劉 鵬，于鎮(zhèn)滔，曾建潮，張 鵬，盧志剛，馬躍東

（1.中北大學(xué)，太原 030051；2.北方自動(dòng)控制技術(shù)研究所，太原 030006）

0 引言

“機(jī)器人士兵”已從科幻描述走向現(xiàn)實(shí)應(yīng)用，其參戰(zhàn)可追溯到二戰(zhàn)時(shí)德軍研制的“歌利亞遙控炸彈”反坦克武器，以色列在巴黎航展上展出的“哈比”無(wú)人機(jī)武器能夠自主發(fā)現(xiàn)和摧毀敵方雷達(dá)，美國(guó)研制出被稱作“普羅拉”的機(jī)器人士兵。近來(lái)，為提升全球軍事競(jìng)爭(zhēng)能力，各大國(guó)紛紛制定該國(guó)關(guān)于機(jī)器人戰(zhàn)略的發(fā)展規(guī)劃，美國(guó)在2013 年制定的發(fā)展規(guī)劃中將研制軍用機(jī)器人的費(fèi)用大幅提高，提升美軍無(wú)人裝備的使用比例達(dá)到30%。德國(guó)2013 年推出“工業(yè)4.0”戰(zhàn)略，日本則于2015 年發(fā)布了“日本機(jī)器人新戰(zhàn)略”。我國(guó)也發(fā)布了《中國(guó)制造2025》規(guī)劃，明確提出突破智能機(jī)器人領(lǐng)域的關(guān)鍵技術(shù)，應(yīng)對(duì)新形勢(shì)下的無(wú)人化、智能化挑戰(zhàn)。

隨著人工智能技術(shù)的發(fā)展，無(wú)人機(jī)器作戰(zhàn)系統(tǒng)將是未來(lái)戰(zhàn)爭(zhēng)中的沖鋒部隊(duì)，具有造價(jià)低、便于維護(hù)、出勤率高、時(shí)效性強(qiáng)等特點(diǎn)，“機(jī)器人”（包括無(wú)人車、無(wú)人機(jī)等作戰(zhàn)系統(tǒng)）沖鋒陷陣是目前熱戰(zhàn)爭(zhēng)模式中的最優(yōu)方案，能夠做到真正的全天候待命。機(jī)器人部隊(duì)執(zhí)行任務(wù)時(shí)需要具有精確的敵我位置信息。

1 可定位性與多機(jī)器人定位

機(jī)器人的準(zhǔn)確位置是其實(shí)現(xiàn)移動(dòng)行走、環(huán)境感知、編隊(duì)導(dǎo)航的基礎(chǔ)，定位精度和實(shí)時(shí)性決定了其執(zhí)行任務(wù)的效果。機(jī)器人部隊(duì)作為步兵作戰(zhàn)輔助裝備，在城市巷戰(zhàn)復(fù)雜地形下可實(shí)現(xiàn)對(duì)敵火力干擾和壓制，但前提是能夠確定敵我雙方的位置?，F(xiàn)階段關(guān)于機(jī)器人的研究多為單機(jī)器人的性能提升，與單一系統(tǒng)相比，多機(jī)器人具有冗余配置、并行計(jì)算等優(yōu)勢(shì)，通過(guò)協(xié)作可拓展感知范圍，擁有出色抗擾能力。這里針對(duì)機(jī)器人的可定位性和協(xié)同定位展開(kāi)闡述。

