的机器人中,其中一个检测不到未知区域,或检测到边界,则所述机器人改变主探索方向,相应的谓词逻辑推理规则表达式为:
其中,App(ri,rj)表示两个机器人互相接近,即两个机器人之间的距离小于等于di+dj,di和dj分别为两个机器人的检测半径,Change(current_diri,new_diri)表示机器人ri的主探索方向由current_diri改变为new_diri。
优选的,当两个机器人在主探索方向上互相接近,则其中改变主探索方向次数少的机器人当前的主探索方向,相应的谓词逻辑推理规则表达式为:
优选的,当两个机器人主探索方向相同,但是两个机器人没有互相接近,其中,一机器人rj能探索到未知区域并且没有探测到边界,则ri保持当前的主探索方向直到检测到边界,相应的谓词逻辑推理规则表达式为:
其中,Until(Sensed(ri,boundary,current_diri))是一个二阶谓词,表示机器人保持当前的探索方向,直到机器人探索到环境边界。
优选的,还包括:
若机器人在当前的移动方向上检测到障碍物:
如果机器人ri在执行主方向的探索,则机器人ri采用的避障操作为:当在主探索方向移动的距离等于之字型移动轨迹宽度后,转入辅助方向继续探索;
如果机器人ri在执行辅助方向的探索,则机器人ri采用的避障操作为:当机器人ri在恢复到辅助探索方向的位置时,继续沿辅助方向探索。
优选的,辅助探索方向是机器人以扫描环境为目的移动方向,在该方向上机器人移动的距离与是否能够检测到未知边缘格有关。
优选的,主探索方向是机器人以构成之字型移动轨迹为目的移动方向,在该方向上机器人移动的距离是固定的,或者对轨迹经过局部区域的完全覆盖,或者使机器人在环境内实现最大范围的分布。
上述技术方案的有益效果:
本技术方案中,本发明通过逻辑推理规则实现各个机器人的协调控制,采用的之字型移动轨迹的辅助方向用于实现探索,主方向用于选择探索任务和实现机器人之间的协调,从而使二维空间内的协调转化为一维空间的协调;通过将机器人系统划分为若干个子系统使更大规模的多机器人协调变得容易,简化了协同作业计算、降低了现场修改协调策略难度。
附图说明
图1是机器人ri的水平向上的探索轨迹;
图2是机器人ri的水平向下的探索轨迹;
图3是机器人ri的垂直向右的探索轨迹;
图4是机器人ri的垂直向左的探索轨迹;
图5是当多机器人系统的维数n=2、机器人的初始位置处于环境中间区域时,系统的初始化行为示意图;
图6是当多机器人系统的维数n=2、机器人的初始位置能够检测到环境左边界时,系统的初始化行为示意图;
图7是当多机器人系统的维数n=3、机器人的初始位置处于环境中间区域时,系统的初始化行为示意图;
图8是当多机器人系统的维数n=3、机器人的初始位置能够检测到环境左边界时,系统的初始化行为示意图;
图9是当多机器人系统的维数n=4、机器人的初始位置处于环境中间区域时,系统的初始化行为示意图;
图10是当多机器人系统的维数n=4、机器人的初始位置能够检测到环境左边界时,系统的初始化行为示意图;
图11是当多机器人系统的维数n=5、机器人的初始位置处于环境中间区域时,系统的初始化行为示意图;
图12是当多机器人系统的维数n=5、机器人的初始位置能够检测到环境左边界时,系统的初始化行为示意图;
图13是当多机器人系统的维数n=6、机器人的初始位置处于环境中间区域时,系统的初始化行为示意图;
图14是当多机器人系统的维数n=6、机器人的初始位置能够检测到环境左边界时,系统的初始化行为示意图;
图15是本发明的谓词推理法与重复拍卖法、决策论法、监督控制法的探索时间的对比图;
图16是本发明的谓词推理法与重复拍卖法、决策论法、监督控制法的闲置时间的对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
一种多机器人协同探索的方法,包括下述步骤:
机器人系统至少包括两个机器人,所述机器人系统根据谓词逻辑推理规则采用之字型移动轨迹对待探索区域进行扫描,根据扫描信息建立环境模型。
当扫描完毕时结束扫描。
在扫描开始之前,所有机器人都没有关于环境的信息;扫描开始后,各个机器人将所扫描过的区域建模为1m×1m的占有栅格,并在机器人之间共享这些信息。各个机器人通过图1-图4所示的之字型移动轨迹对待探索区域进行扫描,图中假设机器人ri的检测半径是4米,白色代表对应的单元格已被探索并且是自由的;灰色为边缘格,即已知单元格和未知单元格的分界;具有点状填充物的单元格为未知区域。
需要说明的是:
