CN113552886A - 去中心化群体机器人编队控制方法、控制系统及电子设备 - Google Patents
去中心化群体机器人编队控制方法、控制系统及电子设备 Download PDFInfo
- Publication number
- CN113552886A CN113552886A CN202110839175.1A CN202110839175A CN113552886A CN 113552886 A CN113552886 A CN 113552886A CN 202110839175 A CN202110839175 A CN 202110839175A CN 113552886 A CN113552886 A CN 113552886A
- Authority
- CN
- China
- Prior art keywords
- target
- robot
- distance
- preset
- positioning
- 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.)
- Pending
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000008447 perception Effects 0.000 claims description 25
- 230000015654 memory Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本申请公开了一种去中心化群体机器人编队控制方法、控制系统及电子设备,当机器人的目标选取发生冲突,机器人获取随机概率,当随机概率大于或等于预设概率阈值且机器人预设感知范围内存在未被选取的目标,从未被选取的目标中选取与机器人最近的目标,得到定位目标;当随机概率大于或等于预设概率阈值且机器人预设感知范围内不存在未被选取的目标,从第一目标集中选取与机器人最近的目标,得到定位目标,第一目标集为机器人已知未被选取的目标集;当随机概率小于预设概率阈值,从第一目标集中随机选取一个目标,得到定位目标。本申请的去中心化群体机器人编队控制方法,去除了机器人编队的中心化,提高机器人编队的可靠性、可扩展性。
Description
技术领域
本申请涉及机器人编队控制领域,尤其涉及一种去中心化群体机器人编队控制方法、控制系统及电子设备。
背景技术
机器人代替人完成在复杂、危险的环境下的重复性工作,加速了社会的发展。近年来社会市场对机器人的功能的提出了新的需求,机器人需要完成更为复杂的检测任务甚至作业任务,但是面对复杂的、高效率的、并行完成的任务时,单一的机器人无法胜任,需要多机器人协同。
机器人编队控制是一种多个机器人在达到目标队形的过程中,既能组成目标队形,又可以适应具体的环境约束的一种控制方法。
相关技术中,去中心化群体机器人编队控制方法主要分为两大类:基于个体感知的控制方法和基于位置的控制方法。在基于个体感知的控制方法中,每个机器人控制它和其他邻近机器人之间的相对距离和角度,从而实现最终的编队控制,以形成期望的队列。在这一类的方法中只需要机器人有相对定位,不需要在GPS环境中就能够实现,但是其难点在于如何只用点对点的相互通信来达到最终编队的全局稳定性。如:使用领航者——跟随者的方法,在这种方法中,需要选取一个机器人作为领航者(leader),其他机器人作为跟随者(follower)。跟随者以相对其领航者的位置相对距离、相对角度中作为输入控制量,使得跟随者与领航者的相对位置无限逼近目标值,以动态维持特定的队形,从而达到期望的编队。但这种方法局限于领航者的选取,领航者作为一个单点控制中心,来对跟随者进行协调控制,其可靠性较低,一旦控制中心发生宕机,整个系统将无法运作。
在基于位置的控制方法中,每个机器人需要知道它的全局定位信息,这类方法的难点在于如何高效的生成无碰撞的机器人路径。这类方法的可扩展性较差,只适用于小规模群体机器人编队,无法扩展到大规模的场景。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种去中心化群体机器人编队控制方法,提高了群体机器人编队的可靠性,保证了群体机器人编队的可扩展性。
本申请还提出一种去中心化群体机器人编队控制系统。
本申请还提出一种电子设备。
根据本申请的第一方面实施例的去中心化群体机器人编队控制方法,包括:
获取预设期望队形并完成初始化;
随机选取所述预设期望队形中任意一个目标,以得到并输出第一目标;
获取预设感知范围内其他机器人已选取的目标,以得到定位目标集;
若所述定位目标集中存在与所述第一目标一致的目标,则定义与所述第一目标一致的目标对应的机器人为冲突机器人,根据所述冲突机器人与所述第一目标的距离、所述机器人与所述第一目标的距离确定定位目标;
获取当前位置信息,并根据所述当前位置信息和所述定位目标确定运动轨迹。
根据本申请实施例的去中心化群体机器人编队控制方法,至少具有如下有益效果:每个机器人都获取预设期望队形,并从预设期望队形中随即选取并输出自己选取的目标,即第一目标,并获取其他机器人已选取的目标以判断自己所选取的目标与其他机器人选的目标是否存在冲突,若存在冲突,则根据冲突机器人与第一目标的距离以及机器人与所第一目标的距离确定定位目标,并根据自己的位置和定位目标确定运动轨迹,通过这样设置,每个机器人只需要上报其自身选取的目标,降低了通信负载;并且,没有控制中心,去除了中心化,保证了可扩展性,增强了编队的可靠性。
