Research on Multi Robot Dynamic Formations

摘要

多自主移动机器人的分布式协调与控制是一个在工程、人工智能、人工生命等领域得到了广泛研究的问题。在这些领域中，通常主要是从经验的角度来研究该问题。与此不同的是，本文研究的目的是为了更好地理解在利用多自主移动机器人进行编队研究时涉及到的各种算法。
　　在机器人领域，大量的研究集中于群体机器人系统。在该系统中若干个独立的机器人共同作用，以便实现指定的目标。一个科学的问题可能既有工程应用背景同时又有生物学方面的起源。从工程学角度来看,由若干个智能体组成的系统特别受研究人员的青睐，因为它们代表了在求解那些具有内在并行性的任务时提高效率的一种方式。从生物学角度来看，多个机器人协同工作（或相互竞争）是一个有趣的问题,因为这为研究自组织、负载分配和协作运输等许多问题提供了一个很好的测试平台。研究表明，基于生物控制系统的角度来设计机器人的控制系统往往会得到简单的行为，而无需借助高度复杂的控制系统来处理困难的环境。
　　基于充分自主和受控机器人的编队问题是在许多领域得到了广泛研究的问题。它包括（但不局限于）对未知环境的探索、传感器网络的部署、排雷、追捕猎物、燃料补给、区域覆盖等等。这些领域很多是从生物世界得到启发的。
　　在编队问题的研究中，大致可以区分为三种不同的结构,即领队跟随法，虚拟结构法以及基于行为的编队控制方法，每种方法各有其利弊。我们广泛研究了这三种结构以及在不同参数设置下的影响。研究表明，基于行为的结构具有更加鲁棒和易于扩展等优点，并且只需较少的通信带宽。领队跟随法也是一种易于扩展的方法，并且在领队机器人和跟随机器人之间无需任何通信。对于虚拟结构法，负责计算各个智能体的位置的工作是由领队机器人独立完成的，研究结果表明这种方法的一个主要优点在于它能够获得更好的收敛性能。
　　在本文研究中我们提出了动态编队的问题。在实验中，有一个称之为领队的机器人，它区别于被称为跟随者的所有其它机器人。这种差别主要在于领队知道目标的位置和方向，以及需要形成的编队类型。同时领队机器人还知道其它一些参数，诸如编队的尺寸、队形所能容纳的机器人的最大数量等等。在每次测试中领队机器人是预先确定的，并且能够被所有其它机器人识别，只要领队进入到该机器人的识别范围内。跟随者的任务是在领队后面移动，并按照领队的需要形成确定的队形。这种局部行为最终将能导致凸现的全局性行为，并能实现几何形状的队形。
　　在编队形成初期，机器人被任意地分布在区域的不同地方，并且它们不知道目标位置、编队形状以及尺寸等知识。然而在大多数已有的工作中，这类信息要么在测试的初始化阶段就可供所有的机器人使用，要么它们根本没有任何相关的信息。在本文提出的算法中，一旦有新的成员加入到编队小组中，这类信息就能够传达给它。这样处理是有用的，如果当领队在编队过程中出现失败而无法完成编队任务时。
　　我们提出了一种当机器人没有统一的局部坐标系时的解决办法。各个机器人从自己的角度来观察外部环境。这将导致两个机器人对同一个物体得到不同的坐标数值，并且它们没有坐标轴的概念。尽管如此，它们仍然必须设法完成全局的任务。
　　在我们提出的算法中，没有事先规定各个机器人在编队中需要占据的位置。机器人在一次编队中占据了某个位置，但在下次进行同样类型的编队任务时它可能无法得到同样的位置，甚至根本得不到任何位置。同时机器人还可以加入到已经组建的编队中。它们是加入到队形后面还是尾部，并且会不会改变队形的形状，这些问题要根据需要来决定。如果几何形状不闭合，则新加入的机器人应该占据编队的开口端。例如直线队形有两个开口端，柱状队形有一个开口端，而圆周队形则没有缺口。在我们提出的算法中还包括了对编队小组中机器人的最大数量的限制。由于增加了新的机器人，编队形状可能也会随之发生变化。这些问题在本文中都进行了各种试验。
　　避开障碍物的问题取决于所采用的结构以及对环境的理解。对于已知环境或那些可以了利用全局/中央控制器的环境，避开障碍物是容易实现的。多数研究人员把障碍物看作是妨害机器人运动的小型物体。在他们的设置中机器人先是分散行动，当到达障碍物尾部后再重新结合恢复成原先的队形。在未知的环境中，当机器人感知能力有限并且障碍物的长度不能确定，此时由于避障算法难以实施因此经常采用上述处理方式。对于完全未知的环境来说，最佳的解决办法应该是当机器人发现前方有障碍物时，将队形变换为柱状队形。我们提出对于这样一种情况，无需整个队形变换为柱状队形，而仅仅是遭遇到障碍物的那部分队形进行变换。
　　在本文研究中我们还给出的另一个问题，即利用自主机器人来形成希腊字母。就我们所知本文是首次进行该方面的研究，尽管一些研究论文已经利用非自主机器人开展过类似的研究工作。借助微型机器人我们可以在墙壁或天花板上完成不同语言的各种字母表，以便用于教育目的，它也可以用来组成不同的状态以用于娱乐。这使得字符可以进一步扩展来构成单词甚至是句子。通过减少机器人的尺寸并进一步提高其爬壁能力后这种应用是有可能的。机器人被区分在两个区域,一个区域是用来生成字符，而另外一个区域则是用来汇集机器人。这两个区域通过两个特殊的机器人来分开，其他机器人则是通过直线行进或交叉进行来到达字符地图中的指定位置。
　　在已有的文献中,编队问题通常是基于理想化的分布式移动机器人来研究的。这种理想化的机器人通常被看作是平面上的一个点，它装备有完善的范围传感器并且能够瞬间朝各种方向移动。在本文的研究中我们设定机器人具有实际的物理尺寸，机器人装备有有限范围的传感器，并且其运动必须遵循一定的物理法则。本文提出的各种算法均建立在实际机器人基础上。
　　关于编队问题仍有大量的研究工作在开展，并且由此已经演化出许多新的分支，如捕捉目标、护送、负载分配、物体运输等。这些问题自从编队问题出现以后变成了独立的研究领域。我们设法给出了一种在任意未知的环境中智能体仍然能够运作的算法。

