WO2023019740A1 - 一种基于多智能体的协同运输方法及其系统 - Google Patents

一种基于多智能体的协同运输方法及其系统 Download PDF

Info

Publication number
WO2023019740A1
WO2023019740A1 PCT/CN2021/128092 CN2021128092W WO2023019740A1 WO 2023019740 A1 WO2023019740 A1 WO 2023019740A1 CN 2021128092 W CN2021128092 W CN 2021128092W WO 2023019740 A1 WO2023019740 A1 WO 2023019740A1
Authority
WO
WIPO (PCT)
Prior art keywords
agent
leader
agents
transportation system
cooperative
Prior art date
Application number
PCT/CN2021/128092
Other languages
English (en)
French (fr)
Inventor
刘小旭
卢鑫
Original Assignee
深圳技术大学
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 深圳技术大学 filed Critical 深圳技术大学
Publication of WO2023019740A1 publication Critical patent/WO2023019740A1/zh

Links

Images

Classifications

    • G06Q50/40—
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0833—Tracking

Abstract

本发明提供一种基于多智能体的协同运输方法及其系统，该方法包括根据智能体的数量和编队要求，构建具有领导者的多智能体协同运输系统，并完成编队任务；对多智能体协同运输系统的智能体进行路径规划和避障；对多智能体协同运输系统的智能体进行协同跟踪运输；其中，当领导者计算出路径规划的目标坐标点时，通过坐标控制运行至下一个坐标点，并向跟随智能体发送动作指令，跟随智能体根据动作指令实时跟随领导者运动，由深度相机采集跟随智能体与跟踪目标之间的深度和水平信息，并根据采集的信息实时修正跟随智能体的速度。本发明可以避免复杂场景中智能体控制信号的延迟问题，有效提高了无人机作业效率和精度，具有更强的协同性和自主寻优性。

