论文 多机器人对未知环境探测的研究.docx
- 文档编号:16600430
- 上传时间:2023-07-15
- 格式:DOCX
- 页数:46
- 大小:486.55KB
论文 多机器人对未知环境探测的研究.docx
《论文 多机器人对未知环境探测的研究.docx》由会员分享,可在线阅读,更多相关《论文 多机器人对未知环境探测的研究.docx(46页珍藏版)》请在冰点文库上搜索。
论文多机器人对未知环境探测的研究
多机器人对未知环境探测的研究
摘要
近年来机器人已经成为自动化、计算机和人工智能等领域的研究热点之一。
机器人技术是一门综合学科,集中了机械、电子、计算机、自动控制以及人工智能等多学科最新的研究成果,代表了机电一体化的最高成就。
在军事侦察、航空航海等诸多领域,机器人技术都是有很大的发展空间。
未知环境的建模,是机器人感知能力和智能水平的一种体现。
因此移动机器人的自主环境构建(通常称为地图创建)问题越来越受到各国研究者的重视。
多机器人协调合作是多机器人系统中一个重要部分。
与单个复杂机器人相比,多机器人系统具有设计周期短,系统可靠性高,任务执行效率高,适应任务空间分布等优点。
但必须要有好的协作算法对它们执行任务进行协调,避免相互干扰和相互冲突,这样才能发挥多机器人系统的整体优势。
和单个机器人探测环境相比,利用多机器人进行环境探测得到地图的效率和准确度都要高。
本文在介绍单机器人探测方法的基础上,对多机器人环境探测的问题进行了研究,包括多机器人的控制结构,协作方法等等。
关键字:
地图创建;环境探测;栅格地图;多机器人
ResearchonUnknownEnvironmentExploringofMulti-robot
Abstract
Inrecentyears,robotshavebecomethehotresearchofautomation,computerandartificialintelligence.Robottechnologyisamulti-disciplinary,whichisfocusedonthenewestresultofthemechanism,electronic,computer,automaticcontrolandartificialintelligenceandrepresentsthehighestachievementsofmechanicalandelectricalintegration.Robottechnologyhasmuchspacefordevelopmentatthemilitaryreconnaissance.
Unknownenvironmentmodelingcanreflecttheperceptionfacultyandintelligentlevelofrobots.So,researchonenvironmentmodelingofmobilerobots,usuallynamedmapbuilding,receivesmoreandmoreattention.Thecooperationofmulti-robotisanimportantpartofthemulti-robotsystem.Withshorterdesigningperiod,higherstabilityandefficiency,betterrobusttoenvironment,multi-robotsystemcanperformancebetterthansinglerobotwithhighintelligence.Butthereisanexcellentcooperativealgorithmtocoordinatetasksofrobots,whichcanavoidinterruptionorcollisionamongrobots.Thus,theintegratedadvantagesofthemulti-robotsystemshouldbedemonstrated.
Comparedwiththeexplorationbysinglerobot,themapgotbymulti-robotismoreeffectiveandaccurate.Onthebasisoftheintroductionofexplorationmethodsforsinglerobot,explorationbymulti-robotisstudiedwhichincludesthecontrolstructuresandcooperationmethods.
