CN113037857B - 面向云环境的多机器人协同感知服务系统、方法及设备 - Google Patents

面向云环境的多机器人协同感知服务系统、方法及设备 Download PDF

Info

Publication number
CN113037857B
CN113037857B CN202110309410.4A CN202110309410A CN113037857B CN 113037857 B CN113037857 B CN 113037857B CN 202110309410 A CN202110309410 A CN 202110309410A CN 113037857 B CN113037857 B CN 113037857B
Authority
CN
China
Prior art keywords
task
module
cloud
service
agent
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
Application number
CN202110309410.4A
Other languages
English (en)
Other versions
CN113037857A (zh
Inventor
陈琳
武利娟
刘尚卿
段旭磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Automation of Chinese Academy of Science
Original Assignee
Institute of Automation of Chinese Academy of Science
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Automation of Chinese Academy of Science filed Critical Institute of Automation of Chinese Academy of Science
Priority to CN202110309410.4A priority Critical patent/CN113037857B/zh
Publication of CN113037857A publication Critical patent/CN113037857A/zh
Application granted granted Critical
Publication of CN113037857B publication Critical patent/CN113037857B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/10Protocols in which an application is distributed across nodes in the network
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/12Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/50Network services
    • H04L67/56Provisioning of proxy services

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明属于多智能体协同技术领域,具体涉及一种面向云环境的多机器人协同感知服务系统、方法及设备,旨在解决现有的面向云环境的多机器人协同感知服务机制难以满足复杂环境下的应用需求、实际解决方法片面且应用能力差的问题;系统包括核心云系统和局部云系统,核心云系统用于协调局部云系统完成任务规划;局部云系统包括一个或多个局部云,局部云包括管理Agent以及一个或多个任务执行Agent,任务执行Agent具有自主行为决策能力,管理Agent作为局部云的任务规划器;管理Agent与任务执行Agent通信连接;多个任务执行Agent之间通信连接;任务执行Agent与管理Agent链路连接形成多层的自组织协作系统结构;本发明可有效提高服务管理和使用效率,确保服务资源的相对稳定性。

