基于开放式多智能体结构的分布式自主机器人系统

文章编号 2 2 2基于开放式多智能体结构的分布式自主机器人系统α陈卫东董胜龙席裕庚上海交通大学自动化系 中国科学院机器人学开放研究实验室沈阳摘要 针对多机器人系统的分布式自主控制 本文首先提出了一种开放式的多智能体结构 给出了设计原则和技术特点 然后面向真实世界的多机器人实时协作任务 采用多台自主移动机器人构造了一个多机器人系统 该系统集成了包括机器人视觉!传感器融合!无线通讯网络以及基于行为控制等多项技术 最后采用基于行为融合的加权方法 实现了多机器人的编队控制 实验结果表明了上述体系结构与方案的有效性关键词 智能机器人 多智能体结构 分布式自主系统 通讯 编队控制 基于行为控制中图分类号 ΤΠ 文献标识码 ΒΑΝΟΠΕΝΜΥΛΤΙ−ΑΓΕΝΤΑΡΧΗΙΤΕΧΤΥΡΕΦΟΡΔΙΣΤΡΙΒΥΤΕΔΑΥΤΟΝΟΜΟΥΣΡΟΒΟΤΣΨΣΤΕΜΣ≤ ∞ • 2 ⁄ ≥ 2 ÷ ≠∏2Ινστ οφΑυτοματιον ΣηανγηαιϑιαοΤονγΥνιϖερσιτψΣηανγηαιΡοβοτιχσΛαβορατορψ ΧηινεσεΑχαδεμψοφΣχιενχεσ ΣηενψανγΑβστραχτ ƒ ∏ ∏ ∏ ∏ ∏ 2 ∏ 2 ∏ ∏ ∏ √ ≥ √ ∏ √ ∏ ∏ √ 2 ∞¬ ∏ ∏ 2 √ ∏ Κεψωορδσ ∏ 2 ∏ ∏ ∏ ∏ √ 21引言 Ιντροδυχτιον近年来 由多台移动机器人组成的分布式自主机器人系统 ⁄ ≥2⁄ ∏ ∏ ∏ ≥ 以其突出的鲁棒性!柔性!容错能力和智能 吸引了大量机器人和人工智能学者的研究兴趣 成为人工智能体领域的一个新兴的研究热点 该方法的中心思想是指每个机器人执行简单的控制算法 通过对其它机器人移动情况的观测适应性地决定自己的移动行为 进而使机器人群体共同达到给定目标 人们期望⁄ ≥能代替人类 在有危害的环境下以群体协作的方式完成更为高级的作业任务 ⁄ ≥系统研究包括两项主要技术 怎样使每台机器人获得所必须的智能 怎样使机器人互相协作 共同完成指定的任务 一般说来 每台机器人可以被抽象地描述为具有一定的判断!感觉!动作及通信交流能力的智能体 因此整个机器人系统就形成一个多层次的智能体网络 其中的每台机器人则通过网络中智能体的连接关系产生相互作用 这种系统通常又称为多智能体系统 ∏ 2 ≥ 是在分布式人工智能 ⁄ 2⁄ ∏ 理论和 提出的思维社会 ≥ 基础上发展起来的系统概念≈第 卷第 期 年 月机器人ΡΟΒΟΤ∂α基金项目 国家自然科学基金 计划智能机器人主题 2 2 2 资助课题 收稿日期2 开放式多智能体结构 Οπενμυλτι−αγενταρχηιτεχτυρε−ΟΜΑΑ根据美国斯坦福研究所≤ 等人提出的开放式智能体结构 2∏≈ 以及移动机器人所具备的自主特性 自主导航与避障 我们将每个自主移动机器人作为一个物理 环境中参与机器人协作与控制的其它智能设备和操作者也作为 这样机器人群体与周围环境中的智能设备和人就共同构建了一个多智能体系统 我们称这种结构为开放式多智能体结构 各智能体间的相互关系如图 所示图 ⁄ ≥中智能体的个体关系ƒ ⁄ ≥该体系结构除具有一般多智能体系统的特点以外 其开放性表现在如下几个方面#分布式 智能体可以运行在不同的平台和操作系统 并能以并行工作的方式 彼此协作完成一个任务 对于各智能体的传感器信息可以实现分布式共享 一些智能体处于机器人体内的嵌入式控制器中 其它智能体工作在桌面台式机中#即插即用 智能体间的通讯机制允许在运行过程中动态添加新的智能体#智能体服务 很多的封装于智能体的技术和服务可以方便地添加到我们的多机器人系统中 在机器人领域 相关的智能体包括环境地图智能体!语音识别智能体!状态监控智能体!