CN114169707A - 多异构自主水下机器人任务自主动态分配方法 - Google Patents
多异构自主水下机器人任务自主动态分配方法 Download PDFInfo
- Publication number
- CN114169707A CN114169707A CN202111400803.2A CN202111400803A CN114169707A CN 114169707 A CN114169707 A CN 114169707A CN 202111400803 A CN202111400803 A CN 202111400803A CN 114169707 A CN114169707 A CN 114169707A
- Authority
- CN
- China
- Prior art keywords
- task
- autonomous underwater
- underwater robot
- target
- autonomous
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明涉及机器人任务分配领域,尤其涉及多异构自主水下机器人的动态任务自主分配方法,包括以下步骤:根据自主水下机器人到达某任务目标的航行时间,得到该自主水下机器人对于该任务目标的成本;根据某一任务目标的动态价值、对于该任务目标所有自主水下机器人最大工作能力约束以及自主水下机器人剩余工作时间,得到该任务目标的价值;根据各个自主水下机器人对每个任务目标的成本以及任务目标的价值,建立各个自主水下机器人决策任务目标概率模型;根据各个自主水下机器人决策任务目标概率模型,完成多个自主水下机器人的决策任务分配。本发明通过自主水下机器人自主决策,避免了长期制约水下作业发展的由集中决策带来的水下通讯高负荷的问题。
Description
技术领域
本发明涉及多自主水下机器人任务分配技术领域,对于多个疑似搜索对多自主水下机器人进行任务分配问题,实现结合自主水下机器人的异构问题、任务目标与自主水下机器人的动态机制、基于自主水下机器人性能的成本估算、最大可能地到访更多地任务目标,目标区域的多个自主水下机器人总探测能力约束的多自主水下机器人任务分配。
背景技术
海洋蕴藏着丰富的自然资源,同时人类对海洋知之甚少。自主水下机器人是人类进行资源勘探与利用,科学探测与研究的重要工具之一。随着自主水下机器人技术的发展与进步、人们对海洋资源勘探开发的需求的增加以及人们渴望对海洋的拥有更加全面深刻的认知,无人自主水下机器人承担的工作越来越复杂,工作量越来越大。单体的无人自主水下机器人由于自身探测能力以及能源等限制,已经无法适应新的任务需要,所以多自主水下机器人作为新的研究方向,收到越来越多学者的关注。本专利的研究内容是多自主水下机器人任务自主分配技术,实现在广阔海域多个目标的探测任务。目前,多水下机器人任务的研究通常把该问题抽象为图论问题,这些方法虽然可以利用传统的图论知识,但是并符合多水下机器人实际的使用情况。典型的图论问题没办法应对目标的不同价值性,也没办法解决自主机器人与数量的动态变化。同时,各个自主水下机器人存在差异,多水下机器人任务分配问题需要考虑其异构性。有些优化方法考虑到了任务动态变化,但是忽略了,任务价值的动态变化,自主水下机器人的动态变化。另外,这些方法都是基于中心决策的。但是水声通讯可用频宽窄,信号衰减严重是海洋工程无法解决的固有问题。因此在大海域,多水下机器人的实用背景下,中心决策的难度很大。
发明内容
本发明针对多目标的搜索任务的自主水下机器人集群的任务分配问题,实现考虑自主水下机器人的异构性、目标价值、成本估算、尽可能更多地到访目标、目标区域的自主水下机器人总探测能力约束的分布式多AUV任务系统。
本发明为实现上述目的所采用的技术方案是:
多异构自主水下机器人任务自主动态分配方法,包括以下步骤:
根据自主水下机器人到达某任务目标的航行时间,得到该自主水下机器人对于该任务目标的成本;
根据某一任务目标的动态价值、对于该任务目标所有自主水下机器人最大工作能力约束即价值惩罚系数以及自主水下机器人剩余工作时间,得到该任务目标的价值;
根据各个自主水下机器人对每个任务目标的成本以及任务目标的价值,建立各个自主水下机器人决策任务目标概率模型;
根据各个自主水下机器人决策任务目标概率模型,完成多个自主水下机器人的决策任务分配。
所述自主水下机器人对于该任务目标的成本为:
其中,ci,k是自主水下机器人i对于任务目标k的成本,c1为系数,φ(ti,k)表示自主水下机器人到达任务目标所用时间的奖励系数,ti,k表示在某时刻,第i台自主水下机器人航行到目标任务k的航行所用的时间。