根据本申请的一些实施例,所述去中心化群体机器人编队控制方法,还包括:
若所述定位目标集中不存在与所述第一目标一致的目标,则确定所述第一目标为所述定位目标。
根据本申请的一些实施例,所述根据所述冲突机器人与所述第一目标的距离以及所述机器人与所述第一目标的距离确定定位目标,包括:
获取与所述第一目标的距离,以得到第一距离;
获取所述第一目标与所述冲突机器人的距离,以得到第二距离;
若所述第一距离小于所述第二距离,则确定所述第一目标为定位目标。
根据本申请的一些实施例,所述反馈指令包括:确认指令和交换指令,所述等待并接收反馈指令,并根据所述反馈指令以所述第一目标或根据所述反馈指令交换冲突机器人发送的目标为所述定位目标,包括:
若接收所述确认指令,则确认所述第一目标为所述定位目标;
若接收所述交换指令,则根据所述交换指令交换所述冲突机器人发送的目标,以得到所述定位目标。
根据本申请的一些实施例,所述根据所述冲突机器人与所述第一目标的距离以及所述机器人与所述第一目标的距离确定定位目标,还包括:
若所述第一距离大于所述第二距离,则放弃所述第一目标,并获取随机概率;
获取所述机器人已知未被选取的目标集,以得到第一目标集;
根据所述随机概率和预设概率阈值在所述第一目标集中选取一个目标,以得到所述定位目标。
根据本申请的一些实施例,所述根据所述随机概率和预设概率阈值在所述第一目标集中选取一个目标,以得到所述定位目标,包括:
若所述随机概率大于或等于所述预设概率阈值,且所述第一目标集中存在目标位于所述机器人的所述预设感知范围内,则从位于所述预设感知范围内的目标中选取与所述机器人距离最近的目标,以得到所述定位目标;
若所述随机概率大于或等于所述预设概率阈值,且所述第一目标集中不存在目标位于所述机器人的所述预设感知范围内,则从第一目标集中选取与所述机器人距离最近的目标,以得到所述定位目标。
根据本申请的一些实施例,所述根据所述随机概率和预设概率阈值在所述第一目标集中选取一个目标,以得到所述定位目标,还包括:
若所述随机概率小于所述预设概率阈值,则从所述第一目标集中随机选取一个目标,以得到所述定位目标。
根据本申请的一些实施例,所述去中心化群体机器人编队控制方法还包括:
在所述运动轨迹运动的过程中实时获取与其他机器人的距离,以得到第三距离;
若所述第三距离大于或等于预设安全距离,则向所述定位目标运动;
若所述第三距离小于所述预设安全距离,则执行避障操作
根据本申请的一些实施例,所述去中心化群体机器人编队控制方法还包括:
获取运动过程中预设感知范围内其他机器人的目标,以得到第二目标,并定义所述第二目标对应的机器人为感知机器人;
获取与所述第二目标的距离,以得到第四距离,获取感知机器人与第二目标的距离,以得到第五距离;
获取与所述定位目标的距离,以得到第六距离,获取感知机器人与所述定位目标的距离,以得到第七距离;
若所述第五距离、所述第六距离之和大于或等于所述第四距离、所述第七距离之和,则与所述感知机器人交换目标;
若所述第五距离、所述第六距离之和小于所述第四距离、所述第七距离之和,则不与所述感知机器人交换目标。
根据本申请的第二方面实施例的去中心化群体机器人编队控制系统,包括:
获取模块,所述获取模块用于获取预设期望队形;
选取模块,所述选取模块用于随机选取所述预设期望队形中任意一个目标,以得到并输出第一目标;
所述获取模块还用于获取预设感知范围内其他机器人已选取的目标,以得到定位目标集;
处理模块,所述处理模块用于完成初始化;
判断模块,所述判断模块用于判断所述定位目标集中是否存在于所述第一目标一致的目标,若所述定位目标集中存在与所述第一目标一致的目标,则定义与所述第一目标一致的目标对应的机器人为冲突机器人;
所述处理模块还用于根据所述冲突机器人与所述第一目标的距离以及所述机器人与所述第一目标的距离确定定位目标;
所述获取模块还用于获取当前位置信息;
所述处理模块还用于根据所述当前位置信息和所述定位目标确定运动轨迹。
根据本申请实施例的去中心化群体机器人编队控制系统,至少具有如下有益效果:每个机器人都获取预设期望队形,并从预设期望队形中随即选取并输出自己选取的目标,即第一目标,并获取其他机器人已选取的目标以判断自己所选取的目标与其他机器人选的目标是否存在冲突,若存在冲突,则根据冲突机器人与第一目标的距离以及机器人与所第一目标的距离确定定位目标,并根据自己的位置和定位目标确定运动轨迹,通过这样设置,每个机器人只需要上报其自身选取的目标,降低了通信负载;并且,没有控制中心,去除了中心化,保证了可扩展性,增强了编队的可靠性。
根据本申请的第三方面实施例的电子设备,包括存储器、处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如第一方面实施例中任意一项所述的去中心化群体机器人编队控制方法。
本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
下面结合附图和实施例对本申请做进一步的说明,其中:
图1为本申请一些实施例提供的去中心化群体机器人编队控制方法的流程图;
图2为本申请一些实施例提供的去中心化群体机器人编队控制方法的流程图;
图3-A为本申请一些实施例提供的机器人目标编队示意图;
图3-B为本申请一些实施例提供的机器人目标编队示意图;
图3-C为本申请一些实施例提供的机器人目标编队示意图;
图3-D为本申请一些实施例提供的机器人目标编队示意图;
图3-E为本申请一些实施例提供的机器人预设期望队形以及最终编队示意图;