KeyWords:
mapbuilding;environmentexploration;gridmap;multi-robots
第1章绪论
1.1选题背景及意义
智能移动机器人是一类能够通过自身传感器感知环境和自身状态,实现在有障碍物的环境中面向目标的自主运动(称为导航),从而完成一定作业功能的机器人系统。
随着科学技术的发展,人类的研究和活动领域己由陆地扩展到海底和空间。
因此,随着对实际应用需求的提高,利用移动机器人进行空间探测和开发,已成为21世纪世界各主要科技发达国家开发空间资源的主要手段之一。
研究和发展移动机器人探测技术,包括移动机器人导航控制在内的相关前沿技术将产生巨大的推动作用。
移动机器人导航时,将面临复杂的未知环境。
因此,未知环境中的移动机器人自主导航技术已成为空间探测机器人的一项关键技术[1]。
在移动机器人导航控制理论和方法的研究中,确定性环境的导航控制方法已取得了大量的研究和应用成果。
对未知环境中的导航控制也开展了一些研究,并提出了若干方法,但尚未形成统一和完善的体系结构,还有许多关键理论和技术有待解决和完善。
这些问题主要包括环境建模、定位、导航控制的学习和优化等等。
机器人自主行为的实现需要提高其感知能力和智能水平,而未知环境的建模,是机器人导航控制的基础,同时,也是机器人感知能力和智能水平的一种体现,并且提高了其完成智能行为的效率和灵活性。
因此移动机器人的自主环境构建(通常称为地图创建)问题已经成为众多研究人员所关注的一个焦点[2]。
为了对更复杂的环境进行地图构建,为了得到更为精确的地图,很容易想到用多机器人协同对环境进行探测。
多机器人系统作为一个整体和一个特殊的社会,它并不是将多个机器人简单的合并到一起。
简单的多个机器人堆砌在一起不但不能实现多机器人系统的优势,反而可能导致多机器人之间的冲突与对抗,使得环境探测效率降低。
实际上,在这个由多个机器人系统构成的探测环境中有大量的信息需要交互和协商,以达到协调和合作的目的。
1.2研究现状
在完全未知的环境中,由机器人自主的建立环境模型是机器人研究领域中发展起来的一个重要研究方向。
早期的研究多集中于单机器人的地图构建。
但是由于任务的复杂性,单个机器人往往难以完成任务,这是人们希望通过多机器人之间的协调和合作,来弥补这一缺陷,提高机器人系统构建地图的效率,增强了系统的鲁棒性和准确性,利用多机器人协调进行地图构建日益受到国内外学术界的关注。
对于地图构建中的一些基础问题,如地图的表示方法,机器人的导航问题、不确定性信息的描述与处理方法等方面,众多科研工作者做了许多工作[3-5]。
此外,关于地图构建的其它问题,研究人员也进行了有益的探索,如JimingLiu和J-BWu[6]把遗传算法应用在了多机器人建立势场地图中。
IoannisM.Rekleitis和GregoryDudek[7]等对地图探测中的多机器人间的合作进行了研究。
在机器人侦查探测方面,比如机器人在抢险救援探测遇难人员,2001年9月11日美国纽约世贸中心遭到恐怖分子袭击,建筑物倒塌后许多人员被困在里面,而救援人员又无法进入狭窄的空间和不稳定的建筑物,并且倒塌后的建筑物中环境相当恶劣,随时可能受到切伤,擦伤,烧伤和骨折,而救援的劳累可能导致救援队员忽略没有知觉的受灾者,错误判断周围的建筑结构等等,这些可能会使救援人员自身存在健康和安全的风险,造成救援行动的实施效率低。
而机器人在建筑物发生倒塌后,可以立即展开对幸存者的搜索,进入结构不稳定的建筑物,降低救援队员的风险,为搜救工作节约时间,使生者能够很快的获救。
搜救机器人是由电子仪器和其它材料制成的,具有可复制性,即使机器人发生意外,仍然可以制造出具有相同功能的机器人。