Description

面向云环境的多机器人协同感知服务系统、方法及设备
技术领域
本发明属于多智能体协同技术领域,具体涉及一种面向云环境的多机器人协同感知服务系统、方法及设备。
背景技术
随着科学技术的发展,现代战争正不断向电子化、信息化的方向发展;战场决策所面临的主要问题变成从多作战单元产生的海量数据中提取信息,并科学、高效的分析这些信息;这些信息具有模糊性和不确定性等特点,不仅增加了正确分析战场态势的难度,而且随着时间的增加信息量越来越大,给作战单元进行战场自主、实时决策造成了困难。针对各作战单元如何共享态势信息及计算资源,可综合运用云通信技术和分布式计算技术及负载均衡技术将分散部署在各节点的作战资源进行有机重组而形成一种弹性、动态的作战资源云,自组织形成作战资源云通常需要提供快速搜索、准确匹配及安全重构的能力,以保证在作战环境下各单元使用云服务协作完成任务的过程更加高效可靠。
云计算技术近年来发展迅速,云服务资源数量越来越庞大、类别越来越多,需要一种方法对这些分散的、异构的云服务资源进行有效的管理。当前各个国家的研究人员解决云服务资源的管理问题常采用的技术是自治计算技术,实现对单个云资源的管理、分配、调度和提供;也有将多Agent系统引入到云服务资源的组合、搜索、资源分配等过程中;但是这些工作都没有实现依据应用需求,云服务资源的动态请求、分配和管理,也没提出云资源质量对资源提供者的系统拓扑结构调整的影响。
发明内容
为了解决上述问题,即为了解决现有的面向云环境的多机器人协同感知服务机制难以满足复杂环境下的应用需求、实际解决方法片面且应用能力差的问题,本发明提供了一种面向云环境的多机器人协同感知服务系统、方法及设备。
本发明的第一方面提供了一种面向云环境的多机器人协同感知服务系统,该系统包括核心云系统和局部云系统,所述核心云系统配置为协调所述局部云系统完成任务规划;
所述局部云系统包括一个或多个局部云,一个或多个所述局部云与所述核心云系统通信连接;所述局部云包括管理Agent以及一个或多个任务执行Agent,所述任务执行Agent配置为具有自主行为决策能力,所述管理Agent配置为作为所述局部云的任务规划器;所述管理Agent与所述任务执行Agent通信连接;多个所述任务执行Agent之间通信连接;一个或多个所述任务执行Agent与所述管理Agent通过云间链路连接形成多层的自组织协作系统结构;
在工作状态下,所述核心云系统基于数据分发服务对各个所述局部云进行任务规划;多个所述任务执行Agent执行分发的对应任务;所述管理Agent基于各个所述任务执行Agent执行任务过程中采集的环境信息制定相关措施;所述相关措施包括下发多个所述任务执行Agent按照预设方案进行协作的指令。
在一些优选实施例中,所述任务执行Agent包括通信模块、态势感知模块、任务规划模块、决策模块、协同模块、信息存储区和执行模块;所述态势感知模块与所述任务规划模块通信连接,所述通信模块、所述态势感知模块、所述任务规划模块、所述协同模块、所述信息存储区、所述执行模块均与所述决策模块块通信连接;
所述通信模块配置为用于与环境的通信交互、用于与其它所述任务执行Agent之间的通信交互、以及用于与所述管理Agent的通信交互;
所述态势感知模块配置为基于一个或多个其它所述任务执行Agent采集的战场态势信息,提取自主决策有用的态势信息,将探测到的外界威胁信息进行多属性威胁值计算,完成威胁评估和敌我力量分析;
所述任务规划模块配置为完成集群整体资源分配,根据任务需求和当前环境态势进行任务队列的规划管理;
所述决策模块配置为对所述任务规划模块指定的任务进行战术决策,规划动作序列并处理接收到的紧急事件,以做出动作指令响应;
所述协同模块配置为实时接收其它所述任务执行Agent信息,判断是否和本身任务状态存在冲突;
所述信息存储区配置为存储其它所述任务执行Agent的能力信息和工作环境领域相关知识;
所述执行模块配置为选择合适的动作行为或方法执行任务。
在一些优选实施例中,所述管理Agent包括数据处理模块、知识库、任务集合模块、任务处理模块、主协商模块和协调规划模块,所述数据处理模块与所述任务集合模块通信连接,所述任务处理模块与所述任务集合模块通信连接,所述知识库与所述任务处理模块通信连接,所述主协商模块与所述任务处理模块通信连接;
所述数据处理模块配置为接收的所述任务执行Agent发送的初始信息,剔除所述初始信息中的不必要信息,并将剩余的信息梳理成任务形式;
所述知识库配置为存储多个所述任务执行Agent的能力信息和工作领域相关知识;
所述任务集合模块配置为存储未完成的任务,并根据求解的进行和任务环境实时更新;
所述任务处理模块配置为进行任务分解、进行任务及子任务之间关联关系的分析处理;
所述主协商模块配置为进行与所述任务执行Agent之间的信息交互,发起协商请求。
在一些优选实施例中,所述任务执行Agent还包括感知模块,所述感知模块与所述任务规划模块、所述数据处理模块通信连接;所述感知模块配置为存储从环境感知到的环境信息、与其它所述任务执行Agent交互得到的环境信息以及与所述管理Agent交互得到的任务信息;
所述协同模块包括子协商模块和协商规划模块,所述子协商模块与所述主协商模块通信连接;所述协商规划模块配置为提供其它所述执行任务执行Agent发送的交互信息、任务结果和任务承诺,制定协调规划方法。
在一些优选实施例中,单个所述局部云中的所述管理Agent与一个或多个所述任务执行Agent协作工作流程具体如下:
所述数据处理模块基于接收的信息筛选出任务信息并存储至所述任务集合模块中;
所述任务处理模块将已有的主任务分解成相对独立的子任务,同时分析主任务与子任务之间的关联,判断是否需要多个所述任务执行Agent协作;若否,则发送至单个所述任务执行Agent,单个所述任务执行Agent根据自身对环境的认知独立规划;若是,通过所述主协商模块传达任务至多个所述任务执行Agent,每个所述任务执行Agent中的子协商模块与所述主协商模块进行任务求解的协商,或者,每个所述任务执行Agent中的协商规划模块与其它所述任务执行Agent进行任务求解的协调规划。
在一些优选实施例中,该系统还包括局部云服务框架,所述局部云服务框架包括应用层、服务管理层和云服务层;所述服务管理层与所述应用层通信连接,所述云服务层与所述服务管理层通信连接;
所述应用层配置为构建需求并将需求发送至所述服务管理层;
所述服务管理层包括服务代理模块、资源监控模块和数据分发服务模块,所述服务代理模块、所述数据分发服务模块均与所述资源监控模块通信连接;
所述服务代理模块配置为连接所述应用层与所述数据分发服务模块,整合封装所述应用层的需求,建立申请云服务的智能体与服务的联系;所述智能体为所述管理Agent或者所述任务执行Agent;所述资源监控模块配置为监控资源使用信息;所述数据分发服务模块配置为基于DDS技术进行资源请求信息发布以及资源协作请求信息的接收;
所述云服务层配置为存储有多种资源,用于向多个所述任务执行Agent提供对应的资源。
在一些优选实施例中,所述数据分发服务模块采用发布/订阅机制,以数据为中心,提供服务质量策略,以实现所述局部云的数据传输及服务调度;
所述局部云服务框架还包括云服务重构模块,所述云服务重构模块与所述云服务层通信连接;当所述云服务层不可靠或者面向特定应用场景的局部云服务不满足服务需求时,触发所述云服务重构模块,所述云服务重构模块基于粒子群算法输出云服务协同重构方案。