1.1 機(jī)器人可定位性

已知彼此的精確方位是智能機(jī)器士兵執(zhí)行自主移動(dòng)、導(dǎo)航規(guī)劃、任務(wù)分派等任務(wù)的基礎(chǔ)。可定位性是機(jī)器人對(duì)位置實(shí)現(xiàn)準(zhǔn)確定位能力的一種度量，機(jī)器人具有可定位性時(shí)方可設(shè)計(jì)各種定位算法。Roy 利用定位概率分布的熵值來(lái)描述海洋機(jī)器人的可定位性，此熵值為一維變量，反映了可定位整體性能，但無(wú)法刻畫(huà)定位時(shí)的方向性。Censi 用Fisher 信息矩陣來(lái)反映移動(dòng)機(jī)器人定位的整體性能和方向性，但地圖信息的不確定性會(huì)影響到定位評(píng)估效果。對(duì)機(jī)器人相應(yīng)柵格進(jìn)行離散化，可將Fisher信息矩陣應(yīng)用于概率柵格地圖，引入動(dòng)態(tài)評(píng)估因子后可用動(dòng)態(tài)Fisher 矩陣來(lái)評(píng)價(jià)定位性能。借助無(wú)線物聯(lián)網(wǎng)之間的可定位性原理，可利用判定多點(diǎn)協(xié)同定位方法給出智能機(jī)器系統(tǒng)可定位性條件。對(duì)機(jī)器人運(yùn)動(dòng)過(guò)程建立數(shù)學(xué)模型，采用Kalman 濾波與信息融合理論，來(lái)分析基于激光雷達(dá)的地圖匹配定位方法，從而分析出影響可定位性的主要因素。

1.2 多機(jī)器人定位

機(jī)器人具有多個(gè)感知單元，執(zhí)行分布式高級(jí)算法，通過(guò)協(xié)作在惡劣環(huán)境、國(guó)防軍事領(lǐng)域已開(kāi)始使用。機(jī)器人系統(tǒng)協(xié)同作業(yè)時(shí)，通過(guò)無(wú)線相互通信獲得鄰居的相對(duì)觀測(cè)量或運(yùn)動(dòng)信息，利用這些信息可提高機(jī)器人系統(tǒng)的定位精度。多機(jī)器人系統(tǒng)亦可使用便攜式路標(biāo)法來(lái)提高每個(gè)機(jī)器人的定位精度，但觀測(cè)信息丟失會(huì)導(dǎo)致定位誤差增大，以致機(jī)器人迷失方向。裝配不同傳感器的異構(gòu)機(jī)器人，采用任務(wù)分解與分配算法，使得各機(jī)器人物盡其用，更顯合作定位的優(yōu)勢(shì)。智能移動(dòng)機(jī)器人的自主定位與導(dǎo)航規(guī)劃依賴于應(yīng)用背景和實(shí)驗(yàn)平臺(tái)，需要考慮綜合使用多機(jī)器人的感知信息來(lái)實(shí)現(xiàn)高效自主定位，進(jìn)而考慮如何在避免任務(wù)沖突時(shí)實(shí)現(xiàn)多機(jī)器人的導(dǎo)航定位。任務(wù)分解及導(dǎo)航規(guī)劃的過(guò)程均需要考慮多機(jī)器人系統(tǒng)的可定位性問(wèn)題，然而對(duì)定位能力和定位誤差的估計(jì)仍然是多機(jī)器人領(lǐng)域的難題之一。

2 多機(jī)器人定位模型與相關(guān)算法分析

多機(jī)器人定位模型主要有運(yùn)動(dòng)學(xué)方程建模和優(yōu)化問(wèn)題建模兩類。針對(duì)不同的模型方程，應(yīng)用不同的技術(shù)策略進(jìn)行定位，具體架構(gòu)如圖1 所示。

圖1 機(jī)器人定位框架

2.1 多機(jī)器人定位模型

建立精準(zhǔn)的運(yùn)動(dòng)方程和匹配合適的定位模型是機(jī)器士兵執(zhí)行任務(wù)的前提，為設(shè)計(jì)高效實(shí)時(shí)定位算法提供依據(jù)。

2.1.1 運(yùn)動(dòng)學(xué)方程建模

其中，p和p是待估計(jì)的移動(dòng)機(jī)器人位置。

2.2 相關(guān)定位算法分析

智能移動(dòng)機(jī)器人根據(jù)建模原理的不同，對(duì)應(yīng)著不同的定位算法，這里主要從信息融合與優(yōu)化的角度進(jìn)行綜述。

2.2.1 基于信息融合

機(jī)器人系統(tǒng)根據(jù)所攜各類傳感器確定其在給定環(huán)境中的位姿時(shí)，由于傳感器與執(zhí)行器存在的隨機(jī)誤差會(huì)影響到定位精度，故可將信息融合策略用于機(jī)器人的自主定位。常用的融合估計(jì)方法分為最小二乘擬合法和貝葉斯型估計(jì)方法兩大類。前者以殘差平方總和最小為準(zhǔn)則進(jìn)行靜態(tài)數(shù)據(jù)處理，后者處理動(dòng)態(tài)過(guò)程估計(jì)。