图3-F为本申请一些实施例提供的机器人预设期望队形以及最终编队示意图;
图3-G为本申请一些实施例提供的机器人预设期望队形以及最终编队示意图;
图4为本申请一些实施例提供的去中心化群体机器人编队控制方法的流程图;
图5为本申请一些实施例提供的去中心化群体机器人编队控制方法的流程图;
图6为本申请一些实施例提供的去中心化群体机器人编队控制方法的流程图;
图7为本申请一些实施例提供的去中心化群体机器人编队控制方法的流程图;
图8为本申请一些实施例提供的去中心化群体机器人编队控制系统的模块框图。
附图标记:100、获取模块;200、选取模块;300、处理模块;400、判断模块。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。
在本申请的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的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申请的限制。
在本申请的描述中,若干的含义是一个以上,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本申请的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本申请中的具体含义。
本申请的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
第一方面,参照图1,本申请的一些实施例提供了一种去中心化群体机器人编队控制方法,包括但不限于步骤S100、步骤S200、步骤S300、步骤S400和步骤S500。
步骤S100:获取预设期望队形并完成初始化;
步骤S200:随机选取预设期望队形中任意一个目标,以得到并输出第一目标;
步骤S300:获取预设感知范围内其他机器人已选取的目标,以得到定位目标集;
步骤S400:若定位目标集中存在与第一目标一致的目标,则定义与第一目标一致的目标对应的机器人为冲突机器人,根据冲突机器人与第一目标的距离、机器人与第一目标的距离确定定位目标;
步骤S500:获取当前位置信息,并根据当前位置信息和定位目标确定运动轨迹。
参照图2,在本申请的一些实施例中,去中心化群体机器人编队控制方法还包括步骤S600。
步骤S600:若定位目标集中不存在与第一目标一致的目标,则确定第一目标为定位目标。
每一个机器人都从服务器端获取预设期望队形,并且从预设期望队形中随机选取一个目标,以得到并输出第一目标,第一目标为机器人当前时刻选取的目标。获取预设感知范围内的其他机器人已选取的目标,得到定位目标集,再判断定位目标集中是否存在于第一目标相冲突的目标,如果存在,则定义与第一目标一致的目标对应的机器人为冲突机器人,并根据冲突机器人与第一目标的距离以及机器人与第一目标的距离确定定位目标;如果不存在,则第一目标就为该机器人的定位目标。得到定位目标以后,获取机器人自身的当前位置信息,根据当前位置信息和定位目标确定运动轨迹。
本申请实施例的去中心化群体机器人编队控制方法,每个机器人都获取预设期望队形,并从预设期望队形中随即选取并输出自己选取的目标,即第一目标,并获取其预设感知范围内的其他机器人已选取的目标以判断自己所选取的目标与其他机器人选的目标是否存在冲突,若存在冲突,则根据冲突机器人与第一目标的距离以及机器人与第一目标的距离确定定位目标,并根据自己的位置和定位目标确定运动轨迹,通过这样设置,每个机器人只需要广播其自身选取的目标和自身的位置坐标,降低了通信负载;并且,没有控制中心,去除了中心化,保证了可扩展性,增强了编队的可靠性。
具体地,在本申请中,每个机器人所执行的程序均一致,预设期望队形为服务器下发。机器人接收到预设期望队形后,从预设期望队形中随机选取一个目标,以得到第一目标。每个机器人选取目标以后,不仅始终广播自己当前已选取的目标,还始终广播自己当前的位置信息。每个机器人获取其预设感知范围内其他机器人选取的目标,以得到定位目标集后,判断定位目标集中是否存在与它选取相同目标的机器人,当定位目标集中不存在与第一目标一致的目标,则认定第一目标为定位目标。当定位目标集中存在与第一目标一致的目标,则定义与第一目标一致的目标对应的机器人为冲突机器人,再根据冲突机器人与第一目标的距离以及机器人与第一目标的距离确定定位目标。确定定位目标以后,机器人再朝向定位目标移动,以实现预设期望队形的机器人编队。
需要说明的是,本申请中机器人获得的位置信息通过坐标信息表现出来,如通过GPS或者北斗卫星等得到具体的坐标信息,以得到位置信息。预设期望队形可以是任意一个图形,服务器对该图形进行二值化处理得到预设期望图片,再根据机器人的数量对预设期望图片进行编码,生成目标的坐标位置,再将这些坐标位置下发至机器人,机器人存储的预设期望队形为目标的坐标位置,随机选取也是该目标对应的坐标位置。本申请的去中心化群体机器人编队控制方法,不仅适用于二维编队,还适用于三维编队。本申请的初始化操作主要包括:程序的复位和一些传感器的初始化,如距离传感器和位置传感器的初始化。
例如:参照图3,图3包括图3-A至图3-F,在图3中,图3-A为需要编队的原图,图3-B至图3-D为机器人编队分别以50、100、150个机器人二值化处理后得到的二值化处理图,图3-E对应图3-B的预设期望队形,也是机器人根据对应的预设期望队形编队后的实际队形;图3-F对应图3-C的预设期望队形,也是机器人根据对应的预设期望队形编队后的实际队形;图3-G对应图3-D的预设期望队形,也是机器人根据对应的预设期望队形编队后的实际队形。图3-E至图3-G中每一个点代表机器人编队后的实际位置。