Description

一种基于多智能体的协同运输方法及其系统 技术领域
本发明涉及机器人和人工智能技术领域，尤其涉及一种基于多智能体的协同运输方法以及应用该方法的协同运输系统。
背景技术
随着计算机视觉、人工智能以及控制技术的快速发展，以无人机、无人车、自动驾驶汽车等为代表的智能体逐渐在国民经济建设和国家安全保障方面发挥巨大作用。近年来，空中运输技术不断成熟，轻量级、短距离的无人机运输也逐渐兴起，主要应用于快递配送，城际运输等，由于中国人口密度较大，出于安全性的考虑，该运输方式还没有被广泛使用，但是在国际上已经有了很多成熟的案例，如德国邮政的Parcelcopter倾转旋翼无人机、Amazon提供的PrimeAir无人机速送等。
但是，轻量级单体无人机的载荷能力有限，为了扩大轻量级无人机的载荷能力，多无人机协同运输的概念被提出，引发了许多研究者的研究热潮，多无人机协同运输相比于单无人机运输有更大的难度和挑战，要求多无人机高度的协同性和控制的准确性，一旦有所偏差，很可能会导致整个系统坠毁、运输物资损毁。
发明内容
本发明的主要目的是提供一种在复杂场景下能满足有限数量智能体，可以按照需求负载能力，匹配智能体节点数，以完成物资运输的基于多智能体的协同运输方法。
本发明的另一目的是提供一种应用于上述协同运输方法的基于多智能体的协同运输系统。
为了实现上述主要目的，本发明提供的一种基于多智能体的协同运输方法，包括根据智能体的数量和编队要求，构建具有领导者的多智能体协同运输系统，并完成编队任务；对多智能体协同运输系统的智能体进行路 径规划和避障；对多智能体协同运输系统的智能体进行协同跟踪运输；其中，当领导者计算出路径规划的目标坐标点时，通过坐标控制运行至下一个坐标点，并向跟随智能体发送动作指令，跟随智能体根据动作指令实时跟随领导者运动，由深度相机采集跟随智能体与跟踪目标之间的深度和水平信息，并根据采集的信息实时修正跟随智能体的速度。
进一步的方案中，在构建具有领导者的多智能体协同运输系统之前，还执行：检测运输目标物体的各类物理特征，并将检测到的数据发送给地面站；地面站根据接收到的数据计算所需分配的智能体数量n，将智能体数量n发送至与其通讯的领导者并建立局域网，其中，在局域网内连接有n-1台包含识别序号的跟随智能体。
更进一步的方案中，所述构建具有领导者的多智能体协同运输系统，包括：在领导者接收智能体数量n后，以领导者为坐标原点，根据需要的智能体数量n计算出各个跟随智能体在多智能体协同运输系统中的具体位置；向局域网内编号为1至n-1号的跟随智能体发送编队指令，计算各个跟随智能体编队中的GPS坐标位置；接收到坐标位置信号的各个跟随智能体根据坐标控制按编号1至n-1的顺序依次到达指定坐标位置，完成编队的搭建，建立多智能体协同运输系统。
更进一步的方案中，所述构建具有领导者的多智能体协同运输系统，还包括：等待各个跟随智能体移动到指定坐标位置，其中，每个跟随智能体到达指定坐标位置后，均会向领导者发送到达指令；当领导者确定所有跟随智能体到达指定坐标位置后，向地面站发送编队完成指令，等待下一步操作；其中，领导者与地面站之间始终通过远程无线传输方式进行通讯，实时反馈当前系统所在位置的GPS坐标。
更进一步的方案中，所述对多智能体协同运输系统的智能体进行路径规划和避障，包括：地面站向领导者发送运输的目标坐标点，领导者根据目标坐标点规划出运动路径L，并将运动路径L拆分成若干个中间坐标点和达到该中间坐标点的时间；计算领导者的飞行速度，控制领导者移动至 目标坐标点。
更进一步的方案中，所述对多智能体协同运输系统的智能体进行路径规划和避障，还包括：在飞行过程中，领导者读取局域网内各节点跟随智能体的传感器数据，在融合多个传感器数据后，通过融合信息来检测周围障碍物位置，以完成避障动作。
更进一步的方案中，所述将运动路径L拆分成若干个中间坐标点和达到该中间坐标点的时间，包括：领导者在接收到目标坐标点后，通过插值法算法拟合出当前坐标与目标坐标点的路径曲线，并每隔k距离取一个中间坐标点(X j,Y j,Z j)和到达该中间坐标点的时间T j。
更进一步的方案中，所述计算领导者的飞行速度，包括：计算出领导者从坐标(X j-1,Y j-1,Z j-1)运动到坐标(X j,Y j,Z j)的运动速度v j，v j表示为公式(1)：
Figure PCTCN2021128092-appb-000001