遥操作智能体等等 为这些功能的集成提供了一个简易开放的框架#多模式 在智能体的设计中考虑人机互动的多模式特点 采用图形用户界面 技术和语音识别技术 使操作者借助操纵杆!鼠标和语音 可以自然地介入其它人工智能体的行为 对于某一个机器人智能体 操作者可以在地图上监视机器人的行动也可以发布指令 命令其改变移动状态或抓取目标物体#移动性 由于将系统功能化整为零 减低了智能体对其工作平台的要求 可以使用°⁄ !便携式笔记本计算机以及紧凑型的嵌入式计算机 此外智能体间的通讯 有线和无线 能力足可以保证机器人响应的实时性要求3一个面向ΡΡΡ的ΔΑΡΣ实现 Ιμπλε−μεντατιονοφαΡΡΡ−οριεντεδΔΑΡΣ由于性能上的种种限制 以现有的物理装置为中心的实机研究途径还只能构造智能度较低的⁄ ≥ 与仿真系统想必还处于摇篮期 但其主要研究方向是探索各种⁄ ≥思想在实际环境中的实现可能性 以期达到下述两个目的 一是通过揭示现行理论研究中假定条件与现实的异同及其对整个系统性能的影响 对⁄ ≥理论的形成和完善提供反馈信息 二是力求尽早将理论研究的结果应用到实际工作中去 以扩大其对科研界及产业界的影响 增大社会需求 基于上述考虑 我们提出了所谓的 研究途径 即面向真实世界环境!实时反应能力和真实机器人群体 • ×设计并构造了一个可从事⁄ ≥研究的开放式实验平台 该系统的结构与关键技术如下体系结构与总体性能实验系统的结构如图 所示 为满足实验要求 对其整体性能要求如下#系统的体系结构采用分布式多智能体的设计思想 每台机器人根据其自身的感知和与其它机器人的信息交互 独立决策自身行为 并实现机器人之间的协调作业#多机器人群体由 台轮式移动机器人组成机器人的移动平台可实现平动及转动 行走可实现全无缆化#各机器人配备多种传感器 主要包括视觉和声纳 !内置开放式计算机控制器!无线网络适配器 具有较高的自主性 同时也可通过网络通讯实现信息交互和遥控 通过论证 选用具有较强的感知和控制性能 由美国 √ 公司制造的° ⁄÷移动机器人平台 其开放的控制系统为各种控制算法的实验提供了良好的平台≈#无线通讯系统可实现机器人之间以及机器人与台式机之间的双向通讯 并且可将该系统接入已有的有线网络系统 具有较高的通信速度和容量机 器 人 年 月#全局视觉系统 为各机器人提供全局视觉信息#开放的仿真和控制系统开发环境 支持主流操作系统 • 和∏¬ 和编程语言 ≤和≤图 多移动机器人系统的 体系结构ƒ ≥ ∏ ∏ 2 ∏关键技术开发与集成关键技术的开发涉及多领域的软!硬件解决方案的设计与实现技术 包括 2 移动平台的运动控制技术!传感器技术 涉及声纳测距!机器人视觉以及包括声纳!视觉和触觉在内的多传感器融合技术 !无线网络通讯技术!基于网络的分布式控制技术以及集传感!控制与通讯为一体的系统集成技术本实验系统包含以下的几个主要部分移动平台及其控制系统机器人采用机载°≤ 总线° ∏ 计算机与° ⁄÷微控制器通过 ≥ 串行通讯构成≥ √ ≤ 模式 实现低层的运动控制和传感器数据采集与高层的规划与协调控制的交互两自由度手爪为了实现操作任务 配置两自由度电动手爪 其手面上包括光电传感器和接触传感器 以感知手中物体的存在和控制抓取力≤ 传感器系统机器人配置的传感器包括里程计!由 个声纳传感器组成的声纳环!避碰触觉环等 其中 里程计用于机器人定位 声纳测距系统实现大范围测距 触觉系统弥补声纳测距系统在近距离测距时的死区⁄ 视觉系统每台机器人均配置由彩色≤≤⁄摄像机! 