CN111716356B - 一种仿人多机器人的协作方法 - Google Patents
一种仿人多机器人的协作方法 Download PDFInfo
- Publication number
- CN111716356B CN111716356B CN202010559790.2A CN202010559790A CN111716356B CN 111716356 B CN111716356 B CN 111716356B CN 202010559790 A CN202010559790 A CN 202010559790A CN 111716356 B CN111716356 B CN 111716356B
- Authority
- CN
- China
- Prior art keywords
- task
- robot
- contractor
- tasks
- bidding
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1679—Programme controls characterised by the tasks executed
- B25J9/1682—Dual arm manipulator; Coordination of several manipulators
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
一种仿人多机器人的协作方法,包括如下步骤:确定任务分配数学模型,对任务分配问题进行描述,对任务、机器人能力和目标函数进行定义;对任务分配问题进行描述后,定义机器人任务序列,并制定目标函数的约束条件;对任务进行分解,建立机器人系统的层次结构模型,在层次结构模型的基础上设计每个机器人的行为任务树;通过合同网协议CNP的协商机制完成分布式人工智能的任务分配。通过实验验证表明,本方法有效提高了多机器人团队之间的协作效率;缩短了多机器人系统的运行时间,在解决实际、时间紧迫的任务分配问题上的具有有效性和鲁棒性。
Description
技术领域
本发明涉及机器人控制领域,具体涉及一种仿人多机器人的协作方法。
背景技术
近年来,随着计算和通信技术的迅速发展,人工智能和机器人人产业的热度显著上升,多机器人系统也因此得到了更多关注。多机器人系统是指多个具有动力学和运动学特性,并且能够和其他个体进行信息交互的机器人的集合。相对于单机器人而言,多机器人系统最大的优势体现在多机器人系统的协同任务控制。
RoboCup机器人足球赛被看作是进行多机器人团队合作、协调分配与竞技的优秀平台,在比赛过程中,对机器人团队之间的协作效率、运行时间和任务分配上有着极高的要求。
发明内容
本发明以NAO机器人作为研究对象,并以机器人足球世界杯赛(RoboCup)为背景,提出了一种仿人多机器人的协作方法,首先对机器人团队进行简要的任务分解,生成机器人行为任务树结构;其次采用改进后的合同网协议进行任务分配。
一种仿人多机器人的协作方法,包括如下步骤:
步骤1,确定任务分配数学模型,对任务分配问题进行描述,对任务、机器人能力和目标函数进行定义;
步骤2,对任务分配问题进行描述后,定义机器人任务序列,并制定目标函数的约束条件;
步骤3,对任务进行分解,建立机器人系统的层次结构模型,主要分为三层:第一层为根任务,第二层为总任务,第三层为角色层;由于每个机器人角色和能力不同,在层次结构模型的基础上设计每个机器人的行为任务树;
步骤4,通过合同网协议CNP的协商机制,通过模拟市场行为中的合同从生成到签署的过程来完成分布式人工智能的任务分配;将团队中的机器人定义为管理者和合同者,管理者是任务的请求方,合同者是任务应答方。
进一步地,步骤1中,动态任务分配问题描述为在一定的,有m个机器人机器人需要执行n个任务,m个机器人的集合定义为R={Ri|i=1,2,3...m}表示,n个任务的集合定义为T={Tj|j=1,2,3...n}表示;系统中一个任务只需要一个机器人就可以完成工作,单个机器人只能在指定时间内完成任务,完成任务后机器人可以继续接受其他任务。
进一步地,任务定义为Tj=<ID,Name,Pri,Imfo>,Info=<x,y,θ>;其中ID表示任务编号;Name表示任务名称;Pri表示任务优先级;Info表示位置信息;<x,y>表示目标位姿;θ表示目标角度。