辅助探索方向是机器人以扫描环境为目的移动方向,在该方向上机器人移动的距离只与是否能够检测到未知边缘格有关。
主探索方向是机器人以构成之字型移动轨迹为目的移动方向,在该方向上机器人移动的距离是固定的,或者是为了实现对轨迹经过局部区域的完全覆盖,或者使机器人在环境内实现最大范围的分布,这时移动的距离决定于环境结构。
之字型移动轨迹的宽度是同一机器人相邻的两条辅助探索轨迹之间的距离。
在没有重叠的情况下,之字型移动轨迹的宽度等于2di,di是机器人ri(i=1,…,n)的检测半径。
如图1、图2所示,机器人ri的辅助探索方向为水平时,主探索方向分别为向上、向下时的探索轨迹,这两种情况也分布称之为水平向上和水平向下;参考图3、图4所示,机器人ri的辅助探索方向为垂直时,主探索方向分别为向右和向左时的探索轨迹,这两种情况也分布称之为垂直向右和垂直向左。
当从初始位置开始探索后,各个机器人在探索过程中,在辅助探索方向的移动距离大于主探索方向上的移动距离;如果机器人移动的目的是为了实现分布,则主方向移动的距离由环境结构决定。
在优选的实施例中,所述机器人系统包括至少一个子系统,所述子系统由机器人组成,所述子系统包括至少一个机器人,和/或所述子系统包括至少两个机器人。
在本实施例中,机器人系统MRS={r1,…,rn}可划分为M个子系统。
划分的目标可包括:
(1)当n为偶数时,每个子系统内的机器人数均为偶数;
(2)子系统数最小。
这两个目标是考虑了探索轨迹的形状;划分的结果应该最大限度地满足这两个目标。
其中,n≥2,r1,…,ri…,rn依次表示系统中第1个、…、第i个、…、第n个机器人;
作为举例而非限定,子系统个数M=1~3;
其中n=2的极端情况时MRS不需要划分子系统,系统就由一个子系统构成;
当n=3时,两个子系统分别为{r1,r2}和{r3};如表1所示,表1为机器人系统根据不同维数(即机器人的个数)的机器人划分子系统的列表。
表1
由表1可知:
当机器人系统的维数n=2时,机器人系统的初始化行为如图5和图6中的机器人r1和机器人r2所标识;
当机器人系统的维数n=3时,机器人系统的初始化行为如图7和图8中的机器人r1、机器人r2和机器人r3所标识;
当机器人系统的维数n=4时,机器人系统的初始化行为如图9和图10所示,此时机器人系统的子系统划分为{r1,r2}和{r3,r4};
当机器人系统的维数n=5时,机器人系统的初始化策略分别如图11和图12所示,此时机器人系统的划分为子系统{r1,r2}、子系统{r3,r4}与子系统{r5};
当机器人系统的维数n=6时,机器人系统的初始化策略分别如图13和图14所示,此时机器人系统的划分为子系统{r1,r2}、子系统{r3,r4}与子系统{r5,r6};
当机器人系统的维数n>6时,机器人子系统包含的机器人数大于等于4的子系统中的两个或多个机器人构成组合机器人rij(i≠j),rij也执行前述的原始机器人的各种探索行为,不同的是此时它的之字型移动轨迹的宽度发生了变化,当组合机器人是由两个机器人构成时,轨迹宽度由2di变为4di。在实现时必须保证组合机器人是成对出现,组合机器人在进行辅助方向的探索时,相邻两个原始机器人始终保持2di的距离平行前进。
将两个协作机器人在辅助探索方向上相遇的时刻称为会合开始时刻,因为这时两个机器人同时进入主探索方向;而当两个协作机器人移动了之字型轨迹宽度的距离后同时转入辅助探索方向的时刻称之为会合结束时刻,如图5-图14中的A1、B1就分别对应r1这两个时刻,图14中的A5、B5也分别对应r5这两个时刻,个别机器人的会合开始于结束时刻没有标注。
在优选的实施例中,当所述机器人系统包括的子系统中有协作机器人时,若其中一个协作机器人在当前主探索方向上检测到未知区域,则机器人保持当前的主探索方向,相应的谓词逻辑推理规则表达式为:
其中,Exists(rj,coopi)表示机器人ri与机器人rj是一对协作机器,机器人ri存在协作机器人rj,Equals(current_diri,current_dirj)表示机器人ri的主探索方向current_diri和rj的主探索方向current_dirj一致,Exists、Equals是谓词,rj、coopi、current_diri和current_dirj均是变量;Sensed(ri,unknown,current_diri)表示ri在当前的主探索方向current_diri上能够检测到未知区域,Keep(ri,current_diri)代表ri保持当前的主探索方向。