例如:假设存在四个机器人,分别命名为机器人A、机器人B、机器人C和机器人D。存在四个目标分为命名为a、b、c和d。
以机器人A为例,其当前时刻选取的目标,即第一目标为a,其预设感知范围内有且仅有机器人B和机器人C,机器人B选取的目标为b,机器人C选取的目标为c。机器人D仅在机器人B的预设感知范围内,机器人D的第一目标为d。那么,机器人A的定位目标集为{b,c},在这种情况下,可以直接确定第一目标a为机器人A的定位目标。
本申请的去中心化群体机器人编队控制方法中,在产生目标冲突以后没有取消选取的操作,即当两个或者多个机器人发生目标冲突时,冲突消解后,其中必有一个机器人仍然选取当前目标,而其他机器人会重新选取新的目标。因此,随着目标选取的不断迭代,每个机器人已知被选取的目标越来越多,可选的的目标越来越少,最终确保所有目标都被不同的机器人选中。
需要说明的是,在本申请中,每个机器人所执行的程序一致,其他机器人定位目标的选取与机器人A的选取方法一致,在此不再赘述。多个机器人发生目标冲突时,其冲突消解的方式与两个机器人发生目标冲突时类似,在此不再赘述。预设感知范围与机器人的感知半径有关,机器人的感知半径与机器人本身所携带的传感器参数有关,如:所有机器人携带参数一样的距离传感器,则所有机器人的感知半径一样,预设感知范围的大小也相同,每个机器人所执行的程序一致,其他机器人定位目标的选取与机器人A的选取方法一致,在此不再赘述。
可以理解的是,当某个机器人E与机器人A产生冲突时,对于机器人A来说,机器人E为冲突机器人,对于机器人E来说,机器人A同样为冲突机器人。
参照图4,在本申请的一些实施例中,步骤“根据冲突机器人与第一目标的距离以及机器人与第一目标的距离确定定位目标”包括但不限于步骤S410、步骤S420和步骤S430。
步骤S410:获取与第一目标的距离,以得到第一距离;
步骤S420:获取第一目标与冲突机器人的距离,以得到第二距离;
步骤S430:若第一距离小于第二距离,则确定第一目标为定位目标。
在本申请的一些实施例中,步骤“根据冲突机器人与第一目标的距离以及机器人与第一目标的距离确定定位目标”还包括但不限于步骤S440、步骤S450、步骤S460。
步骤S440:若第一距离大于第二距离,则放弃第一目标,并获取随机概率;
步骤S450:获取机器人已知未被选取的目标,以得到第一目标集;
步骤S460:根据随机概率和预设概率阈值在第一目标集中选取一个目标,以得到定位目标。
当两个机器人的目标选取存在冲突时,则距离第一目标近的机器人将第一目标确定为定位目标,距离第一目标相对较远的机器人重新获取目标,以得到对应的定位目标。具体为:获取机器人到第一目标的距离,以得到第一距离,获取冲突机器人与第一目标的距离,以得到第二距离,再通过判断第一距离与第二距离的大小,以确定第一目标为哪个机器人的定位目标。如果第一距离小于第二距离,则第一目标为机器人的定位目标;如果第一距离大于第二距离,则第一目标为冲突机器人的定位目标。
需要说明的是,当第一距离与第二距离相等时,进行坐标比较,判断机器人与冲突机器人的坐标值,将第一目标确定为坐标较小的机器人的定位目标。其中,坐标比较方法为依次比较x,y,z的坐标值。具体如下:若x1<x2,则选x1对应的机器人;若x1=x2,则比较y1和y2,若y1<y2,则选y1对应的机器人,若y1>y2则选y2对应的机器人;若x1=x2且y1=y2,则比较z1和z2的大小。
参照图5,在本申请的一些实施例中,步骤S460包括但不限于步骤S461和步骤S462。
步骤S461:若随机概率大于或等于预设概率阈值,且第一目标集中存在目标位于机器人的预设感知范围内,则从位于预设感知范围内的目标中选取与机器人距离最近的目标,以得到定位目标;
步骤S462:若随机概率大于或等于预设概率阈值,且第一目标集中不存在目标位于机器人的预设感知范围内,则从第一目标集中选取与机器人距离最近的目标,以得到定位目标。
在本申请的一些实施例中,步骤S460还包括但不限于步骤S463。
步骤S463:若随机概率小于预设概率阈值,则从第一目标集中随机选取一个目标,以得到定位目标。
当存在机器人选取同一个目标时,即存在目标选取冲突时,其中,必定有一个机器人仍然选取当前目标,而其他机器人会重新选取新的目标。在重新选取目标时,会获取一个随机概率,以及获取机器人已知未被选取的目标,以得到第一目标集,并且判断随机概率与预设概率阈值的大小。当随机概率大于或等于预设概率阈值,且第一目标集中存在位于机器人预设感知范围内的目标时,则从位于机器人预设感知范围内的目标中选取与机器人距离最近的一个目标,以得到定位目标。当随机概率大于或等于预设概率阈值,且第一目标集中不存在位于机器人预设感知范围内的目标时,则从第一目标集中选取与机器人距离最近的一个目标,以得到定位目标。当随机概率小于预设概率阈值,则从预设期望队形中未被选取的目标中随机选取一个目标,以得到定位目标。即在预设概率阈值较小的情况下,以较大的概率在第一目标集中或预设感知范围内未被选取的目标中选取与机器人最近的目标,以较小的概率在预设期望队形中未被选取的目标中随机选取一个目标。通过这样设置,以概率的形式分不同情况选取,能够避免死锁的发生。
需要说明的是,在机器人运动的过程中,机器人已知被选取的目标会越来越多,取机器人已知被选取的目标集合与预设期望队形的差集,即可得到机器人已知未被选取的集合,即第一目标集。