进一步地,步骤1中,机器人能力定义为Cap={Capij|i=1,2,3...m,j=1,2,3...n};其中Capij表示第i个机器人对Tj任务的执行能力;
其中maxg∈T{dig}表示第i个机器人距离所有任务点的最大距离,dij表示第i个机器人离第j个任务点的距离;根据公式可知,机器人距离任务点越近,能力就越强。
进一步地,步骤1中,定义目标函数是多机器人系统执行完所有的任务Cij最小:
任务执行代价为其中Pri表示需要执行任务的优先级,Sij表示第i个机器人在执行Tj任务时,所在位置距离任务点位置的路程长度,V表示机器人运动速度,θij表示第i个机器人在执行Tj任务时,所在位置距离任务点需要转过的角度,ω表示角速度,maxd表示所有投标机器人距离任务点的最大距离,mind表示所有投标机器人距离任务点的最小距离,dij表示第i个机器人距离第j个任务点的距离。
式(2.3)限定了同一时刻任意一个机器人只能执行一个任务,式(2.4)确保每个任务都分配给机器人,保证所有任务都被执行,式(2.5)表示机器人Ri任务队列中的l个任务机器人都有能力完成。
进一步地,步骤4包括如下步骤:
步骤4-1,建立单个机器人模型;
步骤4-2,建立机器人的控制过程模型;
步骤4-3,设计中标评价函数,得到:
式中:d是任务点与合同者之间的距离;θgoal是管理者、合同者、任务点三者之间的夹角;τ表示合同者通信延迟时间;
步骤4-4,进行任务分配。
进一步地,步骤4-1中,模型的基本结构中包含视觉模块、定位模块、路径规划模块、信息库、决策和信息处理中心、任务执行器、动作模块、通信模块;信息库中主要存储任务相关信息、历史任务信息、机器人状态信息;决策和信息处理中心进行任务的发布、招标、投标、任务资格评价、分配任务以及合同的签署;在合同签署之后任务执行器根据决策和信息处理中心的决定执行相应的任务;动作模块执行机器人需要执行的动作;通信模块用来发布和接收收信息,以便在节点之间进行通信以及调试阶段与PC进行连接。
进一步地,步骤4-2中,将机器人的控制过程分为上线程、下线程、感知、运动、调试五个过程,其中上线程用来接收上摄像头的数据,下线程是用来接收下摄像头的数据,同时从世界模型中的感知线程获取信息和从运动线程中获取传感器信息;对图像进行处理并将检测结果发送到感知线程;感知线程将这些信息与来自运动线程的传感器数据一起用于世界建模和和行为控制,并将高级运动命令发送到运动线程;调试线程执行与主机PC的TCP通信以进行调试。
进一步地,步骤4-4包括如下步骤:
步骤4-4-1:管理者先为每个招标任务设置ID,每个任务被描述成<ID,Name,Pri,Info>释放到环境中并向优先招标方进行招标;
步骤4-4-2:合同者从环境中感知招标任务,若为优先招标方则评估自身能力和任务负载L决定是否投标,标书描述为:<ID,Nam,G,C,L,Cap>;若不是优先方则等待管理者公布的任务执行代价;
步骤4-4-3:管理者收到优先标书后进行信息发布,若没有合同者有异议则评估标书,转步骤六;若有合同者有异议则等待投标信息;
步骤4-4-4:合同者感知到优先方任务执行代价后,进行评估并计算任务执行代价,若有异议则进行投标;
步骤4-4-5:管理者收到相同ID和Nam的投标信息后,通过计算对标书进行评估,在任务集相同的情况下,按任务的优先级从最大值到最小值进行排序,得到任务的综合评价排序表;
步骤4-4-6:将任务分配给列表中第一个机器人,通知它中标并发布中标结果;
步骤4-4-7:签署合同;
步骤4-4-8:完成。
本发明达到的有益效果为:通过实验验证表明,本方法有效提高了多机器人团队之间的协作效率;缩短了多机器人系统的运行时间,在解决实际、时间紧迫的任务分配问题上的具有有效性和鲁棒性。
附图说明
图1为本发明实施例中所述层次结构模型示意图。
图2为本发明实施例中所述行为任务树图。
图3为本发明实施例中所述单个机器人基本结构示意图。
图4为本发明实施例中所述机器人控制过程示意图。
图5为本发明实施例中所述招标算法流程图。
图6为本发明实施例中所述投标算法流程图。
图7为本发明实施例中所述任务数为10时模拟仿真实验对比图。
图8为本发明实施例中所述SimRobot仿真比赛实况示意图。
图9为本发明实施例中所述管理者发出招标请求示意图。
图10为本发明实施例中所述合同者执行招标任务示意图。