本发明的第二方面提供了一种面向云环境的多机器人协同感知服务方法,该方法基于上面任一项所述的面向云环境的多机器人协同感知服务系统,包括以下步骤:步骤S100,不同任务执行Agent基于自身环境感知区域和功能的不同分配至不同的局部云中,不同局部云向云服务申请不同的资源;
步骤S200,单个局部云中的管理Agent基于任务执行Agent采集的环境信息判断是否需要其它任务执行Agent进行协作;若否,则任务执行Agent通过任务规划模块进行自身行为规划以执行任务;若是,则管理Agent与其它任务执行Agent进行信息交互,进行任务求解的协商以及协调规划;
步骤S300,当局部云的内部资源不满足应用需求时,向核心云系统发送请求协作信息,核心云系统基于其它局部云的交互信息以及DDS数据分发服务机制,划分在同一云域的其它局部云与请求协作的局部云进行通信与协作。
本发明的第三方面提供了一种设备,其特征在于,包括:
至少一个处理器;以及
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现所述的面向云环境的多机器人协同感知服务方法。
本发明的第四方面提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于被所述计算机执行以实现所述的面向云环境的多机器人协同感知服务方法。
1)通过本发明提供的面向云环境的多机器人协同感知服务系统、方法及设备,提出了一种通用的多Agent协作模型,使得Agent具有很高的协作能力,并适用于多种复杂的、动态变化的外部环境,可有效解决目前协作模型不易扩展,缺乏灵活性,不能应对复杂的现实情况的问题。
2)通过本发明提供的面向云环境的多机器人协同感知服务系统、方法及设备,将DDS机制与局部云服务管理和调度过程结合,利用局部云的松散耦合,实现了云环境下云服务按需参与计算过程;由于云计算服务资源庞大而分散,使用DDS能够较快的寻找到可使用的资源提供服务,进行资源配置,充分利用闲置资源。
3)云环境下的agent需求是动态多样的,在执行任务过程中,拥有不同功能的agent向云服务管理者提出资源的申请;为了满足agent需求的服务资源,并使其合理而有效地使用服务资源,单一的服务管理者往往是无法满足应用需求的;除此之外,云环境是动态不确定的,使得云服务同样具有不确定性,单一的服务管理者无法确保服务能够稳定地向agent分配和提供其需求的服务资源;本发明提供的自组织技术可有效解决上述问题;本发明公开的自组织架构非常健壮,能够适应环境和需求的变化,而且可以确保自组织系统内各个组件的生存能力。
4)通过本发明提供的面向云环境的多机器人协同感知服务系统、方法及设备,在自组织云架构中拓扑节点失效或拓扑链路整体失效造成协同感知障碍时,可对原有云服务拓扑结构做局部优化,使重构后的网络结构具有兼顾网络鲁棒性和有效性的最优拓扑结构。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本发明中的面向云环境的多机器人协同感知服务系统的一种具体实施例的组成示意图;
图2是本发明中的面向云环境的多机器人协同感知服务系统中的任务执行Agent一种具体实施例的架构示意图;
图3是本发明中的面向云环境的多机器人协同感知服务系统中的多Agent协作的框架示意图;
图4是本发明中的面向云环境的多机器人协同感知服务系统中的自组织局部云服务模型示意图;
图5是本发明中的面向云环境的多机器人协同感知服务系统中的局部云服务数据分发实体示意图;
图6是本发明中的面向云环境的多机器人协同感知服务系统中的基于粒子群优化算法的流程图;
图7是本发明中的面向云环境的多机器人协同感知服务方法中的局部云中多Agent协作的流程示意图;
图8是本发明中的面向云环境的多机器人协同感知服务系统中的局部云内单个智能体出现重大功能故障时的示意图;
图9是本发明中的面向云环境的多机器人协同感知服务系统中的局部云内单个智能体失联时的示意图;
图10是本发明中的面向云环境的多机器人协同感知服务系统中的局部云内智能体与外部通信中断时的示意图;
图11是本发明中的面向云环境的多机器人协同感知服务系统中的单一局部云内服务调度时序图;
图12是本发明中的面向云环境的多机器人协同感知服务系统中的多个局部云间服务调度及协作示意图;
图13是本发明中的面向云环境的多机器人协同感知服务系统中的基于DDS的局部云服务协作调度时序图;
图14是用于实现本申请方法、系统、设备实施例的服务器的计算机系统的结构示意图。
具体实施方式
为使本发明的实施例、技术方案和优点更加明显,下面将结合附图对本发明的技术方案进行清楚、完整的描述,显然,所述的实施例是本发明的一部分实施例,而不是全部实施例。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
本发明的第一方面提供了一种面向云环境的多机器人协同感知服务系统,该系统包括核心云系统和局部云系统,核心云系统配置为协调局部云系统完成任务规划;局部云系统包括一个或多个局部云,一个或多个局部云与核心云系统通信连接;局部云包括管理Agent以及一个或多个任务执行Agent,任务执行Agent配置为具有自主行为决策能力,管理Agent配置为作为局部云的任务规划器;管理Agent与任务执行Agent通信连接;多个任务执行Agent之间通信连接;一个或多个任务执行Agent与管理Agent通过云间链路连接形成多层的自组织协作系统结构;在工作状态下,核心云系统基于数据分发服务对各个局部云进行任务规划;多个任务执行Agent执行分发的对应任务;管理Agent基于各个任务执行Agent执行任务过程中采集的环境信息制定相关措施;相关措施包括下发多个任务执行Agent按照预设方案进行协作的指令;本发明提供的系统解决了动态变化环境及多样应用需求下,依托多机器人系统有效管理、提供和分配云服务的问题;该系统按照Agent的环境感知和自主行为决策的能力将其划分到不同局部云,通过云间链路,实现Agent间的交互并形成多层自组织协作系统,对服务资源进行有效管理,从而适应云环境和应用需求的变化。
进一步地,本发明提供的系统适用于解决动态变化环境及多样应用需求下,依托多机器人有效管理和提供云服务的问题;利用Agent的环境感知能力实现对应用需求信息和云服务环境及其自身状态的感知和监控,利用Agent的自主行为决策能力结合感知和监控的信息实现对服务资源的自主管理,利用Agent间局部交互能力以自组织方式协作地完成了云服务的组织、分配和管理任务;在单智能体态势感知和计算功能逻辑架构基础上,设计出多机器人的混合式协同架构,结合云服务背景,提出面向局部云的自组织架构,利用数据分发服务进行局部云内部及云间智能体交互,实现云服务的有效管理和调度,满足多样的应用需求。在云服务不可靠或者面向特定应用场景的局部云服务不满足服务需求时,采用基于粒子群算法的云服务协同重构解决办法;在自组织云架构中拓扑节点失效或拓扑链路整体失效造成协同感知障碍时,采用有限添加边的算法改造原有网络拓扑结构。
云环境下,按感知区域或功能属性的不同,将Agent划分到不同的局部云里,通过云间链路形成多层的自组织协作系统结构;Agent对运行环境进行感知和监控,根据其感知和监控的信息,自主地决策其对特定类型的服务的管理行为,从而完成预定任务。为了适应动态的应用需求和持续变化的云环境,Agent会通过局部的交互行为,以自组织的方式实现对云服务的管理、分配和提供;局部云中每个执行任务的个体掉线后,云端通过任务分配及优化选择算法,选择群体中的其它Agent自动执行掉线Agent的当前任务。在执行群体任务的时候,根据不同环境、不同任务、不同Agent感知的内容和当前状态,整个系统随时调整任务策略。