需要说明的是:辅助探索方向相反的两个机器人称为协作机器人,参考图5-图6所示,机器人r1和机器人r2是一对协作机器。
在优选的实施例中,当所述机器人系统包括子系统中机器人为一个且不存在协作机器人时,若所述机器人在当前主探索方向上检测到未知区域,则所述机器人保持当前的主探索方向,相应的谓词逻辑推理规则表达式为:
在优选的实施例中,当机器人系统中两个在主探索方向相互接近的机器人中,其中一个检测不到未知区域,或检测到边界,则所述机器人改变主探索方向,相应的谓词逻辑推理规则表达式为:
其中,App(ri,rj)表示两个机器人互相接近,即两个机器人之间的距离小于等于di+dj,di和dj分别为两个机器人的检测半径,Change(current_diri,new_diri)表示机器人ri的主探索方向由current_diri改变为new_diri。
在优选的实施例中,当两个机器人在主探索方向上互相接近,则其中改变主探索方向次数少的机器人当前的主探索方向,相应的谓词逻辑推理规则表达式为:
在优选的实施例中,当两个机器人主探索方向相同,但是两个机器人没有互相接近,其中,一机器人rj能探索到未知区域并且没有探测到边界,则ri保持当前的主探索方向直到检测到边界,相应的谓词逻辑推理规则表达式为:
其中,Until(Sensed(ri,boundary,current_diri))是一个二阶谓词,表示机器人保持当前的探索方向,直到机器人探索到环境边界。
在优选的实施例中,还包括:
若机器人在当前的移动方向上检测到障碍物:
如果机器人ri在执行主方向的探索,则机器人ri采用的避障操作为:当在主探索方向移动的距离等于之字型移动轨迹宽度后,转入辅助方向继续探索;
如果机器人ri在执行辅助方向的探索,则机器人ri采用的避障操作为:当机器人ri在恢复到辅助探索方向的位置时,继续沿辅助方向探索。
如图9所示,如果所有机器人在初始位置不能检测到环境的边界,各个机器人的探索模式,此时子系统{r1,r2}的主探索方向为向右,子系统{r3,r4}的主探索方向为向左;各个机器人按照这种探索模式一直扫描,直到一个机器人子集探测到环境的边界。如果子系统{r1,r2}首先检测到右侧边界,则子系统{r1,r2}在相遇后调整主探索方向,一直移动到环境的最左侧,然后从最左侧开始向右探索。如果子系统{r3,r4}首先检测到左侧边界,则子系统{r3,r4}在相遇后调整主探索方向,一直移动到环境的最右侧,然后从最右侧开始向左探索。
如图10所示,如果机器人在初始位置能够检测到左侧边界时的初始化策略,此时子系统{r1,r2}的主探索方向为向右,子系统{r3,r4}的主探索方向为向最右,到达环境的右侧边界后更改主探索方向为向左,两个子系统的机器人相向进行探索,直到它们在环境的中间区域会合。这时两个子系统的机器人在相遇后同时完成探索任务,实现了子系统间的任务均衡。
另外,对于前述n=2和n=3时的两种情形,也存在上述情况。同一子系统内,编号分别为奇数和偶数、主探索方向一致、辅助探索方向相反的两个机器人称为协作机器人。
各个图中所示的初始化策略都包括了各个机器人的主、辅助探索方向。
如果机器人在初始位置能够检测到右侧的环境边界,则此时多机器人系统的初始化策略是图6、图8、图10所示初始化策略的180°翻转。如果机器人在初始位置能够检测到上或下侧的环境边界,则此时多机器人系统的初始化策略是图6、图8、图10所示初始化策略的顺时针或逆时针90°翻转;不同的是,此时两个机器人子系统的辅助探索方向是水平的,主探索方向是垂直的。
采用多机器人协同探索的方法可在未知环境中协同进行搜索救援任务,不仅可以保证多机器人系统的鲁棒性和冗余性,而且可以提高作业效率和完成单个机器人无法完成的任务,本发明具有简单高效的优点。
多机器人协同探索的方法面对的是搜索和救援任务的协调控制,因此所有的机器人的作业目标不是遍历环境中的所有位置,而是以最少的时间扫描环境内的所有空间。其特点是如果两组机器人同时探索一个环境的未知部分,则这两组机器人的辅助探索方向必须平行。
另外,为了实现多个机器人在未知室内环境中搜索与救援任务协同作业控制,本发明通过计算机科学中的谓词逻辑推理实现各个机器人的协调控制,解决问题的思路类似于人类思考和解决问题的模式,较少地依赖定量信息的计算,它可有效完成任务分配,并保证机器人之间的任务均衡和提高作业效率。