移動(dòng)機(jī)器人的狀態(tài)方程與觀測(cè)方程一般用條件概率分布來(lái)描述，大部分移動(dòng)機(jī)器人的定位算法都為貝葉斯估計(jì)算法的延伸，結(jié)構(gòu)上均采用“預(yù)測(cè)-更正”兩步來(lái)實(shí)現(xiàn)。利用高斯分布來(lái)描述機(jī)器人狀態(tài)分布時(shí)的估計(jì)方法稱為高斯濾波算法，其代表是Kalman 濾波器?，F(xiàn)實(shí)建立的機(jī)器人模型為非線性形式，低非線性時(shí)使用形式簡(jiǎn)潔、計(jì)算高效的擴(kuò)展Kalman 濾波器；狀態(tài)局部非線性化程度高時(shí)，擴(kuò)展Kalman 濾波器性能受限。對(duì)此，研究人員提出利用無(wú)跡Kalman 濾波和中心差分Kalman 濾波兩種算法進(jìn)行移動(dòng)機(jī)器人定位，它們避免了計(jì)算雅克比矩陣，雖提高了魯棒性，但容易導(dǎo)致數(shù)值不穩(wěn)定，此時(shí)可以將地圖數(shù)據(jù)庫(kù)信息作為約束條件，設(shè)計(jì)具有約束條件的濾波算法或平方根濾波算法進(jìn)行定位。對(duì)于作戰(zhàn)機(jī)器士兵來(lái)說(shuō)，需要已知實(shí)時(shí)態(tài)勢(shì)感知和位置，以粒子濾波為基礎(chǔ)的蒙特卡羅定位算法成為移動(dòng)機(jī)器人領(lǐng)域流行的定位方法。粒子濾波算法是利用隨機(jī)采樣的樣本來(lái)近似機(jī)器人的狀態(tài)空間，可表示比高斯分布更廣泛的分布空間，適用于復(fù)雜環(huán)境的機(jī)器人定位。Fox 等人對(duì)馬爾科夫定位算法進(jìn)行了擴(kuò)展，利用概率分布來(lái)描述不同機(jī)器人的位姿信息，借助鄰居的額外信息重新定義得到新的概率分布，通過(guò)室內(nèi)和室外環(huán)境的現(xiàn)場(chǎng)驗(yàn)證得出該定位算法精度要高于其他定位算法精度的結(jié)論。多傳感器利用信息冗余來(lái)減小不同濾波算法的誤差協(xié)方差矩陣來(lái)提高定位精度，也可通過(guò)分布式計(jì)算來(lái)進(jìn)行信息融合和定位。

除此之外，不同的定位策略可被引入到多機(jī)器人系統(tǒng)的同時(shí)定位與地圖構(gòu)建問(wèn)題中來(lái)，以改進(jìn)現(xiàn)有機(jī)器人的定位與構(gòu)圖算法精度。上述以Kalman濾波器、擴(kuò)展Kalman 濾波器、粒子濾波為代表的算法使用前提是假設(shè)機(jī)器人當(dāng)前狀態(tài)僅與前一時(shí)刻狀態(tài)有關(guān)，因此，這些定位算法可以統(tǒng)稱為馬爾可夫定位。當(dāng)機(jī)器人狀態(tài)與之前所有時(shí)刻的狀態(tài)都相關(guān)時(shí)，便要考慮利用非線性優(yōu)化框架進(jìn)行定位。