例如:假设有10个机器人{A,B,C,D,E,F,G,H,I,J}和10个目标{1,2,3,...,10},机器人A在t1时刻选取了目标1,并感知到了机器人B、C选取了目标2、3,那么机器人A本地存储的已知被选取的目标集为{1,2,3},第一目标集为{4,5,...,10}。在t2时刻,机器人A又感知到了机器人D、E选取了目标3、4,此时机器人A已知被选取的目标集为{1,2,3,4},其中目标3不重复存储,第一目标集则相应为{5,6,...,10}。因为没有目标释放的操作,已知被选择的目标一定最终会被某个机器人占领,随着算法的不断运行,第一目标集中的目标数量会不断减少,机器人始终是在它已知未被选取的目标集中选取新目标。
下面,以一个具体的例子说明本申请的目标冲突时的重新选取目标的方法(冲突消解机制),可以理解的是,本实施例仅仅为了说明,而不能理解为对本申请的限制。
假设一共存在4个机器人A、B、C、D和4个目标a、b、c、d。以机器人A举例,其当前选取的目标,即第一目标为a,其预设感知范围内有机器人B、C,选取的目标分别为b、a。为简单化解释,我们假设机器人D位置较远,不在任何机器人的预设感知范围内。此时机器人A与机器人C的目标存在冲突,那么机器人B将继续向目标b前进,而机器人A和C中距离目标a更近的机器人会继续向目标a前进,距离目标a更远的机器人需要重新选择目标。假设机器人C距离目标a更近,那么机器人A需要重新选择目标。机器人A的定位目标集为{a,b},所有目标的集合为{a,b,c,d},那么机器人A将在这两个目标的差集,以得到第一目标集{c,d},并在第一目标集中选取新的目标。选取新目标的方法是:预先设定一个概率p,例如p=0.1,随机一个0~1之间的数x,1)如果x>p,那么优先从集合{c,d}中选取机器人预设感知范围内最近的未被选取的目标,即如果目标c在机器人A的感知半径R内而d不在,优先选择c,如果目标c、d都在机器人A的预设感知范围内,优先选择距离近的目标,如果目标c、d都不在机器人A的预设感知范围内,则选取从c、d中选取距离近的目标;2)反之如果x<p,那么从{c,d}中随机选取一个目标。通过这样设置,能够避免死锁的发生。
参照图6,在本申请的一些实施例中,机器人编队控制方法还包括但不限于步骤S700、步骤S800和步骤S900。
步骤S700:在运动轨迹运动的过程中实时获取与其他机器人的距离,以得到第三距离;
步骤S800:若第三距离大于或等于预设安全距离,则向定位目标运动;
步骤S900:若第三距离小于预设安全距离,则执行避障操作。
对于每个机器人来说,确定定位目标以后,需要朝着定位目标移动,并且在运动过程中需要避开其他障碍物。在机器人运动过程中,能够获取其预设感知范围内的其他邻近机器人,如果和邻近机器人的距离小于设定的安全距离,则需要执行避障操作,以第三距离,使第三距离大于预设安全距离。
参照图7,在本申请的一些实施例中,去中心化群体机器人编队控制方法还包括步骤S1000、步骤S1100、步骤S1200、步骤S1300和步骤S1400。
步骤S1000:获取运动过程中预设感知范围内其他机器人的目标,以得到第二目标,并定义第二目标对应的机器人为感知机器人;
步骤S1100:获取与第二目标的距离,以得到第四距离,获取感知机器人与第二目标的距离,以得到第五距离;
步骤S1200:获取与定位目标的距离,以得到第六距离,获取感知机器人与定位目标的距离,以得到第七距离;
步骤S1300:若第五距离、第六距离之和大于或等于第四距离、第七距离之和,则与感知机器人交换目标;
步骤S1400:若第五距离、第六距离之和小于第四距离、第七距离之和,则不与感知机器人交换目标。
通过这样设置,在机器人运动过程中,获取预设感知范围内的其他机器人,并且判断互相交换目标,能否减少总距离,以便于在机器人朝向定位目标移动时将运动的距离最小,从而节约移动的能源,降低成本。
参照图8,第二方面,本申请的一些实施例提供了一种去中心化群体机器人编队控制系统包括获取模块100、选取模块200、处理模块300和判断模块400。
获取模块100用于获取预设期望队形;获取模块100还用于获取预设感知范围内其他机器人已选取的目标,以得到定位目标集;获取模块100还用于获取当前位置信息。
选取模块200用于随机选取预设期望队形中任意一个目标,以得到并输出第一目标。
判断模块400用于判断定位目标集中是否存在于第一目标一致的目标,若定位目标集中存在与第一目标一致的目标,则定义与第一目标一致的目标对应的机器人为冲突机器人。
处理模块300还用于完成初始化,处理模块300还用于根据冲突机器人与第一目标的距离、机器人与第一目标的距离确定定位目标;处理模块300还用于根据当前位置信息和定位目标确定运动轨迹。
每一个机器人都从服务器端获取预设期望队形,并且从预设期望队形中随机选取一个目标,以得到并输出第一目标,并且获取预设感知范围内的其他机器人已选取的目标,得到定位目标集,再确定定位目标集中是否存在于第一目标相冲突的目标,如果存在,则定义与第一目标一致的目标对应的机器人为冲突机器人,并根据冲突机器人与第一目标的距离以及机器人与第一目标的距离确定定位目标;如果不存在,则第一目标就为该机器人的定位目标。得到定位目标以后,获取机器人自身的当前位置信息,根据当前位置信息和定位目标确定运动轨迹。