它还可以进入平常难以达到的空间,扩展搜救专家的工作范围,携带多种探测器,探测幸存者空间状况,在机器人软件的帮助下对搜索区域实行完整的三维搜索,绘制结构图,提升工作效率和可靠性。
搜救机器人可以携带温度探测器、一氧化碳探测器、爆炸界限探测器、氧气、PH值探测器、辐射探测器和杀伤性武器探测器,从而测定空气读数,探测有害物质,分析后向救援人员提出警告。
在美国911事件中,首次用到了机器人搜救,这为城市搜救展开了新思路,同时也暴露了许多问题,为未来的机器人技术提供了重要参考。
1.2.1地图创建的研究现状
机器人建立地图的过程,实际上就是一个机器人根据传感器的感知对其活动环境建模的过程[2],环境通常是三维的,但对于移动机器人,一般可以简化为二维模型。
机器人的环境建模和自定位是紧密相关的。
环境模型的准确性依赖于定位精度,而定位的实现又离不开环境建模。
在完全未知环境中,机器人对环境一无所知,不存在任何先验知识,包括环境大小、形状、障碍物的位置等等,因此机器人创建地图的行为完全必须依赖于其传感器所获得的信息。
目前地图创建的研究主要包括以下几个方面。
(l)地图的表示方法
地图的表示方法应该能够方便机器人完成特定的任务,目前大致有三种地图表示方法:
栅格表示、几何信息表示和拓扑图表示。
(2)机器人地图创建中的导航问题
在机器人创建地图的过程中必然涉及到机器人的导航问题,包括自定位、运动规划和避障。
前两者和地图创建的关系比较紧密。
目前地图创建的一个主要难点是难以解决机器人自身精确定位的问题,已有的研究中对这个问题的解决可分为两类:
一类是利用自身携带的多种内部传感器(包括里程仪、罗盘、加速度计等等),通过多种传感信息的融合减小定位误差ISJ,使用的融合算法多为基于卡尔曼滤波的方法,这类方法由于没有参考外部信息,在长时间的漫游后误差的积累会比较大。
另一类方法在依靠内部传感器估计自身运动的同时,使用外部传感器(如激光测距仪、视觉等等)感知环境,对获得的信息进行分析抽取环境特征并保存。
但这种方法依赖于能够取得环境特征。
(3)不确定信息的描述和处理方法
由于传感器自身的限制,感知信息存在不同程度的不确定性。
通常需要对感知信息再处理,通过多感知信息的融合获得较为准确的环境信息。
因此,不确定信息的处理方法是机器人地图创建中的一个关键问题。
人工智能工作者已经提出了多种用来处理不确定性的度量方法,如模糊度量、概率度量、信任度量、可能性度量、证据理论等等。
目前在创建地图中使用较多的主要是模糊度量和概率的方法。
以概率描述信息的不确定其优点在于:
适应不确定模型,对于性能差的传感器也能表示其传感信息,在实际应用中鲁棒性较好,在很多实现中得到应用;缺点是计算量较大。
模糊逻辑在处理不确定性,特别是声纳感知过程引入的不确定性时,提供了更为鲁棒且有效的工具。
同时,在对多种不确定信息进行建模和融合时可以有更多的操作符供选择。
(4)多机器人协作的地图创建
多机器人协作[8]的地图创建需要考虑选择何种控制结构、如何实现协作、相互间的定位等单机器人地图创建不需要考虑的问题。
文献[9]中的多机器人系统是一种完全分布式的控制系统,机器人之间通过无线网络进行通讯,每个机器人通过广播的方式把自己的局部地图信息发送到所有机器人。
文献[10]采用了另外一种控制结构:
分散探索,集中建图,即各机器人使用相同的算法处理自己的感知数据并创建局部地图,存在一个中央模块将所有的局部地图集成为全局地图。
文献[11]中提出了使用多Agent理论解决多机器人、多传感器带来的信息管理问题。
文献[12]中实现了通过进化算法减少环境模型信息的不确定性。
关于机器人间的定位问题,实际上可以使用视觉传感器来发现其他机器人,再通过视觉定位或其他测距传感器完成定位。
这种方法已经在协作多机器人定位[13]中得到应用。
1.2.2目前存在的问题
虽然各国的学者们己经在地图创建上做了许多工作,但仍然有一些问题没有得到好的解决方法[2]。