目录

RESEARCH ON MULTI ROBOT DYNAMIC FORMATIONS

RESEARCH ON MULTI ROBOT DYNAMIC FORMATIONS

摘 要

Abstract

Contents

List of Figures

Chapter 1 Formations and Multi Robot Systems

1.1 Introduction

1.2 Objective

1.3 Overview of Multi Robot Systems

1.4 Multi Robot System Control

1.5 Taxonomy of Multi-Robot Systems

1.6 Formation and Multi Robot Systems

1.7 Formations in Nature

1.8 Formation Applications

1.9 Formations Control in Robotic Literature

1.10 Thesis Outline

Chapter 2 Theory of Formation

2.1 Formation Architecture

2.2 Limitations in Making Format

2.3 Formation Error and Stability

2.4 Basic Formations

2.5 Summary

Chapter 3 Modeling Formation System

3.1 The Problem

3.2 Related Work

3.3 Formations

3.4 The Model

3.5 The Computational Cyc

3.6 Robot Dynamics

3.7 Formation Feedback

3.8 Motor Schema-based Formation Control

3.9 Formation Leader’s Position

3.10 Joining Formation

3.11 Formation and Obstacle Avoidance (Formation

3.12 The Formations Inner Distances

3.13 Communication Error in Formation

3.14 Summary

Chapter 4 Dynamic Formations

4.1 Introduction

4.2 The Basic Model

4.3 The Formation Problem

4.4 Dynamics for Robot Formation

4.5 The Formation Algorithm

4.6 The Simulation Results

4.7 Summary

Chapter 5 Formations in Edutainment (Education

5.1 Introduction

5.2 The Theoretical Concept

5.3 The Algorithm

5.4 Evaluation Criterion

5.5 High Resolution Characters

5.6 Summary

Conclusions

References

Publications

Acknowledgments

Resume