所述自主水下机器人到达任务目标所用时间的奖励系数φ(ti,k)以及在某时刻,第i台自主水下机器人航行到目标任务k的航行所用的时间ti,k具体为:
其中Ti,k表示自主水下机器人i航行任务目标k半径距离所用时间,Rk表示不同的目标k的预设搜索半径,Vi表示自主水下机器人i的航行速度,(xi(t),yi(t),zi(t))表示在t时刻,第i台自主水下机器人的位置,(xk,yk,zk)表示任务k的位置。
所述任务目标的价值为:
Qi,k=η·F(k,nk)·qi,k
其中,Qi,k是任务目标k相对于自主水下机器人i的价值,η为归一化系数,F(k,nk)表示任务k的价值惩罚系数,qi,k表示任务目标k对于单个自主水下机器人i的动态价值。
所述归一化系数η、任务k的价值惩罚系数F(k,nk)、以及任务目标k对于单个自主水下机器人i的动态价值qi,k,具体为:
其中,Ai,k表示执行任务目标k的自主水下机器人i的探测能力,ak表示执行任务目标k的所有自主水下机器人的探测能力总和,Amax表示任务区域所能承载的最大自主水下机器人探测能力,Tsi表示自主水下机器人i的剩余工作时间,Tti表示自主水下机器人i的总工作时间,Tai表示自主水下机器人i的已经工作时间,qk表示实时确定的任务目标的价值,μq表示任务目标价值的放大系数。
所述自主水下机器人决策任务目标概率模型为:
其中,λi是归一化系数,M是任务总数,p1、p2均为系数,cum_pi[k]是自主水下机器人i的任务目标k选择概率累积分布。
所述根据各个自主水下机器人决策任务目标概率模型,完成多个自主水下机器人的决策任务分配,具体为:
1)当某一自主水下机器人处于初始状态或者完成上一个任务目标时,随机生成一个0~1之间的随机数p;
2)判断随机数p是否满足条件,即随机数p是否在任务目标k选择概率累积分布与任务目标k+1选择概率累积分布之间,如果是,则将该自主水下机器人i的任务目标状态更新为k,否则,遍历任务目标M,直至随机数p满足条件。
当自主水下机器人到达任务目标区域时,确定当前任务目标区域内每一个任务目标的价值,当自主水下机器人在任务目标区域内航行时,如果发现其他目标,人为判断该目标是否有价值,如果有价值,则自主水下机器人的任务总数加一,并更新该目标的价值;当目标区域探测完毕后,任务总数减一;当自主水下机器人能源耗尽时,对其进行回收,此时自主水下机器人总数减一;当有新的自主水下机器人进行潜次任务时,自主水下机器人总数总数加一,通过上述过程,实现多异构自主水下机器人任务自主动态分配。
本发明具有以下有益效果及优点:
1.本发明结合实际实用情况,设计了基于动态的目标价值、目标数量与自主水下机器人数量方法,解决了动态任务分配的问题。可以应对各种突发情况,具有很高鲁棒性。
2.本发明在实现任务分配的同时考虑到了自主水下机器人的异构性。具有很强的适用性。
3.由于海上环境恶劣任务繁重,常常需要多个航次才能完成。本发明结合水下机器人能源以及任务价值,设计了尽可能多地到访任务目标并确定其价值的方法。具有很高的实用性。
4.扩展性强,同样适用于陆地多机器人、多无人机等的任务分配领域。
附图说明
图1为系统组成图;
图2为工作流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
整个系统组成包括船,北斗卫星、无人船、自主水下机器人,其中船的作用是可以任务情况动态增加疑似的搜索目标;北斗或GPS卫星的作用是作为母船与无人船的信息中转站,扩大传播范围;无人船的作用是一面与卫星建立通讯,一面与水下执行任务的自主水下机器人进行通讯。当距离较近时,无人船可以直接与母船建立通讯。自主水下机器人的作用是与其他自主水下机器人配合执行水下疑似目标的搜索任务,系统组成如图1所示。
整个系统的工作流程如下:首先船上的科学家选择搜索目标及其价值。当自主水下机器人下水后,处于初始化状态的水下机器人或者完成某个目标的探测任务后,该自主水下机器人通过半潜式水下机器人与北斗/GPS卫星与母船建立联系,母船将任务目标的状态以及自主水下机器人的状态通过水声通讯发送给该自主水下机器人。自主水下机器人根据目标的价值和成本对搜索任务进行自主分配。在自主水下机器人航行过程中,如果发现新的疑似目标,可以通过水声通讯将疑似目标的相关信息发送到无人船,无人船再将这些信息发送到北斗/GPS卫星,再到船上。科学家根据这些信息,判断搜索目标价值,并更新目标总数以及目标价值。
本发明要求自主水下机器人数量大于15台、无人船大于3台、至少1艘船。
其中,深度计、多普勒计程仪和惯导系统是实现自主水下机器人导航定位的关键设备。水声通讯机是保证自主水下机器人与无人船进行水下通讯的设备。多波束前视声呐是实现目标探测的设备。铱星或北斗通信模块是保证无人船或船与北斗/GPS卫星进行通讯的关键设备。