(l)动态干扰
大多数研究都是假设机器人所在的环境是一个静态环境,当环境中存在动态障碍物时,机器人可能会给出错误的结果,即地图中出现了不存在的静态障碍物。
为除去动态干扰,可以借助其他传感器(例如视觉)识别出环境中的动态障碍物,也可以通过冗余信息的融合将干扰滤掉。
(2)绑架问题
绑架问题(kidnappingproblem)指机器人的位置由于外力的作用发生了突然变化,但机器人自己不知道发生了变化,而环境的变化使得机器人信息混乱,得到的地图也变得不可靠。
(3)大规模循环环境
大规模循环环境中,例如环形走廊,这样的环境缺乏局部特征,定位算法则由于失去参照而产生越来越大的积累误差。
(4)机器人之间的协作
多机器人协作创建地图时,信息融合属于分布式多传感器间的信息融合,必需首先识别出分布感知信息间的冗余信息,是一个有待进一步研究的问题。
关于多机器人之间的协作,没有提出一个总体的地图创建的解决方案。
协作定位中,机器人的身份识别,错判率等等,都未得到很好的解决。
1.3本课题的意义
机器人作为20世纪人类最伟大的发明之一,自60年代初问世以来,经历40多年的发展已取得了长足进步。
机器人技术是一门高度交叉的前沿学科,涉及机械学、生物学、人类学、计算机科学与工程、控制论与控制工程学、电子工程学等不同的专业领域。
移动机器人作为机器人家族中的一名重要成员,已经开始在未知环境探索、灾难系统救援、工业产品运送、军事侦查及追捕以及家庭服务等领域崭露头角,并在工业、农业、服务业以及军事领域展现出令人无法估量的应用前景。
移动机器人按照功能不同可以分为很多种,但对于不同种类的移动机器人而言,自主导航是其最基本的、首要的功能,也一直是国内外学者研究的热点问题之一。
概括来说,国内外学者主要将自主导航的研究聚焦于定位、环境表示和路径规划三个方面,其中环境表示即所谓的地图。
如果忽略定位的因素,自主导航包括在已知环境下基于环境地图的全局路径规划和未知环境下的探索,因此在本文中探索也可以称之为移动机器人在未知环境下的自主导航。
探索的目的是通过环境遍历尽可能快的把未知环境变为已知环境或尽可能快的完成特定任务(如目标搜索、地面清扫等)。
环境地图创建则是探索的重要环节(而非必要环节),能够有效提高探索的效率。
与大部分单机器人在未知环境下的探索方法相比,利用多个移动机器人协作探索未知环境具有并行处理、容错、柔性和信息冗余的优点,不仅有助于克服传感器和环境的不确定性,而且扩展了单个机器人无法实现的功能。
但多机器人协作探索同时带来了新的挑战,其中局部地图拼接、协作策略的选择和有限的通讯能力是三个亟需解决的问题。
和单个机器人探测环境相比,利用多机器人进行环境探测得到地图的效率和准确度都要高。
本文在介绍单机器人探测方法的基础上,对多机器人环境探测的问题进行了研究,包括多机器人的控制结构,协作方法等等。
1.4本论文的主要内容和组织结构
本文的内容一共分为五章。
第1章为绪论部分,主要介绍课题研究的背景及现状。
第2章为多机器人的系统功能介绍,主要介绍机器人系统概述,多机器人系统在实际中的应用,机器人系统功能系统主要结构,机器人的功能,系统硬件等等。
第3章为单机器人未知环境探测原理,主要介绍环境地图表示方法,包括:
栅格式地图、几何表示的环境特征地图和拓扑式地图,每种方法都有自己的优点和缺点。
主要论述了怎样探测环境,怎样沿着墙走又不碰到墙,如何理解电机脉冲转换成距离和角度等。
第4章硬件的搭建和计算机主控程序的设计使各个机器人之间彼此独立,该系统能够完成多机器人探测任务,其中机器人与主控计算机之间的通信模块采用已有成品。
在机器人探测过程中,能够遍历全场,利用定位进行多机器人之间的相互协作,最终实现一个闭合的路径,完成探测功能。