以下参照附图结合具体实施例进一步说明本发明。
参照附图1,图示是本发明中的面向云环境的多机器人协同感知服务系统的一种具体实施例的组成示意图,一种面向云环境的多机器人协同感知服务系统,该系统包括核心云系统和局部云系统,核心云系统配置为协调局部云系统完成任务规划;局部云系统包括一个或多个局部云,一个或多个局部云与核心云系统通信连接;局部云包括管理Agent以及一个或多个任务执行Agent,任务执行Agent配置为具有自主行为决策能力,管理Agent配置为作为局部云的任务规划器;管理Agent与任务执行Agent通信连接;多个任务执行Agent之间通信连接;一个或多个任务执行Agent与管理Agent通过云间链路连接形成多层的自组织协作系统结构;在工作状态下,核心云系统基于数据分发服务对各个局部云进行任务规划;多个任务执行Agent执行分发的对应任务;管理Agent基于各个任务执行Agent执行任务过程中采集的环境信息制定相关措施;相关措施包括下发多个任务执行Agent按照预设方案进行协作的指令。
云环境下的Agent需求是动态多样的,在执行任务过程中,拥有不同功能的Agent向云服务管理者提出资源的申请。为了满足Agent需求的服务资源,并使其合理而有效地使用服务资源,单一的服务管理者往往是无法满足应用需求的;除此之外,云环境是动态不确定的,使得云服务同样具有不确定性,单一的服务管理者无法确保服务能够稳定地向agent分配和提供其需求的服务资源。通过本发明提供的面向云环境的多机器人协同感知服务系统,既可以实现局部交互,又可以实现不同局部云的协作工作,有效提高服务管理和使用效率,同时也确保了服务资源的相对稳定性。
进一步地,参照附图2和附图11,图2是本发明中的面向云环境的多机器人协同感知服务系统中的任务执行Agent一种具体实施例的架构示意图,图11是本发明中的面向云环境的多机器人协同感知服务系统中的单一局部云内服务调度时序图;任务执行Agent包括通信模块、态势感知模块、任务规划模块、决策模块、协同模块、信息存储区和执行模块;态势感知模块与任务规划模块通信连接,通信模块、态势感知模块、任务规划模块、协同模块、信息存储区、执行模块均与决策模块块通信连接。
其中,通信模块配置为用于与环境的通信交互、用于与其它所述任务执行Agent之间的通信交互、以及用于与管理Agent的通信交互;态势感知模块用于实时接收到Agent平台上传感器信息融合后的态势信息,提取自主决策有用的态势信息,将探测到的外界威胁信息进行多属性威胁值计算,完成威胁评估和敌我力量分析,该态势信息为一个或多个其它任务执行Agent采集的战场态势信息;任务规划模块配置为完成集群整体资源分配,根据任务需求和当前环境态势进行任务队列的规划管理,追求总体任务的最佳实现方式与结果;决策模块配置为对任务规划模块指定的任务进行战术决策,规划动作序列并处理接收到的紧急事件,以做出动作指令响应;协同模块配置为实时接收其它任务执行Agent信息,判断是否和本身任务状态存在冲突;信息存储区配置为存储其它任务执行Agent的能力信息和工作环境领域相关知识,保证Agent顺利进行任务规划及协同决策;执行模块配置为选择合适的动作行为或方法执行任务。
在单一局部云内服务调度与协作过程中,当服务管理者接收到来自应用层的资源请求时,遵循非实时监控以及被动监控的原则,发起对局部云的资源监控请求,与云服务建立连接,查看资源信息及各项云服务指标数据等。若服务管理者拥有应用层请求的资源,满足各项云服务指标阈值,则调用云服务资源解决应用层需求,将服务结果返回至对应的应用层智能体,完成云服务调度。若服务管理者未找到需求资源时,需对云服务进行监听,当有其它服务管理者发布需求资源时,该服务管理者发起订阅请求,与拥有资源者建立连接,实现云服务协作与资源的异步使用。
参照附图3和附图12,图3是本发明中的面向云环境的多机器人协同感知服务系统中的多Agent协作的框架示意图,图12是本发明中的面向云环境的多机器人协同感知服务系统中的多个局部云间服务调度及协作示意图;管理Agent包括数据处理模块、知识库、任务集合模块、任务处理模块、主协商模块和协调规划模块,数据处理模块与任务集合模块通信连接,任务处理模块与任务集合模块通信连接,知识库与任务处理模块通信连接,主协商模块与任务处理模块通信连接。
其中,数据处理模块配置为接收的任务执行Agent发送的初始信息,剔除初始信息中的不必要信息,并将剩余的有用信息梳理成任务形式。
知识库配置为存储多个任务执行Agent的能力信息和工作领域相关知识,以使管理Agent能进行任务处理。
任务集合模块配置为存储未完成的任务,并根据求解的进行和任务环境实时更新,随环境的变化而变化,动态增加或减少。
任务处理模块根据相关知识库知识和所有执行Agent能力对所有已知任务进行分析处理,包括任务分解、任务及子任务之间关联关系的分析。
主协商模块配置为进行与任务执行Agent之间的信息交互,发起协商请求,任务执行Agent通过子协商模块表达自身参与协作的意愿。
任务执行Agent还包括感知模块,感知模块与任务规划模块、数据处理模块通信连接;感知模块配置为存储从环境感知到的环境信息、与其它任务执行Agent交互得到的环境信息以及与管理Agent交互得到的任务信息;协同模块包括子协商模块和协商规划模块,子协商模块与主协商模块通信连接;协商规划模块配置为提供其它执行任务执行Agent发送的交互信息、任务结果和任务承诺,制定协调规划方法。
单个所述局部云中的管理Agent与一个或多个任务执行Agent协作工作流程具体如下:数据处理模块基于接收的信息筛选出任务信息并存储至任务集合模块中;任务处理模块将已有的主任务分解成相对独立的子任务,同时分析主任务与子任务之间的关联,判断是否需要多个任务执行Agent协作;若否,则发送至单个任务执行Agent,单个任务执行Agent根据自身对环境的认知独立规划;若是,通过主协商模块传达任务至多个任务执行Agent,每个任务执行Agent中的子协商模块与主协商模块进行任务求解的协商,或者,每个任务执行Agent中的协商规划模块与其它任务执行Agent进行任务求解的协调规划。
当单个局部云内部资源不能满足应用需求,根据局部云资源负载判断协作时机,资源协作时机的选择通过监控局部云资源使用率等各项指标,进而分析资源负载状况,判断是否需要进行局部云资源协作请求。如果局部云负载严重造成资源紧缺,需及时向核心云的云域中其它局部云请求协作,解决当前局部云资源短缺无法提供服务的问题;局部云出现资源短缺现象时,及时向核心云系统报告,由核心云系统做出局部云协作决策,为局部云提供协作对象;局部云间协作遵循DDS数据分发服务机制,划分在同一云域的局部云内可进行通信与协作;在局部云协作环境下,只有在同一云域内的实体才能通信,如不同局部云中的局部云实体1相互对应,不同局部云中的局部云实体2相互对应,不同局部云中的局部云实体3相互对应,相同云域的资源发布者和资源订阅者可进行通信协作。
进一步地,参照附图4,图示是本发明中的面向云环境的多机器人协同感知服务系统中的自组织局部云服务模型示意图;该系统还包括局部云服务框架,局部云服务框架包括应用层、服务管理层和云服务层;服务管理层与应用层通信连接,云服务层与服务管理层通信连接;应用层配置为构建需求并将需求发送至服务管理层。