本申请实施例的去中心化群体机器人编队控制方法,每个机器人都获取预设期望队形,并从预设期望队形中随即选取并输出自己选取的目标,即第一目标,并获取其预设感知范围内的其他机器人已选取的目标以判断自己所选取的目标与其他机器人选的目标是否存在冲突,若存在冲突,则根据冲突机器人与第一目标的距离以及机器人与所第一目标的距离确定定位目标,并根据自己的位置和定位目标确定运动轨迹,通过这样设置,每个机器人只需要广播其自身选取的目标和自身的位置坐标,降低了通信负载;并且,没有控制中心,去除了中心化,保证了可扩展性,增强了编队的可靠性。
本申请的去中心化群体机器人编队控制系统与前述的控制方法类似,在此不再赘述。
第三方面,本申请实施例还提供了一种电子设备。
在一些实施例中,电子设备包括: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,存储器存储有指令,指令被至少一个处理器执行,以使至少一个处理器执行指令时实现本申请实施例中任一项去中心化群体机器人编队控制方法。
处理器和存储器可以通过总线或者其他方式连接。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序,如本申请实施例描述的去中心化群体机器人编队控制方法。处理器通过运行存储在存储器中的非暂态软件程序以及指令,从而实现上述的去中心化群体机器人编队控制方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储执行上述去中心化群体机器人编队控制方法。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,比如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现上述的去中心化群体机器人编队控制方法所需的非暂态软件程序以及指令存储在存储器中,当被一个或者多个处理器执行时,执行上述第一方面实施例中提到的去中心化群体机器人编队控制方法。
上面结合附图对本申请实施例作了详细说明,但是本申请不限于上述实施例,在所属技术领域普通技术人员所具备的知识范围内,还可以在不脱离本申请宗旨的前提下作出各种变化。此外,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
Claims (10)
1.一种去中心化群体机器人编队控制方法,应用于机器人,其特征在于,包括:
获取预设期望队形并完成初始化;
随机选取所述预设期望队形中任意一个目标,以得到并输出第一目标;
获取预设感知范围内其他机器人已选取的目标,以得到定位目标集;
若所述定位目标集中存在与所述第一目标一致的目标,则定义与所述第一目标一致的目标对应的机器人为冲突机器人,根据所述冲突机器人与所述第一目标的距离、所述机器人与所述第一目标的距离确定定位目标;
获取当前位置信息,并根据所述当前位置信息和所述定位目标确定运动轨迹。
2.根据权利要求1所述的去中心化群体机器人编队控制方法,其特征在于,所述去中心化群体机器人编队控制方法,还包括:
若所述定位目标集中不存在与所述第一目标一致的目标,则确定所述第一目标为所述定位目标。
3.根据权利要求2所述的去中心化群体机器人编队控制方法,其特征在于,所述根据所述冲突机器人与所述第一目标的距离以及所述机器人与所述第一目标的距离确定定位目标,包括:
获取与所述第一目标的距离,以得到第一距离;
获取所述第一目标与所述冲突机器人的距离,以得到第二距离;
若所述第一距离小于所述第二距离,则确定所述第一目标为定位目标。
4.根据权利要求3所述的去中心化群体机器人编队控制方法,其特征在于,所述根据所述冲突机器人与所述第一目标的距离以及所述机器人与所述第一目标的距离确定定位目标,还包括:
若所述第一距离大于所述第二距离,则放弃所述第一目标,并获取随机概率;
获取所述机器人已知未被选取的目标集,以得到第一目标集;
根据所述随机概率和预设概率阈值在所述第一目标集中选取一个目标,以得到所述定位目标。
5.根据权利要求4所述的去中心化群体机器人编队控制方法,其特征在于,所述根据所述随机概率和预设概率阈值在所述第一目标集中选取一个目标,以得到所述定位目标,包括:
若所述随机概率大于或等于所述预设概率阈值,且所述第一目标集中存在目标位于所述机器人的所述预设感知范围内,则从位于所述预设感知范围内的目标中选取与所述机器人距离最近的目标,以得到所述定位目标;
若所述随机概率大于或等于所述预设概率阈值,且所述第一目标集中不存在目标位于所述机器人的所述预设感知范围内,则从第一目标集中选取与所述机器人距离最近的目标,以得到所述定位目标。
6.根据权利要求5所述的去中心化群体机器人编队控制方法,其特征在于,所述根据所述随机概率和预设概率阈值在所述第一目标集中选取一个目标,以得到所述定位目标,还包括:
若所述随机概率小于所述预设概率阈值,则从所述第一目标集中随机选取一个目标,以得到所述定位目标。
7.根据权利要求1至6中任意一项所述的去中心化群体机器人编队控制方法,其特征在于,所述去中心化群体机器人编队控制方法还包括:
在所述运动轨迹运动的过程中实时获取与其他机器人的距离,以得到第三距离;
若所述第三距离大于或等于预设安全距离,则向所述定位目标运动;
若所述第三距离小于所述预设安全距离,则执行避障操作。
8.根据权利要求1至6中任意一项所述的去中心化群体机器人编队控制方法,其特征在于,所述去中心化群体机器人编队控制方法还包括:
获取运动过程中预设感知范围内其他机器人的目标,以得到第二目标,并定义所述第二目标对应的机器人为感知机器人;
获取与所述第二目标的距离,以得到第四距离,获取感知机器人与所述第二目标的距离,以得到第五距离;
