机器人集群的智能协同控制理论与方法

For the national future development demands, the project is concerned with intelligent cooperative control theory and method for swarm robot systems, which based on wireless network communication theory, distributed information fusion theory, artificial intelligence methods and control theory. With communication characteristics, the topology structures of the network and the dynamic characteristics of the intelligent individual considered, the model of the robot swarm systems in the complex dynamic environment will be studied. Proceeded with the multi-robot system network networking, data routing mechanism and quality of service guarantee of wireless communication, wireless network data transmission mechanism of heterogeneous swarm robot system will be researched. The distributed cooperative localization method of swarm robot systems will be explored. Formation control methods for robot swarm system with intelligent collision avoidance in the complex networks will be investigated. A robot swarm experiment platform will be built and multi-UAV/UGV formation experiment with collision avoidance shall be implemented. This project aims to form an integrated comprehensive analysis method for modeling, wireless network data transmission, distributed information fusion and intelligent cooperative control of robot swarm systems in complex network environment. Researching in this area would provide the theoretical guidance and technical support for the applications of networked robot swarm systems in national economy and national defense construction.

本项目面向国家未来发展需求，在融合无线网络通信理论、分布式信息融合理论、人工智能方法和控制理论的基础上，研究机器人集群的智能协同控制理论与方法。综合考虑集群机器人系统网络的通信特性、网络的拓扑结构及智能个体的动力学特性等因素，对群机器人在复杂动态环境下的建模进行研究；从多机器人系统网络组网、数据路由机制以及通信服务质量保障入手，研究异构机器人集群系统的无线网络数据传输机制；探求机器人集群系统分布式协同定位方法；研究复杂网络环境下机器人集群系统的智能避撞编队协同控制方法；以多无人机/无人车为研究对象，构建无人机/无人车避撞编队实验平台。该项目拟形成一套复杂网络环境下多机器人系统的建模、无线网络数据传输、分布式信息融合和智能协同控制的一体化综合分析方法，并开发多机器人实验平台，进行无人机/无人车编队避撞实验，为多机器人系统在国民经济和国防建设中的应用提供理论和技术指导。

本项目，针对机器人集群系统，融合无线网络通信理论、分布式信息融合理论、人工智能方法和控制理论，深入研究了机器人集群的协同控制理论与方法，重点研究了扰动、复杂约束下的机器人系统建模及最优控制，拓扑变化及外部扰动下基于事件触发控制的多智能体系统固定事件一致性问题，多智能体无线通信系统设计及容量优化，以及基于强化学习的多智能体协作问题，取得了丰硕的研究成果，主要研究结果有：. （1）针对各类受限系统，采用强化学习算法，提出新颖的基于数据驱动的控制算法，深入分析了神经网络近似误差和迭代终止条件对算法收敛性及稳定性的影响，并给出了控制系统稳定性的理论证明。. （2）以估计误差协方差最小化为目标，研究了无线通信系统中用于远程估计的误差感知调度和信道分配设计，提出一种启发式的信道分配算法。. （3）针对非线性多智能体系统协同控制问题，提出了新颖的事件触发和自触发机制下的固定时间收敛算法，既保证了快速收敛，又减少了通信损耗。. （4）采用深度强化技术，设计了基于任务分解的多智能体强化学习框架，有效解决了现有算法存在的探索效率低，无法保证收敛等问题；在此基础上，构建一种带通信拓扑的多智能体强化学习模型，保证机器人在与物理环境和队友的交互中自主构建通信策略，在保证协作效果的前提下有效降低了通信量。. 本项目所提出的多智能体协同控制理论与方法，可有效增强噪声，扰动及拓扑变化下的多智能体协作能力，为多智能体系协同控制提供了新的理论基础和技术参考。