其中,服务管理层包括服务代理模块、资源监控模块和数据分发服务模块,服务代理模块、数据分发服务模块均与资源监控模块通信连接;
服务代理模块配置为连接应用层与数据分发服务模块,整合封装应用层的需求,建立申请云服务的智能体与服务的联系;智能体为管理Agent或者任务执行Agent;服务代理模块用于解析应用需求并根据应用需求获取到其所需服务管理者信息,同时能够根据应用的需求信息和管理者情况选择恰当的服务管理者提供服务;服务管理者根据应用需求查找管辖范围内的或其它服务管理者协同服务。资源监控模块配置为监控资源使用信息。
数据分发服务模块配置为基于DDS技术进行资源请求信息发布以及资源协作请求信息的接收。数据分发服务模块负责发布资源请求信息,发布响应协作信息和接收资源协作请求信息;资源监控模块位于服务管理的中间层,服务管理者需要对云服务资源监控的能力,记录云服务的资源使用情况,依此来判定局部云中是否已有发布/请求协作的资源服务,是否满足经由服务代理模块处理后的应用层提出的需求;数据分发服务模块提供了云服务管理机制中最重要的能力,即运行DDS的能力,在该模块完成云协作的发布请求资源服务和响应资源服务。使得云服务过程达到异步收发,局部云松耦合协作的特点。即每个服务管理者都部署发布者和订阅者,局部云作为请求协作端,服务管理者可以利用发布者发布请求资源协作信息,作为响应协作端,服务管理者利用订阅者读接收发布者发布的请求资源协作信息,如果可用资源满足请求资源信息,响应协作端也可以指定发布响应信息。
云服务层配置为存储有多种资源,用于向多个任务执行Agent提供对应的资源。
进一步地,参照附图13,图示是本发明中的面向云环境的多机器人协同感知服务系统中的基于DDS的局部云服务协作调度时序图,若应用层提出的需求经局部云服务管理者处理后,发现当前云服务资源负载严重、无法满足应用层需求;此时,该局部云服务管理者向核心云发出协作请求;核心云检查各局部云资源情况,选择合适的局部云提供服务资源,响应协作请求,并将协作局部云服务管理者对象信息返回至请求处。局部云间的协作请求与响应满足DDS机制,请求者作为资源订阅者,响应者作为资源发布者,建立通信连接,在局部云间提供资源服务,解决当前局部云负载严重,不能及时处理需求的情况。
参照附图5,图示是本发明中的面向云环境的多机器人协同感知服务系统中的局部云服务数据分发实体示意图;数据分发服务模块采用发布/订阅机制,以数据为中心,提供服务质量策略,以实现局部云的数据传输及服务调度;局部云服务框架还包括云服务重构模块,云服务重构模块与云服务层通信连接;当云服务层不可靠或者面向特定应用场景的局部云服务不满足服务需求时,触发云服务重构模块,云服务重构模块基于粒子群算法输出云服务协同重构方案。
其中,云服务(Cloud Service)配置为由多种不同的资源构成的云服务容器;云服务管理(Service Manager)配置为提供对云服务模块中资源的管理规则及方法;实体(Entity)配置为包含云服务模块和管理模块中的所有对象,如:资源、数据写入/读取器、发布者、订阅者等;云域(Cloud Domain)配置为限制管理实体间的通信,只有同一云域内的实体可交互数据;发布者(Publisher)配置为在云服务管理模块中承担资源发布的角色,支持多种资源数据类型的发布,可以与多个数据写者(Data Writer)相联,发布一种或多种资源;订阅者(Subscriber)配置为在云服务管理模块中承担资源订阅的角色,支持多种资源数据类型的订阅,可以与多个数据读者(Data Reader)相联,订阅一种或多种资源;数据写者(Data Writer)配置为用于封装、更新数据,每个数据写入器对应一个特定的资源;数据读者(Data Reader)配置为用于解析、读取数据,每个数据读取器对应一个特定的资源;资源(Resource)配置为包含云服务提供的在Agent间交换的数据信息;数据表示为可以包含不同数据类型的结构,如整数、字符串等。服务资源由对应的资源发布者进行管理。
进一步地,参照附图6,图示是本发明中的面向云环境的多机器人协同感知服务系统中的基于粒子群优化算法的流程图;
云服务不可靠或者面向特定应用场景的局部云服务不满足服务需求时,触发云服务重构;云服务管理者的协同模块根据服务申请需求,判定是否需要服务重构,若满足条件则在当前管理者集合中协调代理分配新的管理代理,完成一次新的服务请求重构;重构的核心是找到一个符合服务申请需求的最少重构次数,其可以直接抽象成最短路径问题,采用改进粒子群引导完成最短路径结算;基于粒子群优化算法流程图具体执行流程如下:1)输入云环境原始数据及粒子群算法基本参数,生成初始化粒子群;2)计算所有粒子的目标函数值(适应度值),即由当前粒子群联盟结构对当前任务t的效用值来决定;3)更新个体最优值和群体最优值,判断是否满足结束条件;4)更新粒子群以及每个粒子的参数;重复2)至4),直到满足结束条件,输出全局极值以及最优联盟结构。
参照附图8,图示是本发明中的面向云环境的多机器人协同感知服务系统中的局部云内单个智能体出现重大功能故障时的示意图;在本发明中,每个智能体(即任务执行Agent)拥有评估自身功能完整程度的属性--功能完整度(f),在执行某项任务时,当f某位元素值为0时,认为该智能体对应功能出现重大故障,无法完成所分配的与其功能相关的局部任务;此时终止该项任务,抛出异常;局部云内部的管理Agent进行任务重规划,判断是否能在规定时间内完成此任务。
抛出的异常信息定义为:<异常编号,异常优先级,故障智能体编号,功能完整度,当前任务状态>;当智能体出现功能故障后,首先该智能体抛出异常,将异常信息发送给局部云的管理Agent;处理过程有如下:1)若局部云通过自调整后可以顺利完成此任务,管理Agent对此情况进行处理,可以让局部云内距离与该故障智能体较近、功能相似且任务完成情况良好的智能体优先承担该故障智能体任务,此时调用拓扑重构算法,建立该智能体与故障智能体相关联的通讯链路拓扑结构;2)若局部云无法完成此任务,需要向核心云系统发送异常请求,核心云系统进行任务重规划,将此任务分配给其它局部云或从其它局部云调用功能相似的智能体协助;其它局部云内,需自主判断新分配的任务在当前拓扑结构下是否能完成,若不能完成,则需调用拓扑重构算法;其中,图中的大方框(即包含“A1A2系统,局部云拓扑调整”和“局部云2Agent”的方框)代表可能触发云拓扑重构。
参照附图9,图示是本发明中的面向云环境的多机器人协同感知服务系统中的局部云内单个智能体失联时的示意图;智能体与外部通信分为管理Agent-一般Agent通信以及一般Agent-Agent通信两种情况,在任务分配和执行过程中,智能体会在以下场景中进行通信:①收集环境信息:感知人员定时将收集到的环境信息发送给局部云内其它Agent;②任务分配及执行:智能体从管理Agent领取任务并执行,将任务完成/异常信息反馈至管理Agent;③智能体交互:共享信息或协作完成某项任务。对于第①种情况,智能体在固定时间步长内没有收到感知人员发送的环境信息;第②种情况,任务超时未完成(未收到任务完成标志或异常信息);第③种情况,当智能体A发起与B的通信连接,未收到来自B的确认信息,或已建立通信连接,但A未成功接收到B的数据。以上情况皆认为智能体失联,处理该类异常时,首先需要判断智能体失联发生时的环境,所处环境对应于异常处理的方法有所差异;在解决过程中,需要以完成当前任务为目标的同时找到失联智能体。在任务重分配的过程中,根据当前局部云是否能满足任务需求决定是否引起局部云拓扑重构。抛出的异常信息定义为:<异常编号,异常优先级,失联智能体编号,失联时间,当前任务状态>;其中,图中的大方框(即包含“承担Agent1任务”、“确定A1位置”、“与Agent3协作确定A1位置”的三个方框)代表可能触发云拓扑重构。
