佚名
在機器人向智能化的發(fā)展中,多機器人協(xié)作系統(tǒng)是一類具有覆蓋性的技術集成平臺。
如果說單個機器人的智能化還只是使個體的人變得更聰明,那么多機器人協(xié)作系統(tǒng)則不但要有一批聰明的人,還要求他們能有效地合作。所以它不僅反映了個體智能,而且反映了集體智能,是對人類社會生產活動的想象和創(chuàng)新探索。
多機器人協(xié)作系統(tǒng)有著廣泛的應用背景,它與自動化向非制造領域的擴展有著密切的聯系。由于應用環(huán)境轉向非結構化,多移動機器人系統(tǒng)應能適應任務的變化以及環(huán)境的不確定性,必須具有高度的決策智能。因而,對多移動機器人協(xié)作的研究已不單純是控制的協(xié)調,而是整個系統(tǒng)的協(xié)調與合作。在這里,多機器人系統(tǒng)的組織與控制方式在很大程度上決定了系統(tǒng)的有效性。
多機器人協(xié)作系統(tǒng)還是實現分布式人工智能的典范。分布式人工智能的核心是把整個系統(tǒng)分成若干智能、自治的子系統(tǒng),它們在物理和地理上分散,可獨立地執(zhí)行任務,同時又可通過通信交換信息,相互協(xié)調,從而協(xié)同完成整體任務,這無疑對完成大規(guī)模和復雜的任務是富有吸引力的,因而很快在軍事、通信及其他應用領域得到了廣泛重視。
多機器協(xié)作系統(tǒng)正是這種理念的具體實現,其中每個機器人都可看作是自主的智能體,這種多智能機器人系統(tǒng)MARS現已成為機器人學中一個新的研究熱點。
多移動機器人系統(tǒng)由于具有移動功能,能在非結構環(huán)境下完成復雜任務,是多機器人協(xié)作系統(tǒng)中最具典型意義和應用前景,也是得到最廣泛研究的一類系統(tǒng)。以下就以多移動機器人系統(tǒng)為代表,介紹智能機器人協(xié)作系統(tǒng)的主要關鍵技術。
體系結構、感知
規(guī)劃、學習與演化
體系結構是系統(tǒng)中機器人之間邏輯上和物理上的信息關系和控制關系,以及問題解決能力的分布模式,它是多移動機器人協(xié)作行為的基礎。一般地,多移動機器人協(xié)作系統(tǒng)的體系結構分為集中式和分式兩種。
集中式體系結構可用一個單一的主控機器人來規(guī)劃,該機器人具有關于系統(tǒng)活動的所有信息。
感知是智能機器人行動的基礎,包括“感覺”和“知道與理解”。
在移動機器人中最主要的感知問題是定位和環(huán)境建模問題,雖然已有里程計推算、基于視覺的路標識別、基于地圖匹配的全局定位、陀螺導航、GPS等多種定位方法,但在未知非結構環(huán)境中,目前有GPS才能實現可實用的全局定位。
但GPS同時受到精度、安全等因素的限制。
規(guī)劃問題主要包括任務規(guī)劃和路徑規(guī)劃,一直是人工智能及機器人學研究的主要問題,對其進行了大量和長期的研究,成果已應用在多機器人協(xié)作系統(tǒng)的規(guī)劃問題研究中,與體系結構相對應,多移動機器人系統(tǒng)的規(guī)劃通常包括集中式規(guī)劃和分布式規(guī)劃兩種方式。
學習和演化是系統(tǒng)具有適應性、靈活性等特性的體現。
目前,在協(xié)作機器人學習中主要采用增強型學習方法和遺傳規(guī)劃,并且在多機器人搬運系統(tǒng)和機器人足球中獲得了成功應用。
目前的多機器人學習和演化還停留在比較低的行為層次,其學習和演化的任務和環(huán)境也非常簡單,當其面對更為復雜的任務和環(huán)境時,存在時滯評價和組合爆炸問題。另外,對多智能體的分布式學習與演化,也與傳統(tǒng)的集中式的學習與演化方法有明顯區(qū)別,還有待尋找更為有效的行為優(yōu)化方法。
協(xié)調與協(xié)作策略
系統(tǒng)軟件平臺開發(fā)
多移動機器人系統(tǒng)在協(xié)作完成復雜任務時,涉及到各機器人任務、規(guī)劃、控制間的協(xié)調,多智能體理論的研究已為這些協(xié)調行為提供了思想與策略,但如何把這些抽象的思想與策略結合到具體系統(tǒng)中加以實現,同時又能體現普適性,涉及到用什么工具正確描述各層次的系統(tǒng)行為。
目前在任務協(xié)調層最典型的描述工具是離散事件動態(tài)系統(tǒng)理論中的有限狀態(tài)機方法,但如何對不同層次的行為借鑒混合系統(tǒng)理論和方法進行統(tǒng)一描述,還是在研究的熱門課題。
此外,在同一環(huán)境中運行的多個移動機器人,經常會產生資源利用時的沖突。如果沒有適當的協(xié)調策略,系統(tǒng)將不能正常工作。對于可預見的沖突,可通過規(guī)劃加以避免。
值得強調的是,系統(tǒng)動態(tài)運行時的情況常常不能事先準確預測,僅依靠規(guī)劃的方法解決沖突將十分有限。對于動態(tài)沖突的消解主要包括磋商法、慣例法和熟人模型法。在動態(tài)環(huán)境中的死鎖檢測與消解,仍是十分具有挑戰(zhàn)性的難題。