2.2.2 基于優(yōu)化算法

基于優(yōu)化理論的移動(dòng)機(jī)器人系統(tǒng)定位方法和基于信息融合策略定位的思想不同。優(yōu)化方法是通過(guò)對(duì)待定位參數(shù)建立目標(biāo)函數(shù)，機(jī)器人實(shí)際運(yùn)行環(huán)境限制作為約束方程，通過(guò)優(yōu)化求解（解析法或數(shù)值法）目標(biāo)函數(shù)的極值來(lái)得到各機(jī)器人的位置或姿態(tài)。根據(jù)建立的優(yōu)化模型（線性、非線性、隨機(jī)模型等），采用的優(yōu)化算法主要有：梯度下降法、滾動(dòng)時(shí)域法、粒子群優(yōu)化，以及神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、分布式優(yōu)化等。不同的求解方法有著不同的優(yōu)缺點(diǎn)和使用范圍，實(shí)際采用的可行算法，由目標(biāo)函數(shù)和約束條件來(lái)決定。下面對(duì)幾種常見(jiàn)算法的優(yōu)缺點(diǎn)和使用條件進(jìn)行說(shuō)明。

梯度下降法作為經(jīng)典的優(yōu)化算法，被用于多機(jī)器人系統(tǒng)進(jìn)行位姿確定。外置傳感器測(cè)量機(jī)器人之間的局部距離或相對(duì)方位信息，同時(shí)機(jī)器人根據(jù)內(nèi)置傳感器得到的位姿估計(jì)值，來(lái)計(jì)算機(jī)器人間的相對(duì)距離或相對(duì)方位，利用測(cè)量值與估計(jì)值之間的均方差作為目標(biāo)函數(shù)，求解該目標(biāo)函數(shù)的極值獲得機(jī)器人的最佳估計(jì)位置。滾動(dòng)時(shí)域估計(jì)是一種動(dòng)態(tài)滾動(dòng)式的優(yōu)化算法，此算法的優(yōu)化計(jì)算窗口為固定時(shí)間域長(zhǎng)度，滾動(dòng)更新機(jī)制設(shè)置為先入先出形式，考慮機(jī)器人間的狀態(tài)約束，性能指標(biāo)函數(shù)由窗口開(kāi)始時(shí)刻的機(jī)器人系統(tǒng)的位姿數(shù)據(jù)、窗內(nèi)各時(shí)刻狀態(tài)噪聲與到達(dá)代價(jià)函數(shù)構(gòu)成。通過(guò)最小化該性能指標(biāo)函數(shù)得到時(shí)間窗結(jié)束時(shí)刻的多個(gè)機(jī)器人的位姿信息。智能機(jī)器人要像人一樣在未知環(huán)境中自主移動(dòng)的關(guān)鍵是解決機(jī)器人在未知環(huán)境中的自我感知、識(shí)別以及定位等問(wèn)題。在多機(jī)器定位系統(tǒng)中，利用深度學(xué)習(xí)算法進(jìn)行目標(biāo)識(shí)別，卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測(cè)。強(qiáng)化學(xué)習(xí)中神經(jīng)網(wǎng)絡(luò)的Q- 學(xué)習(xí)控制策略與PID 控制方法相結(jié)合，使得海上半潛平臺(tái)機(jī)器人在未知海況下可尋找到最優(yōu)控制區(qū)間進(jìn)而提高可靠性。神經(jīng)網(wǎng)絡(luò)適用于非線性映射，并能輔助非線性濾波算法以提高濾波估計(jì)性能，但會(huì)存在收斂速度慢、計(jì)算復(fù)雜度高等問(wèn)題。計(jì)算機(jī)視覺(jué)定位方法是通過(guò)圖像匹配或圖像分類的方式來(lái)實(shí)現(xiàn)機(jī)器人的定位，該方法無(wú)需未知環(huán)境中提前布置硬件設(shè)備，不受環(huán)境影響，可與其他定位方法進(jìn)行組合使用來(lái)拓展機(jī)器人的定位范圍。

