多机器人动态组网及协同目标搜索

The investigation of robot collaboration theory and techniques provide a solid support for achieving practical tasks such as searching in complex environment. However, it brings in a lot of difficulties to the applied research of the robot collaboration, as a practically efficient system requires much knowledge through fields including wireless communication, distributed computing and robot navigation/search, etc. In this project, we will study the efficient algorithms to build a dynamic ad hoc network, which supports the high throughput of information transmission among the collaborating robots; consider a framework to calculate a wide “view” of the operating environment by aggregating pieces of information of local environment from all participating nodes; restrict the robots’ local behaviors by optimizing local behavior space; build a mechanism with which the robots can calculate and find a local optimized strategy in a distributed fashion and finally the global target for search/navigation will be accomplished. Moreover, we will consider the fault tolerant and prediction with the help of the robot status and environment information. We will also build an application platform to empirically validate the proposed theory and techniques.

大规模复杂空间中，单机器人在信息获取、实时控制等方面的能力都非常有限。随着智能机器人的快速普及，如何发挥集群优势，高效灵活的将通讯技术与决策控制融合在一起，利用多个低成本机器人进行分布式信息采集并协作完成任务，成为许多实际应用中亟待解决的关键问题。目标搜索是多机器人协作中的核心方向。本项目将研究如何在动态机器人集群中建立高效的信息传播和收集方法，实现分布式环境感知和机器人行为动态关联，将动态组网通讯与协作搜索有机高效的融合，并最终建立可以指向动态目标的机器人集群协作导航机制。更进一步，研究多机器人的故障模型，实现精准故障预判及故障恢复。本项目还将搭建多机器人协作应用平台，一方面将协作理论和技术研究结果将在真实场景中展开应用，另一方面，实际应用中产生的各类问题，将反馈到多机器人协作理论及技术研究中进行完善和修正。

随着智能机器人的快速普及，如何高效灵活地将人工智能技术及机器人决策控制相融合，利用多个低成本的机器人进行分布式信息采集并协同完成作业成为许多实际应用中待解决的问题。本研究计划聚焦于机器人的动态组网及协同目标搜索，主要包括移动机器人的路径跟踪控制及智能规划算法两项任务。.基于这两个方面，我们开展了相关的研究包括：基于在线优化的导航向量场的非完整性约束的轮式机器人路径跟踪问题，提出一种在线优化的算法以完成轮式机器人的路径跟踪任务。研究基于车辆动力学模型的的动力系统能量管理方法，提出了使用模型预测控制联合优化车辆加速度和燃料电池电流的控制方法，能够在保证车辆动力性的同时，减小能源的损耗。研究自动驾驶场景基于多约束条件设计的车辆避障运动轨迹规划方法。我们提出融合决策和和规划的避障规划算法。研究了一类具有非完整约束的轮式移动机器人的路径跟踪问题。路径跟踪任务由一个导航向量场表示，采用在线优化程序进行评估路径误差。利用基于矩阵测度的收缩原理，设计的导航向量场的收敛性对目标路径的跟踪在理论上是有保证的。设计了一种新的基于无源性的控制方法，以提高自主车辆在执行路径跟踪任务时的鲁棒性和稳定性。端口哈密顿模型是一种特殊的几何结构和数学模型，提供了一个系统和深刻的框架，从能量的角度来描述许多物理系统。以及在低成本感知下基于强化学习和模型预测的智能车规划控制。