获取与所述定位目标的距离,以得到第六距离,获取所述感知机器人与所述定位目标的距离,以得到第七距离;
若所述第五距离、所述第六距离之和大于或等于所述第四距离、所述第七距离之和,则与所述感知机器人交换目标;
若所述第五距离、所述第六距离之和小于所述第四距离、所述第七距离之和,则不与所述感知机器人交换目标。
9.一种去中心化群体机器人编队控制系统,其特征在于,包括:
获取模块,所述获取模块用于获取预设期望队形;
选取模块,所述选取模块用于随机选取所述预设期望队形中任意一个目标,以得到并输出第一目标;
所述获取模块还用于获取预设感知范围内其他机器人已选取的目标,以得到定位目标集;
处理模块,所述处理模块用于完成初始化;
判断模块,所述判断模块用于判断所述定位目标集中是否存在于所述第一目标一致的目标,若所述定位目标集中存在与所述第一目标一致的目标,则定义与所述第一目标一致的目标对应的机器人为冲突机器人;
所述处理模块还用于根据所述冲突机器人与所述第一目标的距离、所述机器人与所述第一目标的距离确定定位目标;
所述获取模块还用于获取当前位置信息;
所述处理模块还用于根据所述当前位置信息和所述定位目标确定运动轨迹。
10.电子设备,其特征在于,包括存储器、处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至8中任意一项所述的去中心化群体机器人编队控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110839175.1A CN113552886A (zh) | 2021-07-23 | 2021-07-23 | 去中心化群体机器人编队控制方法、控制系统及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110839175.1A CN113552886A (zh) | 2021-07-23 | 2021-07-23 | 去中心化群体机器人编队控制方法、控制系统及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113552886A true CN113552886A (zh) | 2021-10-26 |
Family
ID=78104316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110839175.1A Pending CN113552886A (zh) | 2021-07-23 | 2021-07-23 | 去中心化群体机器人编队控制方法、控制系统及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113552886A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106292665A (zh) * | 2016-08-16 | 2017-01-04 | 李帅 | 一种分布式多机器人系统竞争协作的巡查控制方法 |
CN107562047A (zh) * | 2017-08-02 | 2018-01-09 | 中国科学院自动化研究所 | 无人驾驶设备编队方法以及存储装置、处理装置 |
CN108594853A (zh) * | 2018-04-27 | 2018-09-28 | 中国人民解放军陆军工程大学 | 无人机队形控制方法 |
CN108830373A (zh) * | 2018-06-08 | 2018-11-16 | 武汉大学 | 仿欧椋鸟群集飞行的大规模智能群体自主协同的建模方法 |
CN110162043A (zh) * | 2019-05-17 | 2019-08-23 | 北京航空航天大学 | 一种多目标点同时到达约束下的集群任务分配和控制方法 |
CN111077900A (zh) * | 2019-11-29 | 2020-04-28 | 西北工业大学 | 一种基于任务交换的无人机编队控制方法 |
CN111240333A (zh) * | 2020-01-18 | 2020-06-05 | 湖南科技大学 | 一种复杂非凸环境下群机器人协同作业的多目标围捕方法 |
CN112099486A (zh) * | 2020-08-04 | 2020-12-18 | 西安电子科技大学 | 任意位置多机器人编队成形控制方法、系统、设备及应用 |
-
2021
- 2021-07-23 CN CN202110839175.1A patent/CN113552886A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106292665A (zh) * | 2016-08-16 | 2017-01-04 | 李帅 | 一种分布式多机器人系统竞争协作的巡查控制方法 |
CN107562047A (zh) * | 2017-08-02 | 2018-01-09 | 中国科学院自动化研究所 | 无人驾驶设备编队方法以及存储装置、处理装置 |
CN108594853A (zh) * | 2018-04-27 | 2018-09-28 | 中国人民解放军陆军工程大学 | 无人机队形控制方法 |
CN108830373A (zh) * | 2018-06-08 | 2018-11-16 | 武汉大学 | 仿欧椋鸟群集飞行的大规模智能群体自主协同的建模方法 |
