多仿生机器海豚协同目标感知与追踪控制研究

The underwater target perception and tracking control are important links to realize the practical application of the unmanned system. Detection mechanism, path optimization, motion control, and cooperative mechanism are frontier topics to be explored in depth. This proposal aims at the cooperative target perception and tracking control of multi-robotic dolphin system. The main research contents are listed as follows. Firstly, in order to identify the underwater target rapidly and accurately, a fast underwater sequential target perception method is explored based on the AC-LSTM and multi-robotic dolphin cooperative area searching strategy. Secondly, a balanced path planning algorithm is put forward to obtain the global shortest path in the circumstances to meet real-time. Then, the line-of-sight (LOS)-based three-dimensional path following strategy is utilized to steer the robot towards and along the desired pathways. Finally, a hybrid formation control method which composed of the virtual leader/follower method and deep reinforcement learning based method are applied to achieve dynamic and flexible formation control by experiments and interact with the environment. The scientific significance of this proposal is to offer a technical approach to improve intelligent control and application ability of the underwater biomimetic robots via bionic and robotic technologies applied to exploring cooperation mechanisms.

水下目标感知与追踪控制是实现无人系统应用的重要环节，其背后蕴含的感知机理、路径优化、运动控制、协作机制是有待深入探求的前沿课题。本项目针对一种面向多仿生机器海豚系统的协同目标感知和追踪控制问题展开研究。主要研究内容包括：探究快速水下时序目标感知方法，通过构建融合注意力机制的卷积长短期记忆网络和基于多海豚协作的分区域自主搜索策略实现快速、高精度的目标感知；建立均衡的路径规划策略，在满足实时性需求的情况下，获得整体最短路径，同时设计基于视线导航法的三维路径跟踪控制算法驱动机器海豚完成对路径点的跟踪；探讨机动、灵活的编队控制方案，设计基于深度强化学习和虚拟领航/跟随的混合编队方法，通过与环境地不断交互、试错，完成模型更新与策略学习，实现动态的多机器海豚编队控制。本项目的科学意义在于通过仿生和机器人技术来探索协作机制，为提高水下仿生机器人的智能控制与应用水平提供技术支撑。

开展水下目标感知与追踪控制研究对于海洋资源开发、水产养殖、水下考古等方面具有重要的应用价值。本项目针对多仿生机器海豚协同目标感知与追踪控制开展一系列研究。首先，以自然界虎鲸为仿生对象设计、加工机动型仿生机器海豚系统，同时开展了基于CPG (Central Pattern Generator)的底层运动控制器设计实现其多模态运动，最终为目标识别与追踪控制提供验证平台。其次，针对水下目标检测问题提出了基于轻量化目标检测算法与双目视觉立体匹配算法，利用融合注意力机制的YOLO-V5神经网络目标检测算法对图像目标进行检测，利用半全局立体匹配算法对双目相机采集的图像进行立体匹配获取深度图像，通过融合双目视觉立体匹配算法与深度学习目标检测算法，获取目标物的中心坐标，实现对目标的识别与定位。再次，三维路径规划能力与跟踪能力是实现目标追踪的基础，针对机动型机器海豚的三维路径规划问题，提出了一种融合快速探索随机树和基于图的路径规划算法，同时采用两条二维杜宾曲线通过插值得到三维杜宾曲线的方法解决机器海豚运动约束问题；为解决其三维路径跟踪控制问题，针对机器海豚非线性动力学特征提出了基于解耦控制策略的深度强化学习算法，同时设计三维视线导航策略，将三维路径点的跟踪控制问题转换为航向角和俯仰角的跟踪控制问题。最后，针对多仿生机器海豚协同编队控制问题，提出了一种基于复合规则的集群模型，设定多种运动规则实现多个智能体从无序状态趋向于有序状态，最终实现多个机器人的环形编队与同向游荡编队。本项目的实施为仿生水下机器人走向应用解决基础理论问题。