图11为本发明实施例中所述机器人协作进攻示意图。
图12为本发明实施例中所述机器人协作防守示意图。
图13为本发明实施例中所述任务完成分配时间对比图。
图14为本发明实施例中所述机器人团队进球数的对比图。
具体实施方式
下面结合说明书附图对本发明的技术方案做进一步的详细说明。
一种仿人多机器人的协作方法,以NAO机器人作为研究对象,并以机器人足球世界杯赛(RoboCup)为背景,提出了一种机器人之间相互协同的协作机制。首先对机器人团队进行简要的任务分解,生成机器人行为任务树结构;其次采用改进后的合同网协议进行任务分配。
步骤1,确定任务分配数学模型,对任务分配问题进行描述,对任务、机器人能力和目标函数进行定义。
动态任务分配问题是指在一定的,有m个机器人机器人需要执行n个任务,m个机器人的集合定义为R={Ri|i=1,2,3...m}表示,n个任务的集合定义为T={Tj|j=1,2,3...n}表示,由于足球机器人比赛为5v5赛制,所以m设置为5。系统中一个任务只需要一个机器人就可以完成工作,单个机器人只能在指定时间内完成任务,完成任务后机器人可以继续接受其他任务。
定义2.1:任务定义为Tj=<ID,Name,Pri,Info>,Info=<x,y,θ>;其中ID表示任务编号;Name表示任务名称;Pri表示任务优先级;Info表示位置信息;<x,y>表示目标位姿;θ表示目标角度。
定义2.2:机器人能力表示为Cap={Capij|i=1,2,3...m,j=1,2,3...n};其中Capij表示第i个机器人对Tj任务的执行能力。
其中maxg∈T{dig}表示第i个机器人距离所有任务点的最大距离,dij表示第i个机器人离第j个任务点的距离;根据公式可知,机器人距离任务点越近,能力就越强。
定义2.3:本发明定义的目标函数是多机器人系统执行完所有的任务Cij最小:
任务执行代价为其中Pri表示需要执行任务的优先级,Sij表示第i个机器人在执行Tj任务时,所在位置距离任务点位置的路程长度,V表示机器人运动速度,θij表示第i个机器人在执行Tj任务时,所在位置距离任务点需要转过的角度,ω表示角速度,maxd表示所有投标机器人距离任务点的最大距离,mind表示所有投标机器人距离任务点的最小距离,dij表示第i个机器人距离第j个任务点的距离。
步骤2,对任务分配问题进行描述后,定义机器人任务序列,并制定目标函数的约束条件。
(2.3)限定了同一时刻任意一个机器人只能执行一个任务,(2.4)确保每个任务都分配给机器人,保证所有任务都被执行,(2.5)表示机器人Ri任务队列中的l个任务机器人都有能力完成。
步骤3,对任务进行分解,建立机器人系统的层次结构模型,主要分为三层:第一层为根任务,第二层为总任务,第三层为角色层;由于每个机器人角色和能力不同,在层次结构模型的基础上设计每个机器人的行为任务树。
任务分解是设计任务分配算法的前提,如何简单适度、有效地分解任务对任务分配算法有至关重要的影响。本实施例以RoboCup机器人足球赛为背景先建立多机器人系统的层次结构模型如图1所示,主要分为三层:第一层为根任务,第二层为总任务,第三层为角色层。
由于每个机器人角色和能力不同,在层次结构模型的基础上设计每个机器人的行为任务树如图2所示。
步骤4,通过合同网协议CNP的协商机制,通过模拟市场行为中的合同从生成到签署的过程来完成分布式人工智能的任务分配;将团队中的机器人定义为管理者和合同者,管理者是任务的请求方,合同者是任务应答方。
合同网协议(Contract Net Protocol,CNP)是一种适用于分布式多机器人系统的协商机制,它借鉴了市场行为中的合同从生成到签署的过程来解决分布式人工智能的任务分配问题。将团队中的机器人定义为管理者和合同者,管理者是任务的请求方,主要作用是进行任务招标、评标、合同签署等;合同者是任务应答方,主要作用是对管理者发出的招标任务进行投标、合同签署后执行相应的操作等。
步骤4-1,首先对单个机器人进行建模,单个机器人的基本结构如图3所示。
单个机器人基本结构中包含视觉模块、定位模块、路径规划模块、信息库、决策和信息处理中心、任务执行器、动作模块、通信模块。信息库中主要存储任务相关信息(包含任务点坐标、运动路径等)、历史任务信息、机器人状态信息(包含能力信息、角色信息、机器人位置位置信息)。决策和信息处理中心进行任务的发布、招标、投标、任务资格评价、分配任务以及合同的签署。在合同签署之后任务执行器根据决策和信息处理中心的决定执行相应的任务。动作模块执行机器人需要执行的动作。通信模块用来发布和接收收信息,以便在节点之间进行通信以及调试阶段与PC进行连接。
