MATLAB基于势场函数的多机器人编队控制(2)
1.1 多自主机器人系统 多自主机器人系统 多自主机器人系统 多自主机器人系统多自主机器人系统 (Multiple Autonomous Robot Systems) 是 现代 控制和机器人领域的研究热点之一 。 多自主机器人系统是由多个单机器人系统 组 合而成的系统 ， 所以有人将其称为 systems-of-systems 。 但多自主机器 人 系统决不是多个机器人的简单组合 。 在多自主机器人系统中 ， 每个机器人子系统拥有自己相对独立的结构、传感器、执行器和处理器，可以独立地动作，无需人的直接控制 。 每个机器人按照预定规则检测周围环境 ， 与其邻近的其他机器人通讯 ， 并根据自身获得的信息决定下一步的行动。虽然每个机器人只使用了其能获得的局部信息 ，但是整个系统却能实现一些全局性的任务 ， 例如队形控制 ， 集 结 ， 覆盖 ， 和一致化等等 ] 2[。
1.2 多机器人编队的优势 多机器人编队的优势 多机器人编队的优势 多机器人编队的优势多机器人保持一定的队形前进，可以有许多好处：（ 1 ） 更加准确 、 有效的获取环境信息 。 由于机器人的硬件约束 ( 如传感器的精度和能力、噪声的干扰等 ) ，单个机器人很难准确地获取环境信息。当多个机器人保持一定的队形 ， 其中每个机器人都负责相应的职责 ， 那么在有效通讯的范围内 ， 将不同机器人获得的信息融合起来 ， 可以获得更多的环境信息 。 在多机器人协调探测环境过程中 ， 通过贝叶斯理论的概率模型 ， 可以逐渐增加单个机器人对环境认识的可信度，从而更加有效地识别环境形状。（ 2 ） 提高工作的效率。首先，单个机器人能力有限，完成任务需要花费很长的时间。从这个角度来看，多个机器人就已经提供了并行执行任务的能力 ， 因而可以提高工作的效率 。 另外 ， 在搬运物体的过程中 ， 多个机器人编排固定的队形 ， 才可以将物体推动到目标位置 。 而且单个机器人不一定有能力完成这些任务 ，此时多机器人的协作更加重要。（ 3 ） 增加抵抗外界入侵的能力。在机器人军队中，机器人通过组成一种或多种编队形状 ， 可以有效地抵抗外界的干扰 。 同样 ， 通过保持队形 ， 可以保护重要的对象，以达到相应的目标。（ 4 ） 增加系统的鲁棒性。在编队中，机器人受到队形向量的约束，即使在行进过程中出现死锁或停滞现象 ， 其他机器人都可以通过这些约束将该机器人从死锁的状态中摆脱。（ 5 ） 有助于机器人之间的合作。在队形保持中，机器人满足队形约束，如距离约束 。 在距离约束之下 ， 机器人通过视觉等辅助传感器得知其他机器人的信息，以便给出相应的对策或决策。
1.3 多机器人研究趋向 多机器人研究趋向 多机器人研究趋向 多机器人研究趋向多机器人系统近期的主要研究重点可以归纳为以下几个方面 ： 来自生物学的启发 ， 通信 ， 体系结构 、 任务分配和控制 ， 定位 、 构建地图和探索 ， 物体运输和操作，运动协调，可重构机器人。来自生物学的启发方面主要是 文献综述， 应用基于行为的控制模式来研究昆虫和动物的社会属性 ， 并用来知道多机器人系统的设计 。 例如用简单的局部控制规则来研制协作机器人系统 ， 利用多机器人系统模拟演示生态系统的 “ 涌现 ” 现象 ， 并将高级动物的协作策略用于多机器人系统协作控制 。 这方面的研究正不断将来自于生物界的灵感和发现逐渐应用于多机器人系统的设计、控制与协作之中。在多机器人系统通信方面的工作将主要集中于通信语言的描述和这些描述在物理世界种的传输媒介 。 此外 ， 也有部分工作着重于通信的容错性能 。 体系结构 、 任务分配和控制在近期研究中依然是多机器人系统的重点之一 ， 其中包括动作选择 、 控制与权限的分派 、 通信结构 、 机器人的同构与异构问题 、 局部行为的连贯性、冲突消解等问题。多机器人系统在定位 、 构建地图和探索的研究中 ， 利用多机器人系统分布式的特点开展了完全分布的定位、构建地图和探索算法研究。运动协调主要有多机器人运动规划 、 交通控制 、 队形形成和队形保持等方面 。近期的研究主要有目标追踪、目标搜索和多机器人聚集行为等。目前 ， 多机器人系统的发展呈现出以下几种趋势 ： 微小化 、 智能化 、 模块化 、宜人化 、 社会化 。 这些趋势虽然不是多机器人系统所共有的特征 ， 但却显示了多机器人系统发展的一些分支，适应不同应用需求的多元化趋向。