CN110162043A (zh) * | 2019-05-17 | 2019-08-23 | 北京航空航天大学 | 一种多目标点同时到达约束下的集群任务分配和控制方法 |
CN111077900A (zh) * | 2019-11-29 | 2020-04-28 | 西北工业大学 | 一种基于任务交换的无人机编队控制方法 |
CN111240333A (zh) * | 2020-01-18 | 2020-06-05 | 湖南科技大学 | 一种复杂非凸环境下群机器人协同作业的多目标围捕方法 |
CN112099486A (zh) * | 2020-08-04 | 2020-12-18 | 西安电子科技大学 | 任意位置多机器人编队成形控制方法、系统、设备及应用 |
Non-Patent Citations (2)
Title |
---|
JIAN YANG等: "Line and V-Shape Formation Based Distributed Processing for Robotic Swarms", 《SENSORS》 * |
徐望宝;郭丽丽;: "基于人工社会职位法自组织形成群机器人队形", 科学技术与工程 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6666304B2 (ja) | 走行制御装置、走行制御方法、およびプログラム | |
KR102328732B1 (ko) | 다양한 소스로부터 획득되는 정보의 퓨전을 통해 주변 객체의 모션을 예측함으로써, 사고 위험을 회피하여 안전한 자율 주행을 지원하는 학습 방법, 그리고 이를 이용한 학습 장치, 테스트 방법, 및 테스트 장치 | |
AU2006304838B2 (en) | Systems and methods for obstacle avoidance | |
WO2018057455A1 (en) | Vehicle control system | |
CN110796063A (zh) | 用于检测车位的方法、装置、设备、存储介质以及车辆 | |
CN113342030B (zh) | 基于强化学习的多无人机协同自组织控制方法及系统 | |
CN112947594B (zh) | 一种面向无人机的航迹规划方法 | |
CN116540784B (zh) | 一种基于视觉的无人系统空地协同导航与避障方法 | |
CN114719882A (zh) | 基于视觉的机器人导航 | |
CN113002562A (zh) | 车辆控制装置以及存储介质 | |
CN111231961A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
Leong et al. | An intelligent auto-organizing aerial robotic sensor network system for urban surveillance | |
CN111309022A (zh) | 一种基于双目视觉的无人船自主避障系统的自动避障方法 | |
CN113552886A (zh) | 去中心化群体机器人编队控制方法、控制系统及电子设备 | |
CN111830995B (zh) | 基于混合式架构的群体智能协同方法和系统 | |
US20220230353A1 (en) | Method and system for learning a neural network to determine a pose of a vehicle in an environment | |
Choi et al. | Two tier search scheme using micro UAV swarm | |
Huang et al. | An autonomous UAV navigation system for unknown flight environment | |
Noaman et al. | Landmarks exploration algorithm for mobile robot indoor localization using VISION sensor | |
CN115755975A (zh) | 多无人机协同的分布式空间搜索及轨迹规划方法及装置 | |
CN115843007A (zh) | 一种车辆编队方法、电子设备及储存介质 | |
WO2022029158A1 (en) | A method for controlling a plurality of uavs | |
Rathnam et al. | A distributed algorithm for cooperative 3d exploration under communication constraints | |
WO2021177887A1 (en) | Machine learning based system, methods, and control arrangement for positioning of an agent | |
Nandikolla et al. | Navigation and path planning of an autonomous mobile robot |
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 |