其中，l j＝(X j,Y j,Z j)，||l j-l j-1||为坐标(X j-1,Y j-1,Z j-1)到(X j,Y j,Z j)的模长。
更进一步的方案中，在建立编队时，计算各个智能体之间的间隔位置C p,q，表示为公式(2)：
Figure PCTCN2021128092-appb-000002
其中，d p,q为深度相机读取的序号为p和q的智能体之间的深度信息，l p,q为序号为p和q的智能体之间的水平宽度位置信息。
更进一步的方案中，通过深度相机读取实际C p,q与理论C p,q对比，调整跟随智能体的速度，使各个智能体之间能够保持相对位置不变；
调整后跟随智能体的深度方向的速度表示为公式(3)：
Figure PCTCN2021128092-appb-000003
调整后跟随智能体的水平方向的速度表示为公式(4)：
Figure PCTCN2021128092-appb-000004
其中，v l，after为更新调整后的水平方向的速度，v l，front为更新前的水平方向的速度，v d,after为更新调整后的深度方向的速度，v d,front为更新前的深度方向的速度，其中e d＝d real-d set，e l＝l real-l set，K p为比例参数，T i为积分参数，T d为微分参数。
为了实现上述另一目的，本发明提供的一种基于多智能体的协同运输系统，该系统采用上述的基于多智能体的协同运输方法来进行协同运输，其包括：地面站、多智能体协同运输系统，多智能体协同运输系统与地面站之间通过远程无线传输方式进行通讯，多智能体协同运输系统用于自组网通信以共享状态信息，并根据共享的状态信息确定目标路径和目标运动状态，以进行路径规划和避障，地面站用于接收、存储和管理多智能体协同运输系统发送的工作数据。
由此可见，本发明提出的协同控制方法中各个智能体节点具有较高的单机智能化，具备自组网通信以及规划路径和运动状态的能力，可实现分布式多主协同通信，并根据不同的环境和任务需求进行编队飞行行为决策，从而实现多智能体系统协同跟踪目标智能体的控制，具有更强的协同性和自主寻优性。
所以，本发明主要针对单机负荷无法满足实际运输需求的场景下，需要解决超重物资运输，多智能体之间建立通讯操作繁琐，控制信号延迟严重对智能体系统稳定性产生影响，多智能体系统可靠性差等问题，能够在满足对不同重量物资运输要求的基础上，对复杂场景中对智能体控制信号延迟问题有所提高，有效提高无人机作业效率和精度。
附图说明
图1是本发明一种基于多智能体的协同运输方法实施例的流程图。
图2是本发明一种基于多智能体的协同运输方法实施例中关于多智能体编队的流程图。
图3是本发明一种基于多智能体的协同运输方法实施例中多智能体编队的原理图。
图4是本发明一种基于多智能体的协同运输方法实施例中关于多智能 体路径规划的流程图。
图5是本发明一种基于多智能体的协同运输方法实施例中关于多智能体协同跟踪的流程图。
图6是本发明一种基于多智能体的协同运输方法实施例中多智能体协同跟踪的原理图。
图7是本发明一种基于多智能体的协同运输方法实施例中多智能体协同跟踪的控制电路原理图。
图8是本发明一种基于多智能体的协同运输方法实施例中关于无人机协同运输的结构示意图。
图9是本发明一种基于多智能体的协同运输系统实施例的原理图。
以下结合附图及实施例对本发明作进一步说明。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需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。
一种基于多智能体的协同运输方法实施例：
参见图1，本发明的一种基于多智能体的协同运输方法，包括以下步骤：
步骤S1、根据智能体的数量和编队要求，构建具有领导者的多智能体协同运输系统，并完成编队任务。
步骤S2、对多智能体协同运输系统的智能体进行路径规划和避障。
步骤S3、采用协同跟踪运输算法对多智能体协同运输系统的智能体进行协同跟踪运输。
在上述步骤S1中，在构建具有领导者的多智能体协同运输系统之前，还执行：检测运输目标物体的各类物理特征，并将检测到的数据发送给地面站；地面站根据接收到的数据计算所需分配的智能体数量n，将智能体 数量n发送至与其通讯的领导者并建立局域网，其中，在局域网内连接有n-1台包含识别序号的跟随智能体。
在上述步骤S1中，所述构建具有领导者的多智能体协同运输系统，包括：
在领导者接收智能体数量n后，以领导者为坐标原点，根据需要的智能体数量n计算出各个跟随智能体在多智能体协同运输系统中的具体位置。