3 多機(jī)器人協(xié)同定位

協(xié)同定位是在一個(gè)特定環(huán)境中存在已知節(jié)點(diǎn)（錨節(jié)點(diǎn)，即功能完善的節(jié)點(diǎn)）和未知節(jié)點(diǎn)，節(jié)點(diǎn)之間通過(guò)無(wú)線通信進(jìn)行信息交互，也可利用外置傳感器進(jìn)行測(cè)距、測(cè)向或鄰近探測(cè)，綜合利用過(guò)去的位置信息實(shí)現(xiàn)對(duì)未知節(jié)點(diǎn)當(dāng)前位置的確定。協(xié)同定位的目標(biāo)是通過(guò)節(jié)點(diǎn)間的協(xié)作提升單個(gè)或整體機(jī)器人節(jié)點(diǎn)的位置精度。該技術(shù)應(yīng)用在無(wú)線傳感網(wǎng)絡(luò)、多機(jī)器人系統(tǒng)、水下自主航行器、戰(zhàn)機(jī)編隊(duì)及衛(wèi)星定位等領(lǐng)域。多機(jī)器人協(xié)同定位由Ryo 最早提出，基本思想為利用相鄰機(jī)器間的額外測(cè)量信息來(lái)提升整個(gè)機(jī)器人系統(tǒng)的定位精度和可靠性，應(yīng)用場(chǎng)景如下頁(yè)圖2 所示。

圖2 多機(jī)器人協(xié)同定位

多機(jī)器人協(xié)同定位是保證多個(gè)移動(dòng)智能機(jī)器人協(xié)作導(dǎo)航與環(huán)境探索的基礎(chǔ)。根據(jù)各自的功能和結(jié)構(gòu)分為同構(gòu)多移動(dòng)機(jī)器人系統(tǒng)和異構(gòu)多移動(dòng)機(jī)器人系統(tǒng)。同構(gòu)多移動(dòng)機(jī)器人系統(tǒng)中各機(jī)器人的功能、結(jié)構(gòu)、配置傳感器完全相同，一般采用并行運(yùn)行方式，可在不同區(qū)域同時(shí)執(zhí)行任務(wù)；異構(gòu)多移動(dòng)機(jī)器人系統(tǒng)中各機(jī)器人的功能、結(jié)構(gòu)、配置傳感器存在差異，通常采用“主-從”運(yùn)行方式通過(guò)協(xié)作在不同區(qū)域同時(shí)執(zhí)行不同任務(wù)?，F(xiàn)有智能機(jī)器人系統(tǒng)協(xié)同定位方法主要有集中式處理和分布式處理兩類：集中式協(xié)同定位需要中心處理單元來(lái)接收和發(fā)送相關(guān)傳輸信息，中心處理機(jī)器人出現(xiàn)故障會(huì)引起整個(gè)系統(tǒng)定位失效；分布式處理時(shí)，每一個(gè)體的地位平等，單一個(gè)體的故障不會(huì)對(duì)整個(gè)系統(tǒng)產(chǎn)生影響。相比較而言，分布式定位方法是現(xiàn)在以及未來(lái)一段時(shí)間的研究熱點(diǎn)。定位的相對(duì)觀測(cè)量有：相對(duì)距離、相對(duì)方位和相對(duì)航向，這里將相對(duì)航向也視為方位類。