步骤4-2,建立机器人的控制过程模型。
机器人的控制过程大致分为上线程、下线程、感知、运动、调试五个过程,如图4所示。
其中上线程用来接收上摄像头的数据,下线程是用来接收下摄像头的数据;此外,他们可以从世界模型中的感知线程获取信息和从运动线程中获取传感器信息。同时,他们对图像进行处理并将检测结果发送到感知线程。感知线程将这些信息与来自运动线程的传感器数据一起用于世界建模和和行为控制,并将高级运动命令发送到运动线程。调试线程执行与主机PC的TCP通信以进行调试。
步骤4-3,设计中标评价函数。
在管理者发出招标信息后,合同者会对自身能力进行评估来决定是否进行投标。管理者接收到合同者发出的投标信息后,需要对收到的投标信息进行评估以确定最优合同者。为了更好的对标书进行评估,设计了如下的评价函数:
式中:d是任务点与合同者之间的距离;θgoal是管理者、合同者、任务点三者之间的夹角;τ表示合同者通信延迟时间。
步骤4-4,进行任务分配。
本发明对传统合同网协作流程进行改进,将标书公示机制引入协作过程,提出一种新的协作模型。
管理者有招标需求后,根据定义2.1的定义将任务<ID,Name,Pri,Info>通过通信网络进行发布。管理者根据优先招标策略,优先进行招标;具体的,优先招标策略为,将优先级分为三个等级,最高为等级3;当管理者需要进行招标时,优先向优先级最高的Agent进行招标,若未得到回应则转向优先级次之的Agent进行招标,依次下去;当所有Agent都没有回应时,等待超时时,管理者向所有合同者进行招标。
当收到投标信息后,管理者将标书进行公示,若其他空闲机器人有异议则可以发起投标,管理者收到标书后进行评估形成综合评价排序表,最后选取最优合同者签署合同,完成任务分配;若公示期结束后没有机器人发出异议则管理者直接与优先合同者进行合同签署完成任务分配,结束招标。反之,当管理者没有收到优先合同者发出的投标信息,等待超时时,管理者则向所有机器人请求投标,收到合同者的标书后进行评估评估形成综合评价表,最后选取最优合同者签署合同完成任务分配,结束招标。管理者招标算法流程图如图5所示。
合同者通过感知获取环境中的任务队列,根据自身能力评估个人任务,从任务队列中选取合适的参与投标任务。投标的标书由六元组描述:<ID,Nam,G,C,L,Cap>,其中G表示合同者的ID;C表示合同者的任务执行代价;L表示合同者当前的任务负荷;Cap表示合同者执行任务的能力。合同者首先等待招标信息,等接收到招标信息时,首先判断是否是优先招标方,若是优先招标方则评估自身能力和任务负载L决定是否投标。若不是优先招标方就继续等待公示期管理者公布的优先招标方标书,合同者评估自身能力并计算任务执行代价从而决定是否参与投标。为了防止优先方抢占更多资源,在获得授权前未加节制的盲目投标,造成投标投标消息剧增和任务无法最优执行的情况出现;本发明采用阈值限定的方式,即当合同者任务队列中待执行的任务小于阈值时合同者才可继续投标,否则忽略任何新招标消息。合同者投标算法流程图如图6所示。
任务分配步骤如下:
步骤4-4-1:管理者先为每个招标任务设置ID,每个任务被描述成<ID,Name,Pri,Info>释放到环境中并向优先招标方进行招标。
步骤4-4-2:合同者从环境中感知招标任务,若为优先招标方则评估自身能力和任务负载L决定是否投标,标书描述为:<ID,Nam,G,C,L,Cap>;若不是优先方则等待管理者公布的任务执行代价。
步骤4-4-3:管理者收到优先标书后进行信息发布,若没有合同者有异议则评估标书,转步骤六。若有合同者有异议则等待投标信息。
步骤4-4-4:合同者感知到优先方任务执行代价后,进行评估并计算任务执行代价,若有异议则进行投标。
步骤4-4-5:管理者收到相同ID和Nam的投标信息后,通过计算对标书进行评估,在任务集相同的情况下,按任务的优先级从最大值到最小值进行排序,得到任务的综合评价排序表。
步骤4-4-6:将任务分配给列表中第一个机器人,通知它中标并发布中标结果。
步骤4-4-7:签署合同。
步骤4-4-8:完成。
下面通过实验验证本发明提出的协作方法的效果。