向局域网内编号为1至n-1号的跟随智能体发送编队指令，计算各个跟随智能体编队中的GPS坐标位置。
接收到坐标位置信号的各个跟随智能体根据坐标控制按编号1至n-1的顺序依次到达指定坐标位置，完成编队的搭建，建立多智能体协同运输系统。
在上述步骤S1中，所述构建具有领导者的多智能体协同运输系统，还包括：
等待各个跟随智能体移动到指定坐标位置，其中，每个跟随智能体到达指定坐标位置后，均会向领导者发送到达指令。
当领导者确定所有跟随智能体到达指定坐标位置后，向地面站发送编队完成指令，等待下一步操作。
其中，领导者与地面站之间始终通过远程无线传输方式进行通讯，实时反馈当前系统所在位置的GPS坐标。
在上述步骤S2中，所述对多智能体协同运输系统的智能体进行路径规划和避障，包括：
地面站向领导者发送运输的目标坐标点，领导者根据目标坐标点规划出运动路径L，并将运动路径L拆分成若干个中间坐标点和达到该中间坐标点的时间。
计算领导者的飞行速度，控制领导者移动至目标坐标点。
在上述步骤S2中，所述对多智能体协同运输系统的智能体进行路径 规划和避障，还包括：
在飞行过程中，领导者读取局域网内各节点跟随智能体的传感器数据，在融合多个传感器数据后，通过融合信息来检测周围障碍物位置，以完成避障动作。
在本实施例中，将运动路径L拆分成若干个中间坐标点和达到该中间坐标点的时间，包括：
领导者在接收到目标坐标点后，通过插值法算法拟合出当前坐标与目标坐标点的路径曲线，并每隔k距离取一个中间坐标点(X j,Y j,Z j)和到达该中间坐标点的时间T j。
在本实施例中，计算领导者的飞行速度，包括：
计算出领导者从坐标(X j-1,Y j-1,Z j-1)运动到坐标(X j,Y j,Z j)的运动速度v j，v j表示为公式(1)：
Figure PCTCN2021128092-appb-000005
其中，l j＝(X j,Y j,Z j)，||l j-l j-1||为坐标(X j-1,Y j-1,Z j-1)到(X j,Y j,Z j)的模长。
在上述步骤S3中，如图5所示，当领导者计算出路径规划的目标坐标点时，通过坐标控制运行至下一个坐标点，并向跟随智能体发送动作指令，跟随智能体根据动作指令实时跟随领导者运动，由深度相机采集跟随智能体与跟踪目标之间的深度和水平信息，并根据采集的信息实时修正跟随智能体的速度。
在本实施例中，如图6和图7所示，本实施例的多智能体协同跟踪的控制电路包括PID控制器以及深度相机，在建立编队时，计算各个智能体之间的间隔位置C p,q，表示为公式(2)：
Figure PCTCN2021128092-appb-000006
其中，d p,q为深度相机读取的序号为p和q的智能体之间的深度信息，l p,q为序号为p和q的智能体之间的水平宽度位置信息。
具体的，通过深度相机读取实际C p,q与理论C p,q对比，调整跟随智能 体的速度，使各个智能体之间能够保持相对位置不变。
调整后跟随智能体的深度方向的速度表示为公式(3)：
Figure PCTCN2021128092-appb-000007
调整后跟随智能体的水平方向的速度表示为公式(4)：
Figure PCTCN2021128092-appb-000008
其中，v l，after为更新调整后的水平方向的速度，v l，front为更新前的水平方向的速度，v d,after为更新调整后的深度方向的速度，v d,front为更新前的深度方向的速度，其中e d＝d real-d set，e l＝l real-l set，K p为比例参数，T i为积分参数，T d为微分参数。
本实施例的智能体优选为无人机，当然，本实施例的智能体也可以是无人车或自动驾驶汽车等其他智能体。
在实际应用中，本发明的协同运输方法主要包括建立编队算法、路径规划以及协同跟踪运输算法，其中，如图2所示，建立编队算法主要包括以下步骤：
首先，运输目标物体P放置于指定区域S，指定区域S通过多种数据采集手段得到目标物体P的各类物理特征(如质量M，结构等)，并将得到的数据发送给地面站。
接着，当地面站收到采集区S收集数据M，通过计算
Figure PCTCN2021128092-appb-000009
得到需要的无人机数量n，其中，T u0，T u1，...，T un均为事先已获得的序号为从0到n的无人机的最大负载重量，M为运输物资的质量，将无人机数量n发送给与之通讯的主无人机U 0(领导者)，其中，领导者U 0建立局域网，为网内主机，局域网内连接n-1台从无人机，每一台从无人机都有识别序号，从1至n-1。