如图2所示,本发明方法包括的内容是:利用自主水下机器人到达目标区域的航行时间建立航行成本模型,尽量保证自主水下机器人以最低的成本进行探测;利用目标价值、目标区域内总探测能力建立目标价值模型,保证自主水下机器人能够探测到有价值的目标,同时避免自主水下机器人集中探测一个目标;利用自主水下机器人剩余的工作时间建立模型,保证自主水下机器人在能源消耗完之前,能够尽可能地多地探测到搜索目标,并对目标价值进行再评估。
为了描述方便,i表示某台自主水下机器人,k表示某个任务目标。每个自主水下机器人的速度是Vi,每个任务目标的半径为Rk。
第一步,通过自主水下机器人到达某任务目标的航行时间建立成本模型。模型计算公式如下:
ci,k式子是计算无人自主水下机器人i对于任务k的成本。c1是该计算公式的系数,根据实际效果进行调整。φ(ti,k)到达目标所用时间的奖励系数。ti,k表示表示在某时刻,第i台自主水下机器人航行到目标任务k的航行所用的时间。
在φ(ti,k)式子中,Ti,k是自主水下机器人i航行任务目标k半径距离所用时间,Rk是任务目标k的预设搜索半径,Vi是自主水下机器人i的航行速度。考虑到自主水下机器人如果距离任务目标越近,成本ci,k越小,φ(ti,k)应该越大。因此以Ti,k与0为边界,构造了式子φ(ti,k),符要求,φ(ti,k)的取值范围是0到1。
在ti,k的计算公式中(xi(t),yi(t),zi(t))表示在t时刻,第i台自主水下机器人的位置,Vi是该自主水下机器人的航行速度。
第二步,基于目标的价值、相同目标的所有自主水下机器人最大工作能力约束,自主水下机器人剩余工作时间建立目标任务的动态价值模型。该模型的计算公式如下:
式子Qi,k是计算任务目标k相对于群体中的某个自主水下机器人i的价值。其中,η是归一化系数,F(k,nk)是任务k的价值惩罚系数,qi,k是任务目标k对于单个自主水下机器人i的动态价值。
F(k,nk)的式子中,考虑到自主水下机器人的异构型,即有的自主水下机器人的工作时的速度不同,搭载的设备能力不同等,造成自主水下机器人的探测能力有差别。设Ai,k代表执行任务目标k的自主水下机器人i的探测能力,是执行任务目标k的所有自主水下机器人的探测能力总和。Amax是任务区域所能承载的最大自主水下机器人探测能力,以此避免任务目标k区域探测能力过剩,陷入局部最优陷阱,而其他任务没有探测。执行任务目标k的所有自主水下机器人的探测能力总和的ak越大,F(k,nk)越小,F(k,nk)的取值范围是0到1。
式子qi,k中,考虑到自主水下机器人的异构性,自主水下机器人携带的能源不同航行速度不同等原因,导致自主水下机器人总工作时间各不相同。Tsi是自主水下机器人i的剩余工作时间,Tti是自主水下机器人i的总工作时间,Tai是自主水下机器人i的已经工作时间。Tsi=Tti-Tai计算自主水下机器人i的剩余工作时间。qk是船基决策实时确定的任务目标的价值,可以通过对目标重要性进行判断然后进行赋值。
在式子qi,k中,考虑到自主水下机器人剩余能源无法航行到任务目标,此时任务目标没有意义。同时考虑到多自主水下机器人探测能力有限,携带能源有限,实现一次探测任务,常常需要多个航次才能完成。因此在自主水下机器人能源耗尽前,尽可能了解任务目标并确定其价值,对下个潜次的探测任务的完成非常重要。自主水下机器人在i能源耗尽之前,应该尽可能地到达没有自主水下机器人探测过的任务目标,并确定任务目标价值。因此对无自主水下机器人探测的目标的价值进行放大,μq表示该情况下任务目标价值的放大系数。当有自主水下机器人到达任务目标k时候(ak≠0),任务目标对于自主水下机器人i的价值不变。当没有自主水下机器人到达任务目标k时候(ak=0),该模型会根据自主水下机器人剩余的工作时间计算任务的价值。p(Tsi,ti,k)函数保证了当ti,k<Tsi时,即自主水下机器人i剩余航行时间不能够道道探测任务目标k时,探测任务目标k相对于自主水下机器人i的价值为0。p(x,y)的取值范围为0到1。
第三步,根据各个自主水下机器人对每个任务目标的成本以及任务目标的价值,建立各个自主水下机器人决策任务目标概率模型。式子如下:
ci,k是自主水下机器人i对于任务目标k的成本,Qi,k是任务目标k相对于自主水下机器人i的价值。λi是归一化系数,M是任务总数。cum_pi[k]是自主水下机器人i的任务目标k选择概率累积分布,例如cum_pi[2]是自主水下机器人i相对于任务1、任务2的概率累积。自主水下机器人i通过基于任务目标的概率分布进行随机选择。