第5章为总结与展望,总结了全文工作,展望了机器人以后的发展方向。
第2章多机器人系统的介绍
多机器人正在许多领域中得到研究和应用,例如机器人足球赛、搬运物体等等。
这些研究证明了使用多机器人的有效性。
即通过多个相对简单廉价的机器人协作完成复杂的任务。
因此,很容易想到探测未知环境时使用多机器人要比使用单个机器人效率高,而且通过不同机器人所获得信息的融合,可以提高对环境建模的准确性。
2.1多机器人系统概述
多机器人系统是指将多个机器人有机地组织起来,相互协调合作完成复杂任务的系统。
作为一种人工系统,多机器人系统实际上是对自然界和人类社会中群体系统的一种模拟。
多机器人协作与控制研究的基本思想是将多个机器人系统看作是一个群体或一个社会,从组织和系统的角度研究多个机器人之间的协作机制,从而充分发挥多机器人系统内在的优势。
多机器人系统的研究是从单个机器人系统的研究扩展而来的,但区别于单个机器人系统,多机器人系统的特点可以概括如下:
(l)空间分布:
多个机器人可以在工作空间的不同区域同时工作。
(2)功能分布:
功能不同的机器人或具有不同任务(目标)的多机器人可以协同工作。
(3)时间分布:
多个机器人可以执行时间分布的任务。
(4)信息分布:
多个机器人可以具备相同的知识或不同的知识,通过通信、协作,机器人可以进行知识的交换和学习。
(5)资源分布:
多机器人系统中各机器人可以具有不同的传感器和执行器。
由于多机器人系统具有上述特点,因此应充分利用它们以达到以下目的:
(l)利用多机器人系统的空间分布性特性,通过多个机器人并行工作以提高完成任务的效率。
(2)利用多机器人系统内各种资源(信息、知识、物理装置等)的共享来弥补个体能力的不足,扩大完成任务的能力范围。
(3)利用系统内机器人资源的冗余性、各机器人功能的互补性提高完成任务的可能性,提高系统的容错性、鲁棒性和灵活性。
(4)利用多机器人系统功能分布、资源分布的特点来降低单个机器人系统的成本和系统设计的难度,减少执行危险任务过程中机器人系统的损失。
2.2多机器人系统结构
多机器人系统的体系结构主要是研究如何组织和控制多机器人系统完成所需任务,通常分为群体体系结构和个体体系结构两部分。
从系统设计的角度而言,体系结构的设计要有利于个体能力最大程度的发挥和任务的高效完成。
2.2.1群体体系结构
群体体系结构是多机器人之间的组织形式,是为实现预定的行为如何将个体联系在一起的形式。
多机器人系统依靠几个机器人的简单组合并不能充分发挥其优势,只有通过合理的群体体系结构才能使多机器人之间有效合作,实现其对复杂任务的处理。
多机器人系统的群体体系结构可以分为集中式、分散式和分布式三种。
集中式结构如图2.1(a)所示,它通常有一个主控单元掌握全部环境信息及各受控机器人的信息,运用规划算法和优化算法,主控单元对任务进行分解和分配,向各受控机器人发布命令,并组织多个受控机器人共同完成任务。
集中式结构的优点在于,理论背景清晰,系统协调性较好,实现起来较为直观,但存在容错性差、灵活性差、适应性差、有通信瓶颈问题等缺点。
分散式的结构中没有主控单元,如图2.1(b)所示。
各机器人之间的关系是平等的,各机器人均能通过通信等手段与其他机器人进行信息交流,自主地进行决策。
这种方式具有灵活性、容错性和适应性强的优点,控制的瓶颈问题也能得到缓解。
但此方式的缺点是:
每个机器人的运作受限于局部和不完整的信息,很难实现全局一致的行为和保证全局目标的实现。
图2.1多机器人系统的群体结构
分布式结构与分散式结构不同之处在于前者存在着局部集中,如图2.1(c)所示,它是一种介于集中式结构与分散式结构之间的一种混合结构,是分散式的水平交互和集中式的垂直控制相结合的产物,既提高了协调效率,又不影响系统的实时性、动态性、容错性和可扩展性。