当主无人机U 0收到地面站传来数据，以主无人机U 0为坐标原点，根据需要无人机数n计算出各无人机在多智能体运输系统中的具体位置。
然后，主无人机U 0向局域网内编号1至n-1号的无人机发送编队指令， 将计算各个从无人机U i(跟随智能体)在编队中的GPS坐标位置(X i,Y i,Z i)，编队规则如图3所示，主无人机U 0始终位于左上角位置，编号代表了无人机的序号，编号为偶数在编队左侧，编号为奇数在右侧，由上到下依次递增；当n-1为偶数时，将n-1无人机置于编队外围几何中心，最终将坐标位置通过局域网发送给各从无人机U i。
当收到位置信号的从无人机U i根据坐标控制按编号1至n-1的顺序依次控制从无人机U i到指定坐标位置，完成编队的搭建，建立协同多智能体系统。
接着，等待从无人机U i飞向指定坐标位置，当每台从无人机U i到达指定坐标位置，均会向主无人机U 0发送到达指令，由主无人机U 0判断当所有从无人机U i是否到达指定坐标位置，向地面站发送编队完成指令，等待下一步操作。
其中，主无人机U 0与地面站始终通过远程无线传输(如RoLa，Zigbee，GPRS等)相互通讯，实时反馈当前系统所在位置的GPS坐标。
然后，进行路径规划，如图4所示，其包括以下步骤：
首先，地面站接收到运输目标点的GPS坐标位置，地面站向主无人机U 0发送目标点的GPS坐标位置，U 0接收到坐标值后，通过插值法算法拟合出当前坐标与目标坐标路径曲线，并每隔k距离取一个中间坐标点(X j,Y j,Z j)和到达该中间点的时间T j。
接着，计算出主无人机U 0从坐标(X j-1,Y j-1,Z j-1)运动到坐标(X j,Y j,Z j)的运动速度v j，如上述公式(1)。其中，在飞行过程中会有时间计数器，如果到达下一节点实际时间和理论时间不等，即T jreal≠T jset，下一段速度公式为公式(1.1)：
Figure PCTCN2021128092-appb-000010
其中，ΔT＝T jreal-T jset保证物资可以在设定时间内到达。
然后，主无人机U 0读取局域网内各节点从无人机U i中传感器数据，如读取各个无人机U i的激光雷达传感器数据，融合多个传感器数据后，通过 融合信息来检测周围障碍物位置，完成避障。
然后，如图5至图8所示，使用协同跟踪运输算法进行协同跟踪，其包括以下步骤：
以U 0作为主无人机，当主无人机U 0计算出路径规划的坐标点时，通过坐标控制运行至下一个坐标点。
接着，主无人机U 0通过坐标控制后，将沿x轴、y轴、z轴动作指令以一定的发送频率通过局域网发送给从无人机U i。
然后，当从无人机U i接收到动作指令后，实时跟随U 0运动。
在上述步骤中，在建立编队时，规定好各智能体之间的间隔位置C p,q，如上述公式(2)。其中，无人机通过深度相机读取实际C p,q与理论C p,q对比，调节从无人机的速度，使各无人机之间能够保持相对位置不变。
由此可见，本发明提出的协同控制方法中各个智能体节点具有较高的单机智能化，具备自组网通信以及规划路径和运动状态的能力，可实现分布式多主协同通信，并根据不同的环境和任务需求进行编队飞行行为决策，从而实现多智能体系统协同跟踪目标智能体的控制，具有更强的协同性和自主寻优性。
所以，本发明主要针对单机负荷无法满足实际运输需求的场景下，需要解决超重物资运输，多智能体之间建立通讯操作繁琐，控制信号延迟严重对智能体系统稳定性产生影响，多智能体系统可靠性差等问题，能够在满足对不同重量物资运输要求的基础上，对复杂场景中对智能体控制信号延迟问题有所提高，有效提高无人机作业效率和精度。
一种基于多智能体的协同运输系统实施例：
如图9所示，本发明提供的一种基于多智能体的协同运输系统，该系统采用上述的基于多智能体的协同运输方法来进行协同运输，其包括：地面站、多智能体协同运输系统，多智能体协同运输系统与地面站之间通过远程无线传输方式进行通讯，多智能体协同运输系统用于自组网通信以共享状态信息，并根据共享的状态信息确定目标路径和目标运动状态，以进行路径规划和避障，地面站用于接收、存储和管理多智能体协同运输系统 发送的工作数据。
需要说明的是，以上仅为本发明的优选实施例，但发明的设计构思并不局限于此，凡利用此构思对本发明做出的非实质性修改，也均落入本发明的保护范围之内。