第四步,实现多个自主水下机器人独立地决策任务分配。如表1所示,当自主水下机器人处于初始状态或者完成上一个任务目标时候,该算法会为激活,先计算随机数p,如果p在任务目标选择概率累计分布的k与k+1之间,将该自主水下机器人i的任务目标状态更新为k。
表1群体自主水下机器人的任务分配算法
第五步,全过程自主水下机器人状态与任务目标状态动态更新。当自主水下机器人到达任务目标区域时,会根据已经获取的信息进行初步的评估,通过半潜式自主水下机器人与GPS/北斗卫星将意思任务目标上报给母船。母船上的海洋科学家综合分析环境,位置,自主无人自主水下机器人上传的信息等因素,确定并该任务目标的价值qk。当自主水下机器人在目标间航行时,如果发现疑似有价值的目标,同样上报给母船,如果有价值,则任务总数M=M+1,并更新其价值qk,然后母船会将目标总数以及。当目标区域探测完毕后,任务总数M=M-1。
任务目标的价值与自主水下机器人能源是否接近耗尽有关,自主水下机器人会尽可能保证探测到所有目标,保证对目标价值进行评估。当自主水下机器人能源接近耗尽时,其可以到达的任务目标价值会增加,通过上文中Qi,k式子中的qi,k动态变化进行体现。当自主水下机器人能源耗尽时,与母船建立通讯,进行回收,此时自主水下机器人总数N=N-1,当有新的自主水下机器人布放下水进行潜次任务时,总数N=N+1。
Claims (8)
1.多异构自主水下机器人任务自主动态分配方法,其特征在于,包括以下步骤:
根据自主水下机器人到达某任务目标的航行时间,得到该自主水下机器人对于该任务目标的成本;
根据某一任务目标的动态价值、对于该任务目标所有自主水下机器人最大工作能力约束即价值惩罚系数以及自主水下机器人剩余工作时间,得到该任务目标的价值;
根据各个自主水下机器人对每个任务目标的成本以及任务目标的价值,建立各个自主水下机器人决策任务目标概率模型;
根据各个自主水下机器人决策任务目标概率模型,完成多个自主水下机器人的决策任务分配。
4.根据权利要求1所述的多异构自主水下机器人任务自主动态分配方法,其特征在于,所述任务目标的价值为:
Qi,k=η·F(k,nk)·qi,k
其中,Qi,k是任务目标k相对于自主水下机器人i的价值,η为归一化系数,F(k,nk)表示任务k的价值惩罚系数,qi,k表示任务目标k对于单个自主水下机器人i的动态价值。
7.根据权利要求1所述的多异构自主水下机器人任务自主动态分配方法,其特征在于,所述根据各个自主水下机器人决策任务目标概率模型,完成多个自主水下机器人的决策任务分配,具体为:
1)当某一自主水下机器人处于初始状态或者完成上一个任务目标时,随机生成一个0~1之间的随机数p;
2)判断随机数p是否满足条件,即随机数p是否在任务目标k选择概率累积分布与任务目标k+1选择概率累积分布之间,如果是,则将该自主水下机器人i的任务目标状态更新为k,否则,遍历任务目标M,直至随机数p满足条件。
8.根据权利要求7所述的多异构自主水下机器人任务自主动态分配方法,其特征在于,当自主水下机器人到达任务目标区域时,确定当前任务目标区域内每一个任务目标的价值,当自主水下机器人在任务目标区域内航行时,如果发现其他目标,人为判断该目标是否有价值,如果有价值,则自主水下机器人的任务总数加一,并更新该目标的价值;当目标区域探测完毕后,任务总数减一;
当自主水下机器人能源耗尽时,对其进行回收,此时自主水下机器人总数减一;
当有新的自主水下机器人进行潜次任务时,自主水下机器人总数总数加一,通过上述过程,实现多异构自主水下机器人任务自主动态分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111400803.2A CN114169707A (zh) | 2021-11-24 | 2021-11-24 | 多异构自主水下机器人任务自主动态分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111400803.2A CN114169707A (zh) | 2021-11-24 | 2021-11-24 | 多异构自主水下机器人任务自主动态分配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114169707A true CN114169707A (zh) | 2022-03-11 |
Family
ID=80480254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111400803.2A Pending CN114169707A (zh) | 2021-11-24 | 2021-11-24 | 多异构自主水下机器人任务自主动态分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114169707A (zh) |