首先,使用Matlab进行模拟仿真实验,分别设定任务数为10进行模拟实验,实验结果如下所示。当任务数为10时,机器人任务分配图如图7所示,由上图可以看到对于传统的合同网中二号机器人没有被分配到任务处于空闲状态,而五号机器人分配路径过长,任务过多,显然是分配不合理的。下图为改进合同网后机器人任务分配,可以看出没有机器人处于空闲状态,资源利用最优,分配路径也较为合理。
SimRobot仿真软件是用于RoboCup机器人足球赛模拟仿真的开源软件,能够模拟真实情况下机器人足球赛比赛的场景。该软件仿真界面如图8所示。通过软件设置两支机器人队伍,以5个机器人为一组进行5V5对抗赛,模拟足球比赛场景;其中深色队服的机器人队伍使用改进后的合同网协议,浅色队服的机器人队伍使用传统合同网协议。
身穿深色队服的为改进合同网队,浅队服的为传统合同网队,如图9所示:守门员为1号,前锋为5号,后卫为3号,后卫1为4号。当2号前锋根据行为任务树进攻到对方球门准备射门时,射门路线被对方机器人阻断不能进行射门操作。因此,2号前锋(此时为管理者)发出协作请求信息(请求协作进攻);优先向5号助攻(此时为合同者)进行招标,5号助攻收到招标信息后评价自身能力和计算协作成本决定是否投标,2号前锋收到投标请求后对其执行代价进行公示,在公示期期间异议其他机器人若无异议则进行合同签署,招标完成。5号机器人收到中标结果后执行相应任务如图10所示:
在实际机器人进行验证试验,如图11所示2号前锋机器人前进射门路线被对方机器人阻挡。因此发出协作请求,优先向5号机器人进行招标,经过投标、公示、评标等流程后,5号机器人中标并走到相应位置。
如图12所示对方机器人进攻我方球门前,1号守门员执行防守任务;同时放出协助防守请求,4号机器人中标并执行中标任务。
通过上面的实验结果可以知道使用改进后合同网协议的机器人队伍灵活性、协作效率、进攻成功率、防守成功率都比使用传统合同网协议的机器人队伍有了很大的提高。任务完成分配时间较传统的任务完成分配时间提高约57%;有效的提高了团队协作效率。任务完成分配时间如图13所示:
机器人团队的进球数如图14所示,可以看出使用改进后合同网的团队进球数均值稳定在进5个球左右;而使用传统合同网的团队进球数均值稳定在2个球左右,进球率提高了30%。
以上实验表明,本协作方法有效提高了多机器人团队之间的协作效率;缩短了多机器人系统的运行时间,在解决实际、时间紧迫的任务分配问题上的具有有效性和鲁棒性。
以上所述仅为本发明的较佳实施方式,本发明的保护范围并不以上述实施方式为限,但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化,皆应纳入权利要求书中记载的保护范围内。
Claims (9)
1.一种仿人多机器人的协作方法,其特征在于:所述协作方法包括如下步骤:
步骤1,确定任务分配数学模型,对任务分配问题进行描述,对任务、机器人能力和目标函数进行定义;
定义目标函数是多机器人系统执行完所有的任务Cij最小:
任务执行代价为其中Pri表示需要执行任务的优先级,Sij表示第i个机器人在执行Tj任务时,所在位置距离任务点位置的路程长度,V表示机器人运动速度,θij表示第i个机器人在执行Tj任务时,所在位置距离任务点需要转过的角度,ω表示角速度,maxd表示所有投标机器人距离任务点的最大距离,mind表示所有投标机器人距离任务点的最小距离,dij表示第i个机器人距离第j个任务点的距离;
步骤2,对任务分配问题进行描述后,定义机器人任务序列,并制定目标函数的约束条件;
步骤3,对任务进行分解,建立机器人系统的层次结构模型,主要分为三层:第一层为根任务,第二层为总任务,第三层为角色层;由于每个机器人角色和能力不同,在层次结构模型的基础上设计每个机器人的行为任务树;
步骤4,通过合同网协议CNP的协商机制,通过模拟市场行为中的合同从生成到签署的过程来完成分布式人工智能的任务分配;将团队中的机器人定义为管理者和合同者,管理者是任务的请求方,合同者是任务应答方。
2.根据权利要求1所述的一种仿人多机器人的协作方法,其特征在于:步骤1中,动态任务分配问题描述为在一定的时间内,有m个机器人需要执行n个任务,m个机器人的集合定义为R={Ri|i=1,2,3…m}表示,n个任务的集合定义为T={Tj|j=1,2,3…n}表示;系统中一个任务只需要一个机器人就可以完成工作,单个机器人只能在指定时间内完成任务,完成任务后机器人可以继续接受其他任务。