在应用计算机科学中的谓词逻辑推理实现协调时,本发明同时考虑所有机器人的状态变量和环境的状态变量,不可避免地会出现状态爆炸问题,从而使推理非常变得十分复杂;建立了为实现推理简化的预处理策略,也就是多机器人系统划分策略,通过对多机器人集合进行划分之后再进行推理,也就是在简化空间中实现推理;采用的之字型移动轨迹的辅助方向用于实现探索,主方向用于选择探索任务和实现机器人之间的协调,从而使二维空间内的协调转化为一维空间的协调;通过组合机器人的概念及其行为,使更大规模的多机器人系统的协调变得容易。
本发明可在工程上可以有效地降低对各个机器人硬件、软件的要求,降低成本的同时也便于现场工程师根据特点的应用对推理策略进行修改。
为了说明本发明提出的谓词推理法的优越性,在微型计算机上通过Matlab仿真与重复拍卖方法、基于决策论的方法和基于监督控制的方法进行了比较,图15-图16给出了在100╳100m2的空旷室内环境下的探索时间和各个机器人的平均空闲时间对比,由图可见,本发明的方法明显优于现有的方法。
以上所述仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所做出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (8)
1.一种多机器人协同探索的方法,包括下述步骤:
机器人系统至少包括两个机器人,所述机器人系统根据谓词逻辑推理规则采用之字型移动轨迹对待探索区域进行扫描,根据扫描信息建立环境模型;
所述机器人系统包括至少一个子系统,所述子系统由机器人组成,所述子系统包括至少一个机器人,和/或所述子系统包括至少两个机器人;
其特征在于,当所述机器人系统包括的子系统中有协作机器人时,若其中一个协作机器人在当前主探索方向上检测到未知区域,则所述机器人保持当前的主探索方向,相应的谓词逻辑推理规则表达式为:
其中,Exists(rj,coopi)表示机器人ri与机器人rj是一对协作机器,机器人ri存在协作机器人rj,Equals(current_diri,current_dirj)表示机器人ri的主探索方向current_diri和rj的主探索方向current_dirj一致,Exists、Equals是谓词,rj、coopi、current_diri和current_dirj均是变量;Sensed(ri,unknown,current_diri)表示ri在当前的主探索方向current_diri上能够检测到未知区域,Keep(ri,current_diri)代表ri保持当前的主探索方向。
6.根据权利要求1所述的多机器人协同探索的方法,其特征在于,还包括:
若机器人在当前的移动方向上检测到障碍物:
如果机器人ri在执行主方向的探索,则机器人ri采用的避障操作为:当在主探索方向移动的距离等于之字型移动轨迹宽度后,转入辅助方向继续探索;
如果机器人ri在执行辅助方向的探索,则机器人ri采用的避障操作为:当机器人ri在恢复到辅助探索方向的位置时,继续沿辅助方向探索。
7.根据权利要求6所述的多机器人协同探索的方法,其特征在于,辅助探索方向是机器人以扫描环境为目的移动方向,在该方向上机器人移动的距离与是否能够检测到未知边缘格有关。
8.根据权利要求1-7任一所述的多机器人协同探索的方法,其特征在于,主探索方向是机器人以构成之字型移动轨迹为目的移动方向,在该方向上机器人移动的距离是固定的,或者对轨迹经过局部区域的完全覆盖,或者使机器人在环境内实现最大范围的分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810844678.6A CN108958202B (zh) | 2018-07-27 | 2018-07-27 | 一种多机器人协同探索的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810844678.6A CN108958202B (zh) | 2018-07-27 | 2018-07-27 | 一种多机器人协同探索的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108958202A CN108958202A (zh) | 2018-12-07 |
CN108958202B true CN108958202B (zh) | 2020-11-24 |
Family