-
2021
- 2021-11-24 CN CN202111400803.2A patent/CN114169707A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109765929B (zh) | 一种基于改进rnn的uuv实时避障规划方法 | |
CN109489672B (zh) | 考虑海流与无人艇动力学影响的节能a星路径规划方法 | |
CN111045453A (zh) | 一种基于无人艇与多水下机器人的协同控制系统及方法 | |
CN109737970B (zh) | 一种基于改进rrt算法的水面无人艇路径规划方法 | |
CN110956853A (zh) | 一种多船碰撞预测方法、系统和存储介质 | |
CN114625151A (zh) | 一种基于强化学习的水下机器人避障路径规划方法 | |
CN115270644B (zh) | 一种智能船舶节能航行编队方法、电子设备和存储介质 | |
CN111338356A (zh) | 改进分布式遗传算法的多目标无人船避碰路径规划方法 | |
Edwards et al. | Data-driven learning and modeling of AUV operational characteristics for optimal path planning | |
Bellingham et al. | A small, long-range autonomous vehicle for deep ocean exploration | |
Duguid et al. | Improving resource management for unattended observation of the marginal ice zone using autonomous underwater gliders | |
Wen et al. | Intelligent multi-AUG ocean data collection scheme in maritime wireless communication network | |
CN112215395B (zh) | 一种基于海洋大数据的水下装备适应性信息保障系统 | |
CN114169707A (zh) | 多异构自主水下机器人任务自主动态分配方法 | |
Mohamed et al. | Neutrosophic MCDM Methodology for Risk Assessment of Autonomous Underwater Vehicles | |
CN116243717A (zh) | 考虑海流不确定性的水下机器人时间最优路径规划方法 | |
Claus et al. | Towards persistent cooperative marine robotics | |
CN112327838B (zh) | 一种基于改进自映射算法的多无人水面艇多任务分配方法 | |
CN113501114B (zh) | 一种基于深潜器无动力下潜实时信息的深海海流计算方法 | |
Mannarini et al. | VISIR-I: Small vessels, least-time nautical routes using wave forecasts | |
CN112859887A (zh) | 基于天基中心的多水下机器人自主任务分配方法 | |
Zhi-Wen et al. | Path planning for UUV in dynamic environment | |
Tavana et al. | A multiple criteria decision support system for autonomous underwater vehicle mission planning and control | |
CN112613640A (zh) | 异构auv协同的水下信息采集系统及能量优化方法 | |
Sabra et al. | Multi-objective Optimization of Confidence-Based Localization in Large-Scale Underwater Robotic 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 |