自由度云台和图象处理系统构成的视觉系统 借助视觉信息 机器人可以实时识别环境中的物体与其它机器人 判断机器人和参照物的相对位置 判断其他机器人的相对位置和运动方向同时 我们开发的全局视觉系统 天花板视觉系统 为机器人控制提供了全局位置反馈 模拟遥感卫星和 °≥的功能 以提高定位精度 但其区别于传统的集中式控制 该视觉系统只是为所各机器人提供位置信息 并不直接参与控制与决策∞ 无线网络通信系统为了实现机器人的无缆运行 该系统采用了无线网络通讯 以实现各智能体之间的双向信息交互 网络的速度以及拓扑结构关系到系统实时性和分布式控制结构的实现 本系统采用 的无线∞ 网络结构 智能体之间的数据通讯采用×≤° °协议 较高的通信速度和普遍支撑的网络协议为机器人间协调算法的实现提供了相对宽松的信息通道 通过建立无线网络与有线网络的无逢联接 我们实现了基于网络的机器人遥操作以及远程程序开发与调试ƒ 软件开发环境第 卷第 期陈卫东等 基于开放式多智能体结构的分布式自主机器人系统机器人开发环境的开放性!程序设计语言与人机界面 将影响开发的效率和研究工作的进度 该系统主要考虑以下因素#操作系统的开放性 机器人智能体采用∏¬ 多模式人机界面采用• 充分发挥各自在实时控制和人机交互方面的优势#编程语言的通用性 以° 机器人配套的开发工具和函数库为基础 采用标准≤和≤ 语言实现智能体的程序设计#程序开发的便捷性 采用基于∞ 的远程开发与调试模式 可以随时通过无线网络远程登陆机器人智能体 实现夸平台的编程!编译与调试4 面向编队任务的实验研究 Εξπεριμεντρεσεαρχηονφορματιονμισσιον由于编队行为在多机器人协调中的典型性和较为普遍的实用性 许多研究者都将其作为⁄ ≥的一个基本问题来研究所谓编队控制是指机器人团队在完成任务的过程中保持某种有利队形的控制技术 这种研究的灵感最初来自于对动物群居生活的研究 自然界中 如牧群和鱼群 普遍存在着编队行为 使这些动物能够联合各自的感觉器官来更有效地发现猎食者或猎物 这为它们的生存和繁衍提供了更大的可能性 编队行为体现为每一个动物个体既要保留在群体中同时又要与其它成员保持一定距离的综合效果 生物学的研究启示我们 人工智能体群体也可以从编队策略中获得同样的效益机器人控制系统结构如图 所示 包括六个模块 感知!行为分解!加权!融合!运动控制和无线通讯 这里的感知模块除了包括该机器人自身的定位系统 基于视觉和里程计 和声纳测距信息外 还通过无线通讯网络与其它机器人交互上述信息 为基于传感器信息共享的多机器人协调策略提供信息源 在行为分解环节中 机器人根据当前的环境信息和任务性质 将任务行为分解为若干个并行的子行为 根据机器人的运动模型和当前运动状态 算出实现各子行为的控制向量Υι 通过对各组控制向量进行加权Ωι融合 进而得到输出控制向量Υο Υο输出给移动平台的运动伺服单元 从而实现对机器人的运动控制图 机器人智能体的控制系统结构ƒ在现实中 往往需要多个移动智能体在障碍物约束的环境下 从初始位置运动到某个指定的目标位置 或者是在指定的区域内进行漫游 搜索 同时在运动的过程要保持一定的编队形状 本文编队控制的目的是使得多个机器人以一定的编队队形运动到指定的目标点 并实现避障根据编队任务的要求 将每个机器人的行为分解为以下四个子行为向目标运动 队形保持 队形变换 避障在编队过程中 必须要有一个参考点 不同机器人位于参考点不同的相对位置 从而形成一定的队机 器 人 年 月形 参考点的选取方法通常有两种 一种是以机器人团队中的其中一台机器人作为领队 其他机器人通过与它保持距离来实现编队 第二种是以编队的平均坐标为参考点 每台机器人以此作为编队的依据 文献≈ 对这两种方法进行了比较 前者在运动过程中队形被打乱的时间较短 而后者队形被改变的幅度较小本文根据第二种方法来选取参考点 在各机器人的坐标的平均点设立一个虚拟机器人 人机交互智能体中的规划器只需对一个虚拟机器人的路径进行规划 即可实现整个机器人编队的路径规划 各机器人通过保持与虚拟机器人的坐标关系实现队形保持在行为融合算法中 结合 的行为向量叠加方法≈ 和 的包容结构 ≥∏ ∏∏ 理论≈ 对各子行为进行加权综合 即在不同时刻 为每个子行为赋予一定的重要性 权值 