3.根据权利要求1所述的一种仿人多机器人的协作方法,其特征在于:任务定义为Tj=<ID,Name,Pri,Info>,Info=<x,y,θ>;其中ID表示任务编号;Name表示任务名称;Pri表示任务优先级;Info表示位置信息;<x,y>表示目标位姿;θ表示目标角度。
7.根据权利要求6所述的一种仿人多机器人的协作方法,其特征在于:步骤4-1中,模型的基本结构中包含视觉模块、定位模块、路径规划模块、信息库、决策和信息处理中心、任务执行器、动作模块、通信模块;信息库中主要存储任务相关信息、历史任务信息、机器人状态信息;决策和信息处理中心进行任务的发布、招标、投标、任务资格评价、分配任务以及合同的签署;在合同签署之后任务执行器根据决策和信息处理中心的决定执行相应的任务;动作模块执行机器人需要执行的动作;通信模块用来发布和接收收信息,以便在节点之间进行通信以及调试阶段与PC进行连接。
8.根据权利要求6所述的一种仿人多机器人的协作方法,其特征在于:步骤4-2中,将机器人的控制过程分为上线程、下线程、感知、运动、调试五个过程,其中上线程用来接收上摄像头的数据,下线程是用来接收下摄像头的数据,同时从世界模型中的感知线程获取信息和从运动线程中获取传感器信息;对图像进行处理并将检测结果发送到感知线程;感知线程将这些信息与来自运动线程的传感器数据一起用于世界建模和和行为控制,并将高级运动命令发送到运动线程;调试线程执行与主机PC的TCP通信以进行调试。
9.根据权利要求6所述的一种仿人多机器人的协作方法,其特征在于:步骤4-4包括如下步骤:
步骤4-4-1:管理者先为每个招标任务设置ID,每个任务被描述成<ID,Name,Pri,Info>释放到环境中并向优先招标方进行招标;
步骤4-4-2:合同者从环境中感知招标任务,若为优先招标方则评估自身能力和任务负载决定是否投标,标书描述为:<ID,Name,G,C,L,Cap>;若不是优先方则等待管理者公布的任务执行代价;其中G表示合同者的ID;C表示合同者的任务执行代价;L表示合同者当前的任务负荷;Cap表示合同者执行任务的能力;
步骤4-4-3:管理者收到优先标书后进行信息发布,若没有合同者有异议则评估标书,转步骤4-4-6;若有合同者有异议则等待投标信息;
步骤4-4-4:合同者感知到优先方任务执行代价后,进行评估并计算任务执行代价,若有异议则进行投标;
步骤4-4-5:管理者收到相同ID和Name的投标信息后,通过计算对标书进行评估,在任务集相同的情况下,按任务的优先级从最大值到最小值进行排序,得到任务的综合评价排序表;
步骤4-4-6:将任务分配给列表中第一个机器人,通知它中标并发布中标结果;
步骤4-4-7:签署合同;
步骤4-4-8:完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010559790.2A CN111716356B (zh) | 2020-06-18 | 2020-06-18 | 一种仿人多机器人的协作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010559790.2A CN111716356B (zh) | 2020-06-18 | 2020-06-18 | 一种仿人多机器人的协作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111716356A CN111716356A (zh) | 2020-09-29 |
CN111716356B true CN111716356B (zh) | 2021-12-24 |
Family
ID=72567369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010559790.2A Active CN111716356B (zh) | 2020-06-18 | 2020-06-18 | 一种仿人多机器人的协作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111716356B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112247962B (zh) * | 2020-10-19 | 2021-10-08 | 中国科学技术大学 | 面向上肢穿戴机器人的人机博弈控制方法及系统 |