Claims (11)

  1. 一种基于多智能体的协同运输方法，其特征在于，包括：
    根据智能体的数量和编队要求，构建具有领导者的多智能体协同运输系统，并完成编队任务；
    对多智能体协同运输系统的智能体进行路径规划和避障；
    对多智能体协同运输系统的智能体进行协同跟踪运输；
    其中，当领导者计算出路径规划的目标坐标点时，通过坐标控制运行至下一个坐标点，并向跟随智能体发送动作指令，跟随智能体根据动作指令实时跟随领导者运动，由深度相机采集跟随智能体与跟踪目标之间的深度和水平信息，并根据采集的信息实时修正跟随智能体的速度。
  2. 根据权利要求1所述的基于多智能体的协同运输方法，其特征在于，在构建具有领导者的多智能体协同运输系统之前，还执行：
    检测运输目标物体的各类物理特征，并将检测到的数据发送给地面站；
    地面站根据接收到的数据计算所需分配的智能体数量n，将智能体数量n发送至与其通讯的领导者并建立局域网，其中，在局域网内连接有n-1台包含识别序号的跟随智能体。
  3. 根据权利要求2所述的基于多智能体的协同运输方法，其特征在于，所述构建具有领导者的多智能体协同运输系统，包括：
    在领导者接收智能体数量n后，以领导者为坐标原点，根据需要的智能体数量n计算出各个跟随智能体在多智能体协同运输系统中的具体位置；
    向局域网内编号为1至n-1号的跟随智能体发送编队指令，计算各个跟随智能体编队中的GPS坐标位置；
    接收到坐标位置信号的各个跟随智能体根据坐标控制按编号1至n-1 的顺序依次到达指定坐标位置，完成编队的搭建，建立多智能体协同运输系统。
  4. 根据权利要求3所述的基于多智能体的协同运输方法，其特征在于，所述构建具有领导者的多智能体协同运输系统，还包括：
    等待各个跟随智能体移动到指定坐标位置，其中，每个跟随智能体到达指定坐标位置后，均会向领导者发送到达指令；
    当领导者确定所有跟随智能体到达指定坐标位置后，向地面站发送编队完成指令，等待下一步操作；
    其中，领导者与地面站之间始终通过远程无线传输方式进行通讯，实时反馈当前系统所在位置的GPS坐标。
  5. 根据权利要求1所述的基于多智能体的协同运输方法，其特征在于，所述对多智能体协同运输系统的智能体进行路径规划和避障，包括：
    地面站向领导者发送运输的目标坐标点，领导者根据目标坐标点规划出运动路径L，并将运动路径L拆分成若干个中间坐标点和达到该中间坐标点的时间；
    计算领导者的飞行速度，控制领导者移动至目标坐标点。
  6. 根据权利要求5所述的基于多智能体的协同运输方法，其特征在于，所述对多智能体协同运输系统的智能体进行路径规划和避障，还包括：
    在飞行过程中，领导者读取局域网内各节点跟随智能体的传感器数据，在融合多个传感器数据后，通过融合信息来检测周围障碍物位置，以完成避障动作。
  7. 根据权利要求5所述的基于多智能体的协同运输方法，其特征在于，所述将运动路径L拆分成若干个中间坐标点和达到该中间坐标点的时间，包括：
    领导者在接收到目标坐标点后，通过插值法算法拟合出当前坐标与目标坐标点的路径曲线，并每隔k距离取一个中间坐标点(X j,Y j,Z j)和到达该中间坐标点的时间T j。
  8. 根据权利要求5所述的基于多智能体的协同运输方法，其特征在于，所述计算领导者的飞行速度，包括：
    计算出领导者从坐标(X j-1,Y j-1,Z j-1)运动到坐标(X j,Y j,Z j)的运动速度v j，v j表示为公式(1)：
    Figure PCTCN2021128092-appb-100001
    其中，l j＝(X j,Y j,Z j)，||l j-l j-1||为坐标(X j-1,Y j-1,Z j-1)到(X j,Y j,Z j)的模长。
  9. 根据权利要求1至8任一项所述的基于多智能体的协同运输方法，其特征在于：
    在建立编队时，计算各个智能体之间的间隔位置C p,q，表示为公式(2)：
    Figure PCTCN2021128092-appb-100002
    其中，d p,q为深度相机读取的序号为p和q的智能体之间的深度信息，l p,q为序号为p和q的智能体之间的水平宽度位置信息。
  10. 根据权利要求9所述的基于多智能体的协同运输方法，其特征在于：
    通过深度相机读取实际C p,q与理论C p,q对比，调整跟随智能体的速度，使各个智能体之间能够保持相对位置不变；
    调整后跟随智能体的深度方向的速度表示为公式(3)：
    Figure PCTCN2021128092-appb-100003
    调整后跟随智能体的水平方向的速度表示为公式(4)：
    Figure PCTCN2021128092-appb-100004
    其中，v l，after为更新调整后的水平方向的速度，v l，front为更新前的水平方向的速度，v d,after为更新调整后的深度方向的速度，v d,front为更新前的深度方向的速度，其中e d＝d real-d set，e l＝l real-l set，K p为比例参数，T i为积分参数，T d为微分参数。
  11. 一种基于多智能体的协同运输系统，其特征在于，该系统采用如权利要求1至10任一项所述的基于多智能体的协同运输方法来进行协同运输，其包括：
    地面站、多智能体协同运输系统，多智能体协同运输系统与地面站之间通过远程无线传输方式进行通讯，多智能体协同运输系统用于自组网通信以共享状态信息，并根据共享的状态信息确定目标路径和目标运动状态，以进行路径规划和避障，地面站用于接收、存储和管理多智能体协同运输系统发送的工作数据。
PCT/CN2021/128092 2021-08-20 2021-11-02 一种基于多智能体的协同运输方法及其系统 WO2023019740A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202110960152.6A CN113724123B (zh) 2021-08-20 2021-08-20 一种基于多智能体的协同运输方法及其系统
CN202110960152.6 2021-08-20

