论文部分内容阅读
群体机器人是一种特殊的多机器人系统，通常是由许多自治的机器人组成，具有典型的分布式系统特征。与一般的多机器人系统所具有的任务规划和指派等高级智能不同，群体机器人技术更加注重于研究结构简单且能力有限的机器人个体通过局部交互和群体控制，从而涌现出群体智能以合作完成相对复杂的任务。
由于群体机器人系统在简单性、鲁棒性、适应性上具有的独特优势，其应用前景是非常广阔的。不管应用场合如何，群体机器人系统必须要面对如下几个基本问题：组成群体的机器人个体如何实现简单的控制结构；群体如何通过自组织协调来完成任务目标；个体对群体、任务、环境和其它个体的信息需要知道多少；个体之间是否需要直接通讯来完成任务目标；对于一个复杂的任务，简单的个体行为是否足够；群体的数量与系统性能之间的关系；个体的行为是如何影响群体行为的?
针对这些问题，本文主要进行了下列几方面的研究：
(1)群体机器人系统要求个体的结构和能力尽量简单化。而基于反应式行为的机器人设计方法将感知和动作紧密联系在一起，不需要环境模型的抽象表示，大大简化了机器人控制系统的设计。在基于行为的机器人设计方法中一个主要的问题是行为协调机制。本文从神经生理学关于决策过程大脑神经元簇活动的研究成果中得到启发，提出了一种基于似然比计算的机器人行为协调机制。在该方法中，用似然比来描述假设选择一个行为时获得观测值e的似然率与假设选择另外一个行为时获得观测值e的似然率的相对关系。扩展到多个行为的协调，根据行为空间构造基于似然比的决策变量空间，用决策变量直接表示选择某行为的可能性量度，作为行为选择的量化标准。该方法有利于来自不同信息源的观测信息以及不同时间点上的观测信息的累积，简化了行为协调所需要的计算复杂度。
(2)受蚁群清理巢穴的自然现象启发，本文设计了一个群体机器人物体收集系统，参照蚂蚁清理巢穴的行为建立了物体收集任务的行为模型。在这个系统中，个体只具有简单的行为能力和局部感知能力，也不需要通过个体间的直接通讯来协调个体行为，在没有任何关于任务和环境模型描述的情况下，所有的机器人能够把散落在封闭区域内的物体收集起来堆放在一个地方，充分体现了群体智能的自组织和涌现特性。当环境中加入障碍物后，系统仍旧有效，并涌现出了另外一种无意识的群体行为——帮助其他机器人从死锁状态中恢复过来。虽然在设计行为模型和控制规则的时候没有明确地指出机器人之间互相协作的机制，但是在任务执行过程中个体行为会不断地改变环境，而环境的改变又激励了其自身和其他机器人的个体行为，物体收集任务的完成正是在这一自组织协调过程中实现的。
(3)针对群体机器人系统的随机特性，本文用宏观状态迁移图来描述群体行为的统计特性。在宏观状态迁移图中，状态的值代表系统中处于该状态的机器人平均数量，状态之间的有向连接代表系统中机器人的平均数量在各状态之间的迁移关系。在宏观状态迁移图的基础上，利用速率方程来描述状态的变化，通过构造速率方程组并解这些方程，可以定量分析群体机器人系统宏观状态的变化趋势。进一步地，利用该数学模型可以分析群体数量与系统性能之间的关系。当群体数量达到一定规模后，若任务空间资源有限，群体数量的继续增加会带来个体之间干扰的增加，从而使系统性能下降。针对物体收集任务，用本方法的计算分析结果与仿真结果是一致的。
(4)在自然生命系统中，生存与发展的自然演化规律是始终贯穿整个历史的。受人工生命思想的启发，本文讨论了一种群体机器人的实体进化方法，将机器人的进化过程内嵌到实际的工作过程中去，进化是伴随着执行任务的过程同时进行的。实体进化所需要的评价和复制等操作都整合到机器人的基本行为模型中去，以机器人在实际工作环境中的性能作为评价标准，通过基因信息的广播和接收行为实现基因的概率重组。实体进化方法有效避免了先仿真再运行的“迁移”问题以及对精确环境模型和适应度函数的依赖。在这个基础上，重新设计了群体机器人物体收集系统，通过与之前的系统进行比较，实体进化方法明显提高了系统的性能。从群体智能的涌现特性上来看，机器人的性能评价、基因广播和接收这些个体行为在局部交互的过程中产生了群体进化行为。这也说明群体行为的产生必然是个体行为交互的结果，但是个体行为的交互并不必然产生群体行为。