CN112549029B (zh) * | 2020-12-03 | 2022-05-27 | 天津(滨海)人工智能军民融合创新中心 | 一种基于行为树的机器人行为控制方法及装置 |
CN112975965B (zh) * | 2021-02-24 | 2022-07-29 | 深圳市优必选科技股份有限公司 | 仿人机器人的解耦控制方法、装置和仿人机器人 |
CN113657718B (zh) * | 2021-07-20 | 2024-04-19 | 香港中文大学(深圳) | 一种多机器人动态联盟任务分配方法及相关装置 |
CN113771033A (zh) * | 2021-09-13 | 2021-12-10 | 中冶赛迪技术研究中心有限公司 | 多机器人站点集成控制系统、方法、设备和介质 |
CN115946128B (zh) * | 2023-03-09 | 2023-06-09 | 珞石(北京)科技有限公司 | 一种基于层级状态机的人机协作策略的实现方法 |
CN116245257B (zh) * | 2023-05-06 | 2023-09-12 | 季华实验室 | 一种多机器人调度方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834516A (zh) * | 2015-04-03 | 2015-08-12 | 周凡 | 全局视觉足球机器人决策子系统的策略调控模块及其方法 |
CN109426560A (zh) * | 2017-08-28 | 2019-03-05 | 杭州海康机器人技术有限公司 | 任务分配方法、装置及计算机可读存储介质 |
CN111185904A (zh) * | 2020-01-09 | 2020-05-22 | 上海交通大学 | 一种协同机器人平台及其控制系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180326581A1 (en) * | 2017-05-11 | 2018-11-15 | King Fahd University Of Petroleum And Minerals | System and method for auction-based and adaptive multi-threshold multi-agent task allocation |
EP3794314B1 (en) * | 2018-06-25 | 2024-04-24 | Intrinsic Innovation LLC | Robot coordination in a shared workspace |
-
2020
- 2020-06-18 CN CN202010559790.2A patent/CN111716356B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834516A (zh) * | 2015-04-03 | 2015-08-12 | 周凡 | 全局视觉足球机器人决策子系统的策略调控模块及其方法 |
CN109426560A (zh) * | 2017-08-28 | 2019-03-05 | 杭州海康机器人技术有限公司 | 任务分配方法、装置及计算机可读存储介质 |
CN111185904A (zh) * | 2020-01-09 | 2020-05-22 | 上海交通大学 | 一种协同机器人平台及其控制系统 |
Non-Patent Citations (3)
Title |
---|
基于距离大小的消防Agent任务分配方法研究;李登高;《现代计算机》;20130131;第15-17页 * |
多机器人系统任务分配及编队控制研究;柳林;《中国优秀博士学位论文全文数据库信息科技辑》;20071130;第2-6章 * |
机器人足球系统的研究与实现;钟碧良;《中国优秀博士学位论文全文数据库信息科技辑》;20030930;第3章 * |
Also Published As
Publication number | Publication date |
---|---|