Publications (1)

Publication Number Publication Date
WO2023019740A1 true WO2023019740A1 (zh) 2023-02-23

Family

ID=78677028

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2021/128092 WO2023019740A1 (zh) 2021-08-20 2021-11-02 一种基于多智能体的协同运输方法及其系统

Country Status (2)

Country Link
CN (1) CN113724123B (zh)
WO (1) WO2023019740A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113724123A (zh) * 2021-08-20 2021-11-30 深圳技术大学 一种基于多智能体的协同运输方法及其系统
CN116540736A (zh) * 2023-06-12 2023-08-04 天津工业大学 基于人机交互二阶非线性多智能体系统的编队控制方法
CN116639275A (zh) * 2023-05-18 2023-08-25 北京科技大学 一种扑翼飞行器编队方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114995405A (zh) * 2022-05-19 2022-09-02 同济大学 一种基于开放动态环境多目标协同理论的agv协作搬运方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090299551A1 (en) * 2008-05-27 2009-12-03 Wilfred So System and method for multiple aircraft lifting a common payload
US20180074520A1 (en) * 2016-09-13 2018-03-15 Arrowonics Technologies Ltd. Formation flight path coordination of unmanned aerial vehicles
CN110058611A (zh) * 2019-05-13 2019-07-26 电子科技大学 一种基于分布式体系结构的四旋翼编队飞行控制方法
CN111290429A (zh) * 2019-12-16 2020-06-16 南京信息工程大学 一种基于一致性算法和人工势场方法的无人机编队及其避障控制方法
CN112214034A (zh) * 2020-09-29 2021-01-12 南京航空航天大学 一种基于ZigBee的四旋翼飞行器编队飞行控制方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7211980B1 (en) * 2006-07-05 2007-05-01 Battelle Energy Alliance, Llc Robotic follow system and method
CN103181263A (zh) * 2013-03-11 2013-07-03 西北农林科技大学 一种多机器协作的小麦收割系统
CN104597912A (zh) * 2014-12-12 2015-05-06 南京航空航天大学 一种六旋翼无人直升机跟踪飞行控制系统及方法
CN110026963A (zh) * 2019-04-22 2019-07-19 哈尔滨理工大学 一种新型的多移动机器人协同运输架构
CN110162103A (zh) * 2019-06-13 2019-08-23 河南宙合网络科技有限公司 一种无人机与智能车组自主协同运输系统及方法
CN110244772B (zh) * 2019-06-18 2021-12-03 中国科学院上海微系统与信息技术研究所 移动机器人的领航跟随系统和领航跟随控制方法
CN112034844A (zh) * 2020-08-10 2020-12-04 深圳技术大学 多智能主体编队搬运方法、系统和计算机可读存储介质
CN112327932B (zh) * 2020-12-04 2023-06-20 广东工业大学 一种针对消防无人机编队的增量式pid控制方法
CN113724123B (zh) * 2021-08-20 2023-06-30 深圳技术大学 一种基于多智能体的协同运输方法及其系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090299551A1 (en) * 2008-05-27 2009-12-03 Wilfred So System and method for multiple aircraft lifting a common payload
US20180074520A1 (en) * 2016-09-13 2018-03-15 Arrowonics Technologies Ltd. Formation flight path coordination of unmanned aerial vehicles
CN110058611A (zh) * 2019-05-13 2019-07-26 电子科技大学 一种基于分布式体系结构的四旋翼编队飞行控制方法
CN111290429A (zh) * 2019-12-16 2020-06-16 南京信息工程大学 一种基于一致性算法和人工势场方法的无人机编队及其避障控制方法
CN112214034A (zh) * 2020-09-29 2021-01-12 南京航空航天大学 一种基于ZigBee的四旋翼飞行器编队飞行控制方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113724123A (zh) * 2021-08-20 2021-11-30 深圳技术大学 一种基于多智能体的协同运输方法及其系统
CN113724123B (zh) * 2021-08-20 2023-06-30 深圳技术大学 一种基于多智能体的协同运输方法及其系统
CN116639275A (zh) * 2023-05-18 2023-08-25 北京科技大学 一种扑翼飞行器编队方法
CN116540736A (zh) * 2023-06-12 2023-08-04 天津工业大学 基于人机交互二阶非线性多智能体系统的编队控制方法
CN116540736B (zh) * 2023-06-12 2024-02-23 天津工业大学 基于人机交互二阶非线性多智能体系统的编队控制方法