参照附图10,图示是本发明中的面向云环境的多机器人协同感知服务系统中的局部云内智能体与外部通信中断时的示意图,智能体在通信过程中,无法与核心云或周围智能体取得联系及进行数据传送,则触发外部通信中断。对于智能体出现与外部通信中断异常分两种情况讨论:①通信系统功能故障:当抛出外部通信中断异常时,智能体暂停执行任务,记录当前通信中断时间。由局部云响应进行任务重分配,需将该异常智能体任务交由其它智能体完成,并改变局部云拓扑结构,由其余节点代替该智能体位置。若通信中断时间一直增加,该智能体一直处于失联状态,则需执行返航任务,对故障进行检修,将该智能体节点从拓扑中删除;②智能体完全损坏:例如战场环境下,飞机被击毁。此时将该智能体状态置为“dead”,若该智能体承担局部云管理者,则由集群其它智能体承担管理功能,将该任务重新分配,调用拓扑重构算法,并发布寻找该智能体的任务。抛出的异常信息定义为:<异常编号,异常优先级,通信中断智能体编号,通信中断时间,当前任务状态>;其中,图中的大方框(即包含“承担Agent1任务”、“局部云2Agent”的两个方框)代表可能触发云拓扑重构。
进一步地,本发明还提供了一种基于添加边的自组织云拓扑重构,为求解有限添加边的网络拓扑重构优化问题,提出优先配置节点加强保护圈的拓扑重构方法。通过添加边贡献率指标优先地选择高贡献率的添加边以配置有效地节点加强保护圈以保护网络中更多的节点和边,使网络在移除节点和边的情况下能维持网络功能的鲁棒性和有效性。优先配置节点加强保护圈算法基本步骤如下:1)在图G(V,E)中添加所有可利用的边集E’
Figure BDA0002988939900000171
形成扩展图G(V,E+E’)。图G’中任一条边e∈E∪E’都赋有一定的权值表示该边结构属性或负载情况;2)在图G中为保护节点集中的每个节点寻找局部的加强节点保护圈;3)计算添加的边l∈E’的贡献率指标Ctr(l);4)根据添加边贡献率指标值的高低,优先选择高贡献率的可利用添加边配置节点加强保护圈。
通过本发明提供的面向云环境的多机器人协同感知服务系统、方法及设备,在由自治Agent构成的多Agent系统(MAS)中,提出Agent之间可以通过协商形成Agent组(联盟,coalition)来共同承担该任务;联盟是多Agent系统的重要合作方式,可以通过资源共享和任务分担使得Agent获得最优配置和效率完成任务获得收益。提出基于粒子群寻优算法,对当前联盟结构进行最优化调整,以最优的联盟结构来执行任务,达到最大效用。针对云服务管理者需要一种灵活的、自治的手段来管理这些服务资源,提出了一种基于添加边的自组织云拓扑重构方法,该方法能有效地管理云服务重构,进而满足动态多样化的应用需求。
本发明提供的系统在单智能体态势感知和计算功能逻辑架构基础上,设计多机器人的混合式协同架构,结合云服务背景,提出面向局部云的自组织架构,利用数据分发服务进行局部云内部及云间智能体的交互,实现云服务的有效管理和调度,满足多样的应用需求。
进一步地,参照附图7,图示是本发明中的面向云环境的多机器人协同感知服务方法中的局部云中多Agent协作的流程示意图,本发明的第二方面提供了一种面向云环境的多机器人协同感知服务方法,该方法基于所述的面向云环境的多机器人协同感知服务系统,包括以下步骤:步骤S100,不同任务执行Agent基于自身环境感知区域和功能的不同分配至不同的局部云中,不同局部云向云服务申请不同的资源;步骤S200,单个局部云中的管理Agent基于任务执行Agent采集的环境信息判断是否需要其它任务执行Agent进行协作;若否,则任务执行Agent通过任务规划模块进行自身行为规划以执行任务;若是,则管理Agent与其它任务执行Agent进行信息交互,进行任务求解的协商以及协调规划;步骤S300,当局部云的内部资源不满足应用需求时,向核心云系统发送请求协作信息,核心云系统基于其它局部云的交互信息以及DDS数据分发服务机制,划分在同一云域的其它局部云与请求协作的局部云进行通信与协作。
通过本发明提供的面向云环境的多机器人协同感知服务系统、方法及设备,提出了一种通用的多Agent协作模型,使得Agent具有很高的协作能力,并适用于多种复杂的、动态变化的外部环境,可有效解决目前协作模型不易扩展,缺乏灵活性,不能应对复杂的现实情况的问题。
通过本发明提供的面向云环境的多机器人协同感知服务系统、方法及设备,将DDS机制与局部云服务管理和调度过程结合,利用局部云的松散耦合,实现了云环境下云服务按需参与计算过程;由于云计算服务资源庞大而分散,使用DDS能够较快的寻找到可使用的资源提供服务,进行资源配置,充分利用闲置资源。
本发明的第三方面提供了一种设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被处理器执行的指令,该指令用于被处理器执行以实现所述的面向云环境的多机器人协同感知服务方法。
本发明的第四方面提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机指令,该计算机指令用于被计算机执行以实现所述的面向云环境的多机器人协同感知服务方法。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的存储装置、处理装置的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
下面参考图14,其示出了用于实现本申请方法、系统、设备实施例的服务器的计算机系统的结构示意图。图14示出的服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图14所示,计算机系统包括中央处理单元(CPU,Central Processing Unit)601,其可以根据存储在只读存储器(ROM,Read Only Memory)602中的程序或者从存储部分608加载到随机访问存储器(RAM,Random Access Memory)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O,Input/Output)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT,Cathode Ray Tube)、液晶显示器(LCD,Liquid Crystal Display)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN(局域网,Local AreaNetwork)卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
需要说明的是,在本发明的描述中,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含,从而使得包括一系列要素的过程、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、物品或者设备/装置所固有的要素。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (9)

1.一种面向云环境的多机器人协同感知服务系统,其特征在于,该系统包括核心云系统和局部云系统,所述核心云系统配置为协调所述局部云系统完成任务规划;
所述局部云系统包括一个或多个局部云,一个或多个所述局部云与所述核心云系统通信连接;所述局部云包括管理Agent以及一个或多个任务执行Agent,所述任务执行Agent配置为具有自主行为决策能力,所述管理Agent配置为作为所述局部云的任务规划器;所述管理Agent与所述任务执行Agent通信连接;多个所述任务执行Agent之间通信连接;一个或多个所述任务执行Agent与所述管理Agent通过云间链路连接形成多层的自组织协作系统结构;
所述任务执行Agent包括通信模块、态势感知模块、任务规划模块、决策模块、协同模块、信息存储区和执行模块;所述态势感知模块与所述任务规划模块通信连接,所述通信模块、所述态势感知模块、所述任务规划模块、所述协同模块、所述信息存储区、所述执行模块均与所述决策模块通信连接;所述通信模块配置为用于与环境的通信交互、用于与其它所述任务执行Agent之间的通信交互、以及用于与所述管理Agent的通信交互;所述态势感知模块配置为基于一个或多个其它所述任务执行Agent采集的战场态势信息,提取自主决策有用的态势信息,将探测到的外界威胁信息进行多属性威胁值计算,完成威胁评估和敌我力量分析;所述任务规划模块配置为完成集群整体资源分配,根据任务需求和当前环境态势进行任务队列的规划管理;所述决策模块配置为对所述任务规划模块指定的任务进行战术决策,规划动作序列并处理接收到的紧急事件,以做出动作指令响应;所述协同模块配置为实时接收其它所述任务执行Agent信息,判断是否和本身任务状态存在冲突;所述信息存储区配置为存储其它所述任务执行Agent的能力信息和工作环境领域相关知识;所述执行模块配置为选择合适的动作行为或方法执行任务;
在工作状态下,所述核心云系统基于数据分发服务对各个所述局部云进行任务规划;多个所述任务执行Agent执行分发的对应任务;所述管理Agent基于各个所述任务执行Agent执行任务过程中采集的环境信息制定相关措施;所述相关措施包括下发多个所述任务执行Agent按照预设方案进行协作的指令;其中,所述管理Agent为管理智能体,所述任务执行Agent为任务执行智能体。
2.根据权利要求1所述的面向云环境的多机器人协同感知服务系统,其特征在于,所述管理Agent包括数据处理模块、知识库、任务集合模块、任务处理模块、主协商模块和协调规划模块,所述数据处理模块与所述任务集合模块通信连接,所述任务处理模块与所述任务集合模块通信连接,所述知识库与所述任务处理模块通信连接,所述主协商模块与所述任务处理模块通信连接;
所述数据处理模块配置为接收的所述任务执行Agent发送的初始信息,剔除所述初始信息中的不必要信息,并将剩余的信息梳理成任务形式;
所述知识库配置为存储多个所述任务执行Agent的能力信息和工作领域相关知识;
所述任务集合模块配置为存储未完成的任务,并根据求解的进行和任务环境实时更新;
所述任务处理模块配置为进行任务分解、进行任务及子任务之间关联关系的分析处理;
所述主协商模块配置为进行与所述任务执行Agent之间的信息交互,发起协商请求。
3.根据权利要求2所述的面向云环境的多机器人协同感知服务系统,其特征在于,所述任务执行Agent还包括感知模块,所述感知模块与所述任务规划模块、所述数据处理模块通信连接;所述感知模块配置为存储从环境感知到的环境信息、与其它所述任务执行Agent交互得到的环境信息以及与所述管理Agent交互得到的任务信息;
所述协同模块包括子协商模块和协商规划模块,所述子协商模块与所述主协商模块通信连接;所述协商规划模块配置为提供其它所述执行任务执行Agent发送的交互信息、任务结果和任务承诺,制定协调规划方法。
4.根据权利要求3所述的面向云环境的多机器人协同感知服务系统,其特征在于,单个所述局部云中的所述管理Agent与一个或多个所述任务执行Agent协作工作流程具体如下:
所述数据处理模块基于接收的信息筛选出任务信息并存储至所述任务集合模块中;
所述任务处理模块将已有的主任务分解成相对独立的子任务,同时分析主任务与子任务之间的关联,判断是否需要多个所述任务执行Agent协作;若否,则发送至单个所述任务执行Agent,单个所述任务执行Agent根据自身对环境的认知独立规划;若是,通过所述主协商模块传达任务至多个所述任务执行Agent,每个所述任务执行Agent中的子协商模块与所述主协商模块进行任务求解的协商,或者,每个所述任务执行Agent中的协商规划模块与其它所述任务执行Agent进行任务求解的协调规划。
5.根据权利要求1所述的面向云环境的多机器人协同感知服务系统,其特征在于,该系统还包括局部云服务框架,所述局部云服务框架包括应用层、服务管理层和云服务层;所述服务管理层与所述应用层通信连接,所述云服务层与所述服务管理层通信连接;
所述应用层配置为构建需求并将需求发送至所述服务管理层;
所述服务管理层包括服务代理模块、资源监控模块和数据分发服务模块,所述服务代理模块、所述数据分发服务模块均与所述资源监控模块通信连接;
所述服务代理模块配置为连接所述应用层与所述数据分发服务模块,整合封装所述应用层的需求,建立申请云服务的智能体与服务的联系;所述智能体为所述管理Agent或者所述任务执行Agent;所述资源监控模块配置为监控资源使用信息;所述数据分发服务模块配置为基于DDS技术进行资源请求信息发布以及资源协作请求信息的接收;
所述云服务层配置为存储有多种资源,用于向多个所述任务执行Agent提供对应的资源。
6.根据权利要求5所述的面向云环境的多机器人协同感知服务系统,其特征在于,所述数据分发服务模块采用发布/订阅机制,以数据为中心,提供服务质量策略,以实现所述局部云的数据传输及服务调度;
所述局部云服务框架还包括云服务重构模块,所述云服务重构模块与所述云服务层通信连接;当所述云服务层不可靠或者面向特定应用场景的局部云服务不满足服务需求时,触发所述云服务重构模块,所述云服务重构模块基于粒子群算法输出云服务协同重构方案。
7.一种面向云环境的多机器人协同感知服务方法,其特征在于,该方法基于权利要求1-6中任一项所述的面向云环境的多机器人协同感知服务系统,包括以下步骤:
步骤S100,不同任务执行Agent基于自身环境感知区域和功能的不同分配至不同的局部云中,不同局部云向云服务申请不同的资源;
步骤S200,单个局部云中的管理Agent基于任务执行Agent采集的环境信息判断是否需要其它任务执行Agent进行协作;若否,则任务执行Agent通过任务规划模块进行自身行为规划以执行任务;若是,则管理Agent与其它任务执行Agent进行信息交互,进行任务求解的协商以及协调规划;
步骤S300,当局部云的内部资源不满足应用需求时,向核心云系统发送请求协作信息,核心云系统基于其它局部云的交互信息以及DDS数据分发服务机制,划分在同一云域的其它局部云与请求协作的局部云进行通信与协作。
8.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被所述处理器执行的指令,所述指令用于被所述处理器执行以实现权利要求7所述的面向云环境的多机器人协同感知服务方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于被所述计算机执行以实现权利要求7所述的面向云环境的多机器人协同感知服务方法。
CN202110309410.4A 2021-03-23 2021-03-23 面向云环境的多机器人协同感知服务系统、方法及设备 Active CN113037857B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110309410.4A CN113037857B (zh) 2021-03-23 2021-03-23 面向云环境的多机器人协同感知服务系统、方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110309410.4A CN113037857B (zh) 2021-03-23 2021-03-23 面向云环境的多机器人协同感知服务系统、方法及设备

Publications (2)

Publication Number Publication Date
CN113037857A CN113037857A (zh) 2021-06-25
CN113037857B true CN113037857B (zh) 2022-01-21

Family

ID=76472892

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110309410.4A Active CN113037857B (zh) 2021-03-23 2021-03-23 面向云环境的多机器人协同感知服务系统、方法及设备

Country Status (1)

Country Link
CN (1) CN113037857B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113721574B (zh) * 2021-09-07 2023-07-18 中国联合网络通信集团有限公司 一种柔顺控制方法、mec、现场单元、柔顺控制系统及装置
CN116073925A (zh) * 2021-11-04 2023-05-05 维沃软件技术有限公司 无线感知协同方法、装置、网络侧设备和终端
CN115840892B (zh) * 2022-12-09 2024-04-19 中山大学 一种复杂环境下多智能体层次化自主决策方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110278249A (zh) * 2019-05-30 2019-09-24 天津神兔未来科技有限公司 一种分布式群体智能系统
CN111770133A (zh) * 2020-05-20 2020-10-13 同济大学 一种多体慧联云控平台
CN112381454A (zh) * 2020-12-04 2021-02-19 中国科学院自动化研究所 基于角色的多智能体任务协同系统
CN112379992A (zh) * 2020-12-04 2021-02-19 中国科学院自动化研究所 基于角色的多智能体任务协同消息传递及异常处理方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107770271A (zh) * 2017-10-20 2018-03-06 南方电网科学研究院有限责任公司 集群机器人云控制方法、装置和系统
CN112506654B (zh) * 2020-12-07 2023-07-18 中国船舶集团有限公司第七一六研究所 一种工业机器人分布式协同调试方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110278249A (zh) * 2019-05-30 2019-09-24 天津神兔未来科技有限公司 一种分布式群体智能系统
CN111770133A (zh) * 2020-05-20 2020-10-13 同济大学 一种多体慧联云控平台
CN112381454A (zh) * 2020-12-04 2021-02-19 中国科学院自动化研究所 基于角色的多智能体任务协同系统
CN112379992A (zh) * 2020-12-04 2021-02-19 中国科学院自动化研究所 基于角色的多智能体任务协同消息传递及异常处理方法

Also Published As

Publication number Publication date
CN113037857A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN113037857B (zh) 面向云环境的多机器人协同感知服务系统、方法及设备
Schwarzrock et al. Solving task allocation problem in multi unmanned aerial vehicles systems using swarm intelligence
CN112425137A (zh) 建模和模拟IoT系统的系统和方法
CN106502266B (zh) 一种多机协同作业指挥控制系统
Amorim et al. Assessing a swarm-GAP based solution for the task allocation problem in dynamic scenarios
US7236861B2 (en) Mission planning system with asynchronous request capability
Ryu et al. Agent-based fractal architecture and modelling for developing distributed manufacturing systems
US20110184604A1 (en) Hierarchical contingency management system for mission planners
CN100530133C (zh) 用于在网格环境内管理工作负荷的方法和系统
Gancet et al. Task planning and control for a multi-UAV system: architecture and algorithms
CN103581339A (zh) 基于云计算的存储资源分配监控处理方法
Ferguson et al. Optimizing the IT business supply chain utilizing cloud computing
Bucchiarone Collective adaptation through multi-agents ensembles: The case of smart urban mobility
Zhao et al. Modeling of service agents for simulation in cloud manufacturing
Chen et al. Multi-agent task planning and resource apportionment in a smart grid
Pizzocaro et al. A distributed architecture for heterogeneous multi sensor-task allocation
CN116614385A (zh) 基于数字孪生的业务调度路径规划方法、装置和设备
US11212173B2 (en) Model-driven technique for virtual network function rehoming for service chains
Yaghoobirafi et al. An autonomic mechanism based on ant colony pattern for detecting the source of incidents in complex enterprise systems
Dimolitsas et al. Enabling industrial network slicing orchestration: A collaborative edge robotics use case
Sharma et al. GEMM, a Genetic Engineering-Based Mutual Model for Resource Allocation of Grid Computing
Almeida et al. RIC-O: Efficient placement of a disaggregated and distributed RAN Intelligent Controller with dynamic clustering of radio nodes
Nourjou et al. Introduction to spatially distributed intelligent assistant agents for coordination of human-agent teams' actions
Cano et al. Solving the task variant allocation problem in distributed robotics
Smirnov et al. Robot interaction through smart contract for blockchain-based coalition formation

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