ID=64465825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810844678.6A Expired - Fee Related CN108958202B (zh) | 2018-07-27 | 2018-07-27 | 一种多机器人协同探索的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108958202B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110675002B (zh) * | 2019-10-10 | 2022-07-05 | 中山大学 | 一种分布式完全覆盖的机器人编队覆盖方法 |
CN113050549B (zh) * | 2019-12-26 | 2022-06-10 | 炬星科技(深圳)有限公司 | 可自由组网的机器人执行任务的方法、设备及存储介质 |
CN112677152B (zh) * | 2020-12-16 | 2023-01-31 | 齐齐哈尔大学 | 一种多机器人作业过程的规划与动态监督控制方法 |
CN115357021B (zh) * | 2022-08-25 | 2023-10-10 | 齐齐哈尔大学 | 一种基于改进凌日搜索算法的水面无人艇路径规划方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101364110A (zh) * | 2008-09-28 | 2009-02-11 | 重庆邮电大学 | 一种多自主机器人协同作业控制方法及系统 |
CN103383569A (zh) * | 2013-05-31 | 2013-11-06 | 浙江工业大学 | 基于线性时序逻辑的移动机器人最优巡回路径设定方法 |
CN104834309A (zh) * | 2015-04-10 | 2015-08-12 | 浙江工业大学 | 基于目标跟踪控制策略的单移动机器人最优巡回控制方法 |
CN106840141A (zh) * | 2017-02-02 | 2017-06-13 | 王恒升 | 一种移动机器人室内导航的语义地图 |
CN108089154A (zh) * | 2017-11-29 | 2018-05-29 | 西北工业大学 | 分布式声源探测方法及基于该方法的声音探测机器人 |
-
2018
- 2018-07-27 CN CN201810844678.6A patent/CN108958202B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101364110A (zh) * | 2008-09-28 | 2009-02-11 | 重庆邮电大学 | 一种多自主机器人协同作业控制方法及系统 |
CN103383569A (zh) * | 2013-05-31 | 2013-11-06 | 浙江工业大学 | 基于线性时序逻辑的移动机器人最优巡回路径设定方法 |
CN104834309A (zh) * | 2015-04-10 | 2015-08-12 | 浙江工业大学 | 基于目标跟踪控制策略的单移动机器人最优巡回控制方法 |
CN106840141A (zh) * | 2017-02-02 | 2017-06-13 | 王恒升 | 一种移动机器人室内导航的语义地图 |
CN108089154A (zh) * | 2017-11-29 | 2018-05-29 | 西北工业大学 | 分布式声源探测方法及基于该方法的声音探测机器人 |
Non-Patent Citations (1)
Title |
---|
移动机器人边界探测关键技术研究;方超;《中国优秀硕士学位论文全文数据库》;20160815;论文第16-19页,第21-30页,第39-53页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108958202A (zh) | 2018-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108958202B (zh) | 一种多机器人协同探索的方法 | |
Kim et al. | Decentralized control of autonomous swarm systems using artificial potential functions: Analytical design guidelines | |