Also Published As

Publication number Publication date
CN113724123A (zh) 2021-11-30
CN113724123B (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
WO2023019740A1 (zh) 一种基于多智能体的协同运输方法及其系统
CN108549407B (zh) 一种多无人机协同编队避障的控制算法
US10459437B2 (en) Air-ground heterogeneous robot system path planning method based on neighborhood constraint
CN110825113B (zh) 一种适用于四旋翼无人机集群飞行的队形保持方法
CN110162103A (zh) 一种无人机与智能车组自主协同运输系统及方法
KR101993603B1 (ko) 다수의 무인 비행체를 이용한 광역 자율탐색 방법 및 시스템
CN106909167A (zh) 一种多机多站联合立体任务系统及方法
CN113238583B (zh) 一种固定翼无人机密集编队飞行与防撞控制方法
Hoang et al. Angle-encoded swarm optimization for uav formation path planning
CN111897316A (zh) 一种场景快变条件下的多飞行器自主决策方法
CN109508036B (zh) 一种中继点生成方法、装置和无人机
CN110502034A (zh) 一种基于深度强化学习的固定翼无人机群集控制方法
Frew et al. Obstacle avoidance with sensor uncertainty for small unmanned aircraft
CN112650306A (zh) 一种基于动力学rrt*的无人机运动规划方法
Andert et al. Mapping and path planning in complex environments: An obstacle avoidance approach for an unmanned helicopter
CN113900449A (zh) 多无人机轨迹规划方法、装置、无人机及存储介质
CN113625733A (zh) 一种基于ddpg多目标三维无人机路径规划方法
El-Basioni et al. Mission-based PTR triangle for multi-UAV systems flight planning
CN113961013A (zh) 一种基于rgb-d slam的无人机路径规划方法
CN109828603A (zh) 一种四旋翼无人机编队的控制方法及系统
CN115599123B (zh) 一种用于无人机集群多着陆区协同着陆的分布式方法
CN113190035B (zh) 基于混合型拓扑结构的无人机编队控制方法及系统
CN116385909A (zh) 一种基于深度强化学习的无人机目标跟踪方法
Yadav et al. Exact decentralized receding horizon planning for multiple aerial vehicles
CN114330832A (zh) 一种智能快递包裹配送系统及其工作方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21953976

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE