多机器人编队的半集中式控制和理论下限外文翻译资料

英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

多机器人编队的半集中式控制和理论下限

Shuo Wan, Jiaxun Lu, Pingyi Fan, Senior Member, IEEE and Khaled B. Letaief*, Fellow, IEEE

Tsinghua National Laboratory for Information Science and Technology(TNList),

Department of Electronic Engineering, Tsinghua University, Beijing, P.R. China

E-mail: wan-s17@mails.tsinghua.edu.cn, lujx14@mails.tsinghua.edu.cn, fpy@tsinghua.edu.cn

*Department of Electronic Engineering, Hong Kong University of Science and Technology, Hong Kong

Email: eekhaled@ece.ust.hk

摘要：多机器人队列控制可以使机器人能够在完成复杂任务时像一个团队一样合作，这种方式已经被广泛运用于民用和军事方面。在移动达到一个给定的队形之前，每个机器人都会从队形中选择一个位置以便于使整个系统成本最低化。为了去解决这个问题，我们根据总移动距离构想了一个最优化的问题，并且利用匈牙利法给出了答案。为了分析从这种想法中得到的编队的偏差，我们根据信息理论的系统参数，得到了编队偏差的下限。作为拓展，我们还讨论了不同队形变化的方法。一些理论上的结果已经得到了系统设计上的指导。

关键词：位置安排；队列偏差；领导跟随者；队列转换

I.介绍

近年来，多机器人队形移动，取代了复杂的单一机器人，用于民用和军用。多机器人系统有许多优点。通过简单地更换破碎的机器人，整体系统性能将不会大幅下降。通过这种方式，它可以通过将复杂的任务分解成小的任务来降低复杂性。[1]此外，多机器人系统能够以较低的成本完成更复杂的任务。在军事应用中，机器人可以作为一个工作组进行合作，完成监视任务[2]，或者根据[3][4][5]的技术在对抗性领域进行间谍工作。在民用,自动驾驶汽车系统在智能交通系统可能会有帮助。

编队控制是机器人协调工作的一个关键问题。为了完成一项任务，我们经常需要机器人通过保持连续的阵形来移动。例如，当合作运输一个大项目时，需要某些编队，这使他们能够完成任务[6]。在此过程中，应尽可能快地达到提高工作效率的目的。此外，要确保完成任务的完成，必须在合理的范围内限制队列形成的偏差。在实践中，我们也需要根据不同的任务来改变形成过程，并且过程也要快。

多机器人的形成通常需要几个基本条件或假设。在这里，它假设:1)机器人能够通过使用辅助的必要信息来对周围的人进行相对定位[7][8];2)机器人能够控制自己到达所需的位置;3)基本的沟通能力是必要的，使机器人能够相互配合[9][10]。

多机器人编队控制方法主要分为三大类:分散控制、集中控制和集中化与分权相结合，称为半集中控制。在集中控制中，有一个中央代理监控整个环境并控制所有机器人的运动以达到一个形成。代理可以是计算机也可以是机器人。在分散控制系统中，没有中央代理。每个机器人自己做决定。他们自己监测环境，通过交流与他人交流观察。在半集中控制方法中，存在一个中央代理分配任务和向机器人发送指令，每个机器人通过自己的决策实现目标。

为了应对不同的应用场景，研究人员基于不同的假设和需求提出了几种不同的方法。在[11]中，讨论了对非不变多机器人编队规划无碰撞路径的问题。在[12]中，它为一个可伸缩的机器人团队提供了一个编组控制器，该团队的通信不可用，传感器范围有限。机器人可以达到当地想要的形状，并逐渐改变为全球所需要的。在[13]中，提出了一种分布式估计和控制的方法，以保持移动机器人团队的形成刚度，这是一种虚拟的结构方法。在[14][15]中，他们提出了多机器人团队的领导者-追随者控制器。在[16]中，在考虑外部扰动的情况下，开发了一种次最优控制器，该控制器可用于四旋翼的领导者-追随者形成问题。在[17]中，它结合了集中化和分散化的方法，并提出了航天器编队控制的协调体系结构。在[18]中，它提出了一种控制自动车辆在多车道道路上穿越障碍和一定程度的交通的方法。