CN111716356A (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111716356B (zh) | 一种仿人多机器人的协作方法 | |
JP6995249B2 (ja) | クラウドゲーミングネットワークを使用した人工知能(ai)モデルの訓練 | |
Wang et al. | Computation offloading in multi-access edge computing using a deep sequential model based on reinforcement learning | |
WO2020103723A1 (zh) | 虚拟环境中的虚拟对象的调度方法、装置及设备 | |
JP5767760B2 (ja) | 動的障害物のないネットワークゲームシステム及びその処理方法 | |
CN110865653B (zh) | 一种分布式集群无人机队形变换方法 | |
CN104942807A (zh) | 基于扩展式合作博弈的多机器人围捕目标方法 | |
CN108748160A (zh) | 基于多种群粒子群算法的机械臂运动规划方法 | |
CN112791394A (zh) | 游戏模型训练方法、装置、电子设备及存储介质 | |
CN114307160A (zh) | 训练智能体的方法 | |
Mendoza et al. | Intelligent multiagent coordination based on reinforcement hierarchical neuro-fuzzy models | |
JP7146136B2 (ja) | ゲームオブジェクトのインタラクティブ制御システム、方法、サーバー及コンピュータ読み取り可能な記憶媒体 | |
CN111389007B (zh) | 一种游戏控制方法、装置、计算设备及存储介质 | |
CN112802091A (zh) | 一种增强现实条件下基于dqn的智能体对抗行为实现方法 | |
Stone et al. | Robocup-2000: The fourth robotic soccer world championships | |
Rogers et al. | A micromanagement task allocation system for real-time strategy games | |
Hu et al. | A pattern-based modeling framework for simulating human-like pedestrian steering behaviors | |
Butler et al. | Partial observability during predictions of the opponent's movements in an RTS game | |
Carrascosa et al. | Consensus-Based Learning for MAS: Definition, Implementation and Integration in IVEs | |
CN114253604A (zh) | 基于ros2提高机器人计算性能的方法以及机器人 | |
Pippin et al. | Cooperation based dynamic team formation in multi-agent auctions | |
CN116954256B (zh) | 一种考虑可达域约束的无人机分布式任务分配方法 | |
He et al. | Harris' Hawk and Pigeon Inspired Attack-Defense Decision Making in Unmanned Combat Aerial Vehicles | |
Chen | The predator-prey evolutionary robots system: from simulation to real world | |
Warnakulasooriya et al. | Priority Basis Task Allocation for Drone Swarms |
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 |