3.1 基于距離定位

無(wú)線電測(cè)距傳感器具有高精度和低成本的特點(diǎn)，可在機(jī)器人上配置此傳感器，利用距離測(cè)量來(lái)進(jìn)行目標(biāo)定位。不考慮觀測(cè)站坐標(biāo)誤差時(shí)，利用約束總體最小二乘法處理固定觀測(cè)站時(shí)差信息進(jìn)行定位時(shí)精度較高，但存在噪聲和誤差時(shí)，定位精度下降。利用斜距離解析進(jìn)行目標(biāo)定位時(shí)，定位精度與坐標(biāo)測(cè)量誤差相關(guān)，坐標(biāo)測(cè)量誤差大，定位精度低。作為衡量均方誤差理論下限的克拉美-羅下界（Fisher 信息矩陣的逆），可以用來(lái)分析機(jī)器士兵間的相對(duì)位置結(jié)構(gòu)對(duì)其定位精度的影響。針對(duì)多自主水下航行器移動(dòng)長(zhǎng)基線定位系統(tǒng)，利用克拉美-羅下界和Fisher 信息矩陣，建立與隊(duì)形結(jié)構(gòu)參數(shù)相關(guān)的定位性能評(píng)價(jià)函數(shù)，優(yōu)化該評(píng)價(jià)函數(shù)來(lái)得到最佳位置，當(dāng)行列式最大時(shí)，多自主水下航行器具有最佳的編隊(duì)隊(duì)形。在此基礎(chǔ)上，文獻(xiàn)［8］探討了基于距離相關(guān)噪聲模型下的多自主水下航行器最優(yōu)隊(duì)形，以及協(xié)同定位性能與噪聲因子的敏感關(guān)系。進(jìn)一步，文獻(xiàn)［1］研究目標(biāo)定位精度與水面浮標(biāo)到水下目標(biāo)之間距離的關(guān)系，得到最優(yōu)定位幾何結(jié)構(gòu)時(shí)的最優(yōu)距離。蒙特卡羅定位是多機(jī)器人協(xié)同定位的一種統(tǒng)計(jì)算法，借助獲取的相對(duì)位置信息，利用檢測(cè)模型的概率分布，融合自身位置信息和相對(duì)位置信息，從而得到高精度的全局位置信息。Howard在多機(jī)器人協(xié)同定位領(lǐng)域進(jìn)行了大量研究，提出基于相對(duì)位置測(cè)量的協(xié)同定位方法，機(jī)器人之間的通信拓?fù)錇橥耆珗D，每個(gè)機(jī)器人對(duì)來(lái)自其他個(gè)體的測(cè)量信息利用粒子濾波估計(jì)位置，無(wú)需GPS、地圖等外部傳感器，適于未知復(fù)雜環(huán)境中多機(jī)器人之間的定位。但完全圖通信拓?fù)涫沟脵C(jī)器人定位時(shí)的計(jì)算量隨個(gè)體數(shù)目急劇增長(zhǎng)，Howard 還提出用無(wú)線信號(hào)強(qiáng)度和分布式數(shù)值優(yōu)化等方法，來(lái)確定機(jī)器人之間的相對(duì)距離、角度和航向?？突?梅隆大學(xué)開(kāi)發(fā)的小型模塊化的異構(gòu)機(jī)器人群，通過(guò)超聲波測(cè)距和最大似然估計(jì)法進(jìn)行協(xié)同定位。Martinelli 建立對(duì)相對(duì)距離和角度同時(shí)適用的測(cè)量方程，利用擴(kuò)展Kalman 濾波器處理協(xié)同定位方程。國(guó)防科技大學(xué)研究人員將該方程應(yīng)用到雙輪差速移動(dòng)機(jī)器人，得到更為實(shí)用的方程，進(jìn)而利用非線性估計(jì)器進(jìn)行協(xié)同定位，定位效果較好。

3.2 基于方位定位

紅外雷達(dá)、被動(dòng)雷達(dá)等被動(dòng)探測(cè)系統(tǒng)具有探測(cè)距離遠(yuǎn)、信號(hào)隱蔽性高等優(yōu)點(diǎn)，因而引起研究者的充分重視。被動(dòng)探測(cè)系統(tǒng)用來(lái)觀測(cè)目標(biāo)的方位角或俯仰角信息，該信息含有測(cè)量噪聲，需要多個(gè)傳感器協(xié)同估計(jì)目標(biāo)的位置。一種常見(jiàn)的探測(cè)方式為雙機(jī)協(xié)同純角度被動(dòng)探測(cè)，此方法在實(shí)際作戰(zhàn)中已有應(yīng)用。Kalman 濾波算法用于雙觀測(cè)站被動(dòng)跟蹤系統(tǒng)時(shí)，可得角度信息變化率與估計(jì)精度之間的關(guān)聯(lián)性。分析定位理論與僅含角度測(cè)量的單站目標(biāo)跟蹤可知，跟蹤定位效果與觀測(cè)站運(yùn)動(dòng)軌跡相關(guān)，為了達(dá)到較高的跟蹤定位精度，觀測(cè)站機(jī)動(dòng)加速度要高于目標(biāo)機(jī)動(dòng)的階次。僅有角度測(cè)量的多站目標(biāo)跟蹤，當(dāng)觀測(cè)站固定時(shí)，觀測(cè)站之間及觀測(cè)站與目標(biāo)之間的幾何構(gòu)型會(huì)影響跟蹤定位的精度；當(dāng)觀測(cè)站運(yùn)動(dòng)時(shí)，合理規(guī)劃運(yùn)動(dòng)路徑后才能得到高精度的跟蹤定位精度。無(wú)錨節(jié)點(diǎn)的多機(jī)器人協(xié)同定位利用多邊法將定位后的機(jī)器人作為虛擬錨節(jié)點(diǎn)，該定位過(guò)程與機(jī)器人的組網(wǎng)結(jié)構(gòu)相關(guān)。利用擴(kuò)展Kalman 濾波器進(jìn)行機(jī)器人的相對(duì)位姿測(cè)量時(shí)，同時(shí)需要機(jī)器人的位置和方位信息。相比于距離測(cè)量，一般相對(duì)方位容易測(cè)量，對(duì)方位傳感器并無(wú)特殊要求，相對(duì)方位能改善機(jī)器人定位的精度，為了兼顧機(jī)器人系統(tǒng)的定位精度和實(shí)時(shí)性，采用相對(duì)方位作為觀測(cè)量時(shí)協(xié)同定位的效果好。