Zhu et al. | Multi-UAV reconnaissance task allocation for heterogeneous targets using an opposition-based genetic algorithm with double-chromosome encoding | |
CN107491086B (zh) | 时变网络拓扑下的无人机编队避障方法及系统 | |
Dai et al. | Cooperative exploration based on supervisory control of multi-robot systems | |
CN110147101B (zh) | 一种基于深度强化学习的端到端分布式多机器人编队导航方法 | |
CN111476337B (zh) | 多级可变基因调控网络的群体机器人模式生成与转换方法 | |
CN108073185A (zh) | 多无人机同时到达协同控制方法 | |
CN106843216A (zh) | 一种基于回溯搜索的生物激励机器人完全遍历路径规划方法 | |
CN111580545B (zh) | 一种异构无人机集群分布式时空协调控制方法 | |
Janchiv et al. | Complete coverage path planning for multi-robots based on | |
CN111781922B (zh) | 一种基于深度强化学习的多机器人协同导航方法 | |
CN108453746B (zh) | 自主与协商相结合的多机器人协同探索方法 | |
Liu et al. | Visuomotor reinforcement learning for multirobot cooperative navigation | |
Bonny et al. | Highly optimized Q‐learning‐based bees approach for mobile robot path planning in static and dynamic environments | |
CN112947575A (zh) | 基于深度强化学习的无人机集群多目标搜索方法及系统 | |
Wang et al. | Metrics for evaluating social conformity of crowd navigation algorithms | |
Chen et al. | Multi-AUV cooperative hunting control with improved Glasius bio-inspired neural network | |
Yang et al. | Game-theoretic utility tree for multi-robot cooperative pursuit strategy | |
de Oliveira et al. | An evolutionary-cooperative model based on cellular automata and genetic algorithms for the navigation of robots under formation control | |
Yao et al. | Curvature-bounded lengthening and shortening for restricted vehicle path planning | |
Lima et al. | Stochastic cellular automata ant memory model for swarm robots performing efficiently the garbage collection task | |
Tuba et al. | Water cycle algorithm for robot path planning | |
CN101477689B (zh) | 一种基于自适应蚁群智能的空中机器人视觉分层匹配方法 | |
Wu et al. | A rough set GA-based hybrid method for robot path planning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201124 Termination date: 20210727 |
|
CF01 | Termination of patent right due to non-payment of annual fee |