2.2.2机器人个体体系结构
由于多机器人系统是由机器人个体组成,因此,机器人个体的控制性能对于多机器人系统中的协调能力有着决定作用。
从人工智能的角度来看,当前机器人控制体系结构主要有四类,一类是基于慎思式智能的功能分解体系结构;一类是基于反应式智能的行为分解体系结构,一类是基于分布式智能的多智能体体系结构,还有一些综合前面两者或三者的混合式体系结构。
这里主要介绍和分析前面三类主要体系结构思想的优点与不足之处:
(l)基于功能分解的体系结构
基于功能分解的体系结构在人工智能上属于传统的慎思式智能,在结构上体现为串行分布,在执行方式上属于异步执行,即按照“感知——规划——行动”的模式进行信息处理和控制实现。
这种体系结构的主要优点是系统的功能明了,层次清晰,实现简单。
但是串行的处理方式大大延长了系统对外部事件的响应时间,环境的改变导致必须重新规划,从而降低了执行效率。
(2)基于行为分解的体系结构
基于行为分解的体系结构在人工智能上属于现代的反应式智能,在结构上体现为并行分布,在执行方式上属于同步执行,即按照“感知——行动”的模式并行进行信息处理和控制。
用行为封装了机器人控制中具备的感知、探索、避障、规划和执行任务等能力,系统的全局目标任务通过各行为之间的相互作用实现。
这种体系结构的主要优点是,执行时间短,效率高,机动能力强,具有很强的实时性和鲁棒性。
但是由于缺乏整体的管理,很难适应于各种情况。
(3)基于智能分布的体系结构
基于智能分布的体系结构在人工智能上属于最新的分布式智能,在结构上体现为分散分布,在执行上属于协同执行,既可以单独完成各自的局部问题求解,又能通过协作求解单个或多个全局问题。
这种体系结构的优点是既具有“智能分布”的特点,又有统一的协调机制。
但是如何在各个智能体之间合理的划分和协调仍然需要大量的研究和实践。
该体系结构在许多大型的智能信息处理系统上有着广泛的应用。
2.2.3任务分配
多智能体系统完成智能交互和动作的一个关键问题是将多个任务分配给多个具有执行能力的智能体且满足有效性和可靠性的要求。
随着多机器人系统受重视程度的增加,作为其中一部分的任务分配也越来越引起人们的关注。
尽管任务分配是多智能体协调的一部分,但由于任务分配居于多智能体系统中的高层,在研究的过程中可以忽略系统的底层细节,所以人们通常将任务分配作为一个独立的子问题进行研究。
在设计、建立和使用多机器人系统时,不可避免地遇到一个基本问题:
为了实现全局目标,哪个机器人执行哪个任务?
任务分配的重要性随着系统的复杂程度而增加,系统复杂性主要包括机器人的数量和机器人的能力。
即使在一个由同构机器人构成的简单多机器人系统中,要获得好的系统性能,也需要进行智能的任务分配。
多机器人系统接收到任务后,先要进行任务分解,将大任务分解成若干个可由单个或少量机器人完成的子任务,然后再根据机器人的角色或能力将分解后的子任务进行分配。
目前的任务分配方法大多采用基于市场的分配机制,合同网是出现最早、最经典的任务分配方法。
研究适用于大规模机器人群体的最优或近似最优的多级任务分配算法,从而实现多机器人任务分配的自主化是未来多机器人任务分配研究的重点和难点。
2.2.4 通信
通信是机器人之间进行交互和组织的基础。
通过通信,多机器人系统中各机器人了解其他机器人的意图、目标和动作以及当前环境状态等信息,进而进行有效的磋商,协作完成任务。
由于机器人的通信带宽和通信能力有限,所以在确定多机器人系统的通信结构时,要充分考虑机器人的通信能力和系统性能之间的平衡。
一般来说,多机器人之间的通信可以分为隐式通信和显式通信两类。
隐式通信
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 论文 多机器人对未知环境探测的研究 机器人 未知 环境 探测 研究