4 現(xiàn)存問(wèn)題與發(fā)展趨勢(shì)

多智能機(jī)器人平臺(tái)之間的協(xié)同定位理論和技術(shù)已經(jīng)開(kāi)展多年，取得了一定的研究成果。隨著通信技術(shù)、計(jì)算機(jī)技術(shù)和智能算法的發(fā)展，現(xiàn)有協(xié)同定位理論也面臨著理論約束和技術(shù)限制，需對(duì)未來(lái)機(jī)器人協(xié)同定位趨勢(shì)進(jìn)行分析和判斷。

4.1 協(xié)同定位現(xiàn)存問(wèn)題

多機(jī)器人通過(guò)分布式的信息處理方式可提升單機(jī)器人的數(shù)據(jù)處理能力。我國(guó)協(xié)作機(jī)器人雖有進(jìn)步，但與發(fā)達(dá)國(guó)家在機(jī)器人裝備水平的想象力方面還有一定差距。同時(shí)，現(xiàn)有多機(jī)器人系統(tǒng)協(xié)同定位技術(shù)存在下述問(wèn)題：

1）復(fù)雜未知工作環(huán)境。現(xiàn)有機(jī)器人理論與技術(shù)多是在提前預(yù)設(shè)環(huán)境中進(jìn)行驗(yàn)證，而實(shí)際戰(zhàn)場(chǎng)的態(tài)勢(shì)瞬息變化，這就需要智能自主的機(jī)器人在復(fù)雜未知環(huán)境中進(jìn)行自我管理、自我規(guī)劃、自我探測(cè)。適應(yīng)環(huán)境方面，多機(jī)器人協(xié)同系統(tǒng)明顯會(huì)優(yōu)于單個(gè)機(jī)器人系統(tǒng)，但未考慮機(jī)器人協(xié)同時(shí)的真實(shí)環(huán)境狀態(tài)對(duì)協(xié)作定位的影響。

2）傳感器類型與融合方式?，F(xiàn)有多機(jī)器人定位理論側(cè)重于定位算法的研究，以提高定位精度和實(shí)時(shí)性為目的。針對(duì)傳感器類型進(jìn)行機(jī)器人協(xié)同定位融合算法的分析較少，尤其是對(duì)于異構(gòu)機(jī)器人協(xié)同定位時(shí)不同機(jī)器人優(yōu)勢(shì)的發(fā)揮。

3）智能定位算法。現(xiàn)有多機(jī)器人協(xié)同定位時(shí)采用的算法比較成熟，對(duì)于智能算法在機(jī)器人戰(zhàn)隊(duì)中的運(yùn)用較少。

4.2 協(xié)同定位發(fā)展趨勢(shì)

理想的戰(zhàn)斗模式是單兵通過(guò)簡(jiǎn)單指令實(shí)現(xiàn)對(duì)機(jī)器軍團(tuán)的有效操控，這就要對(duì)機(jī)器人進(jìn)行智能化設(shè)計(jì)，使其具有智能定位、導(dǎo)航、作戰(zhàn)等能力，作戰(zhàn)效能達(dá)到或接近人類士兵的水平。在機(jī)器人戰(zhàn)隊(duì)協(xié)同定位方面，可考慮下面研究方向：

1）強(qiáng)化對(duì)周圍環(huán)境的感知和適應(yīng)能力。環(huán)境感知是機(jī)器人與周圍環(huán)境進(jìn)行信息交互的前提，感知的目的是使機(jī)器人能夠更好地模仿人類去理解外界環(huán)境的態(tài)勢(shì)。根據(jù)作戰(zhàn)環(huán)境的不同，選擇微波雷達(dá)進(jìn)行測(cè)距或激光雷達(dá)進(jìn)行測(cè)角，雷達(dá)對(duì)周圍環(huán)境定位后可建立周圍環(huán)境的地圖模型，構(gòu)建機(jī)器人對(duì)外界環(huán)境的理解系統(tǒng)。隨著視覺(jué)傳感器精度的提高，可利用相機(jī)對(duì)周圍環(huán)境進(jìn)行感知，經(jīng)過(guò)模式識(shí)別、圖像處理等方法處理來(lái)獲得周圍環(huán)境全面的信息。

2）聯(lián)合使用定位方法和協(xié)同方式。從信息融合的角度看，如何組合傳感器和選擇合理的融合結(jié)構(gòu)，以保證融合系統(tǒng)發(fā)揮最大優(yōu)勢(shì)來(lái)滿足定位精度值得考慮。根據(jù)機(jī)器人配置傳感器精度和功能的不同，采用主-從式協(xié)同定位算法，建立運(yùn)動(dòng)學(xué)模型，分析模型特點(diǎn)并設(shè)計(jì)合適的定位算法，借助信息融合理論或最優(yōu)化技術(shù)來(lái)實(shí)現(xiàn)所有機(jī)器人的絕對(duì)位置。研究無(wú)全局定位裝置的多個(gè)體之間的自主協(xié)同定位技術(shù)，利用機(jī)器人之間無(wú)線傳輸?shù)男畔⒘?，設(shè)計(jì)合理的定位算法來(lái)確定相對(duì)位置?？紤]慣性導(dǎo)航裝置與其他測(cè)量信息之間的融合，結(jié)合分布式優(yōu)化技術(shù)來(lái)提高機(jī)器人之間的定位精度。

3）探索智能化協(xié)同目標(biāo)定位與巡航控制。機(jī)器學(xué)習(xí)和人工智能等技術(shù)的發(fā)展促使無(wú)人系統(tǒng)的智能化成為趨勢(shì)。設(shè)計(jì)基于人工智能算法的未知環(huán)境下可引導(dǎo)、可信任、可進(jìn)化的多機(jī)器人協(xié)同目標(biāo)定位與巡航控制。借助深度學(xué)習(xí)算法對(duì)陌生區(qū)域進(jìn)行環(huán)境感知與目標(biāo)識(shí)別，進(jìn)而通過(guò)強(qiáng)化學(xué)習(xí)來(lái)訓(xùn)練自主控制策略，使機(jī)器人能夠模仿現(xiàn)實(shí)世界中的運(yùn)動(dòng)。

5 結(jié)論

基于位置作戰(zhàn)是現(xiàn)代戰(zhàn)爭(zhēng)的突出特點(diǎn)，以機(jī)器人代替人類進(jìn)行戰(zhàn)略突襲是戰(zhàn)爭(zhēng)形式轉(zhuǎn)變的趨勢(shì)之一。多機(jī)器人協(xié)同作戰(zhàn)是典型的基于位置的未來(lái)新型作戰(zhàn)單元，多機(jī)器人的協(xié)同定位精度直接影響著作戰(zhàn)的效果。從機(jī)器人系統(tǒng)的可定位性出發(fā)，建立了兩種定位模型。針對(duì)不同模型，分析了現(xiàn)有多機(jī)器人協(xié)同定位系統(tǒng)常用的算法。多機(jī)器人之間是通過(guò)交換相對(duì)距離、角度等信息實(shí)現(xiàn)它們的導(dǎo)航、定位相關(guān)信息分享，采用最優(yōu)化理論和數(shù)據(jù)融合算法來(lái)確定不同機(jī)器人的位置信息。最后對(duì)多機(jī)器人系統(tǒng)協(xié)同定位時(shí)的問(wèn)題和趨勢(shì)進(jìn)行了闡述。