论文部分内容阅读
为了有效探测未知环境，提出了一种分布式多机器人的同步定位和地图构建方法。单个机器人根据自身传感信息构建局部地图；多个机器人之间通过通讯建立联系，组建由若干个机器人组成的动态小群：采用互相关匹配的双角点方法，融合动态小群内机器人构建的局部地图，以获取一个大地图，最终构建一个完整环境地图。
为了像人类一样高效工作，提出了类人探测规则，采取交通规则避免机器人之间相互碰撞。在建立机器人行为控制模型时，不仅利用了线性加权和法的评价函数，还添加了类人探测行为相关分析，提高机器人之间的协调效率。通过实例仿真证明，类人探测规则是有效，可行的，多机器人系统成功地完成了预定的任务。
为了提高系统的鲁棒性，提出了一种基于扩展相似度空间的案例推理的故障恢复方法。其核心思想是通过错误特征提取特征节点，根据特征节点得到错误节点的扩展相似度空间，然后在扩展相似度空间范围内，按节点发生概率的高低推测错误，以更少的平均试探次数完成推理。
最后，探讨了多机器人研究和应用的发展方向——网络化机器人。介绍了网络化机器人的现实意义，一般体系结构及其设计方法，分析了网络化机器人的研究内容及其关键技术，说明了网络化机器人应用的美好前景及其面临挑战。