然而，以我们对于这项研究最充足的了解，之前的作品没有讨论如何安排每一个机器人在队形的位置。相反，这通常是来自应用程序的需求。此外，他们也没有对实现的队列形成相比较于现实需求进行理论分析。

为了解决机器人编队的问题，我们将问题转化为任务分配问题，用匈牙利法求解。然后我们定义形成偏差。为了估计偏差，我们在信息理论中应用概念。我们通过计算测量值与实际值之间的相互信息来估计贝叶斯风险，从而解决问题。

本文着重介绍了在编队时更类似于人的动作模式的领导-跟随法。每个机器人都有一个参考，并跟随它直到机器人到达正确的位置。在此基础上，我们首先提出了一种方法，通过最小化预测的总移动距离，将机器人安排到给定的位置，从而得到一个最优解。然后，我们还考虑了实现的形成对理想的偏差。在分散估计中应用方法，得到了相对于系统参数的形成偏差的下限。这可以指导我们根据用户的要求设计系统。最后，我们讨论了不同形态之间的转换。对新形成中心的选择进行了优化，并进行了仿真验证。

我们讨论的系统属于第三类。它有一个中央代理向机器人发送命令。每个机器人接收命令并自行达到目标。在这个过程中，他们发现了可能发生的碰撞并避开它们。每个机器人可以测量其参考的相对位置并跟随它到达形成。

其他论文的组织形式如下:第二节给出了一个简短的问题和符号陈述。在第三节中，我们通过将机器人转换成分布优化问题，给出了将机器人布置在编队中位置的方法。在第四节中，我们给出了在我们所考虑的系统中领导者-追随者方法的描述。在第五节中推导出了偏差的下界，在第六节中给出了证明，然后讨论了第七节的地层转换。第八节给出了仿真结果。最后,我们给出了结论。

II.问题陈述和相关符号

考虑一组机器人，每个机器人都有一个序列号。

从1到n，初始位置是随机分布的。它们的运动可以描述为:

(1)

是机器人在时间的位置有和。是速度的最大值。是机器人的速度。给定一个阵型，机器人需要移动到它，在此期间不应有任何碰撞.

在现实世界中，机器人的形成配置有许多不同的要求。对于方阵，我们倾向于找到一个领先的机器人，让其他机器人跟随它到达一个队形。有时，我们希望形成的中心在某个位置。因此，我们可以让机器人跟上中心移动。该中心可以由计划者预先给出，也可以由系统自动决定。

由表示生成队列，其中是-th节点在形成中的位置。考虑二维平面上的生成，我们得到了。此外，我们也让原点成为形成的中心，这意味着。生成F是由用户预先定义的，系统将其用于控制以达到队列。

在形成这些位置的时候，机器人必须按照它们来排列。用表示该排列;。表示第个机器人在队形中的位置的序号。

当配置一个方阵时，我们假设存在一个由控制中心选择的主要机器人。根据上面提到的安排，每个机器人与另一个机器人保持同步，而一些机器人将直接跟随机器人。主要机器人的序号为。然后定义,,表示机器人的序号，其次是机器人。此外，我们还定义,在表示机器人和机器人之间形成所需的相对位置。可以用来计算。假设机器人我可以测量机器人的相对位置，机器人可以移动来调整相对位置。如果对所有的，则有，在时间节点处形成。此外，如果机器人与另一个机器人相撞，它们可能会损坏。因此，我们的控制方法应该避免这样的事件发生。

当需要形成一个中心时，我们可能不需要找到一个领导者。假设机器人能够知道中心与自身之间的相对位置，就可以调整相对位置以实现形成。表示中心位置为，如果在时间节点，对于所有的，则有,在时间点上形成队形。

机器人的运动应该同步，这样等式(1)就可以很有意义地描述机器人的运动[19]。假设中心或领先的机器人可以作为同步器，我们可以做到这一点。此外，速度应该从到在时间节点上进行调整，我们假设这可以通过机器人的运动控制器来实现。如前所述，控制应该基于测量其他机器人相对位置的能力[20]。我们假设机载传感器和通信系统将有助于实现这一目标。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[23443]，资料为PDF文档或Word文档，PDF文档可免费转换为Word