对各子行为 分别并行求出若干组控制向量 然后对这些控制向量进行加权平均 从而得到综合的控制向量 这样做有着很好的灵活性 如果每个子行为的权值始终维持相等 就相当于 的矢量累加方法 如果在每一时刻 为某一个子行为赋予的权值 而其他子行为的权值赋为 则相当是 的行为抑制方法取各机器人的速度和转向角速度作为控制向量 在各个子行为的控制变量求出以后 经过加权融合 得到最后输出的控制向量其中控制向量Υοςτ Τ 各子行为的权值Ωι经规一化处理 即 在本系统中 各个子行为重要性可以根据任务要求灵活设置 我们称各子行为的权值Ωι为机器人的性格因子 通过调整各Ωι的相对大小 来调整机器人编队的行为个性 从个性化的角度讲 Ω 表示机器人的进取精神 Ω 表示机器人的团队精神 Ω 表示机器人团队的整体适应性 Ω 表示机器人的谨慎度 例如 如果向目标运动行为的权值相对较高 则机器人编队显得较为激进 而对队形保持和避障的关注较弱 反之 则机器人编队显得比较谨慎 前进速度较慢 但队形保持得更好 也就是更有集体意识根据任务目标 机器人感知模块评估环境态势 进而在个性空间中寻找合适的个性因子集合 这为机器人团队行为的优化提供了一种手段本文采用基于行为的多智能体控制语言∏≈为软件平台 对上述系统作了实验验证 分别在自由环境和有障碍物约束的室内环境下 实现了三种编队 平行编队 三角编队和柱状编队 向预定目标点的运动 如图 所示 实验证明在该系统控制下 机器人运动状态变化平滑 在无障碍物情况下保持队形并快速到达目标点 在有障碍物情况下各台机器人自动避障 并在远离障碍物时自动恢复队形 达到了良好的编队控制效果图 机器人团队在障碍物环境中执行三角编队任务ƒ ¬ ∏ √5 结论 Χονχλυσιον随着智能机器人技术和网络技术的发展 多机器人系统的规模越来越大 复杂度越来越高 多智能体结构成为解决这一大规模复杂系统的广泛采用的体系框架 本文针对多机器人系统的分布式自主控制 提出了一种开放式的多智能体结构 分析了其技术特点 进而设计并构建了一个面向协作任务的多移动机器人系统 机器人智能体的自主性和可集成性以及多模式用户界面 为机器人之间以及用户与机器人之间的协调提供了便捷高效的交互手段 通过实现多机器人的编队控制 表明了上述体系结构与方案的有效性第 卷第 期陈卫东等 基于开放式多智能体结构的分布式自主机器人系统参考文献 Ρεφερενχε⁄ ∏ ∏ ∏ ≥ ⁄ ≥ ∞ ׃∏ ∏ × ∞ ≥ 2∂ ×⁄ ≤ ⁄ × ∏ ƒ ∏ ⁄ ∏ ≥13∏ ⁄ ≤ ≥ • 18× ≤ √ 2 ƒ ≤ ∏ × ∞∞∞× ∏ ⁄≤ ≥ √ ∏ 8 ∏ ≤ ≥ ∞∞∞ ∏ ∏• ∏2⁄ ∏ √ 2 ≤ ° √作者简介陈卫东 2 博士 副教授 研究领域 机器人学 机器人控制董胜龙 2 博士研究生 研究领域 多机器人协调控制席裕庚 2 博士生导师 教授 研究领域 预测控制 机器人控制等上接第 页4 2 4适应度函数对算法性能的影响适应度函数的改变必然对算法性能有明显的影响 为此进行两次试验 遗传算法分别使用旧的适应度函数和新的适应度函数 其他测试条件不变 通过图 可以看出 新的适应度函数的算法性能明显优于旧的算法性能 这是因为新的适应度函数针对了路径规划的特点 加速了进化的效率5结论本文发展了一种新的遗传算法来进行路径规划 通过试验测试表明 适应度函数的设计合理 有效 能准确度量不同路径个体的优劣 对遗传算子所作的改进 将启发式知识与随机搜索有效的结合起来 极大的提高了遗传算法的性能参考文献∏≤ ≥ ≥ ≤ ° ≥ ≤ °∏ ∞∞⁄ √ ≠ × ∞ ⁄ √ ≠高国华 大范围多路径规划问题研究 国防科技大学博士学位论文作者简介陈刚 2 男 硕士 研究领域 机器人控制 任务规划等沈林成 2 男 博士 副教授 研究领域 机器人控制 任务规划 智能系统等机器人 年 月。