多机协同 综述

多机器人的系统分类

分类	无意识协作	有意识协作
研究范围	简单的同构多机器人系统	复杂的异构多机器人系统
目的	突显原理获得高层协作行为	需要人为规划协作方式
特点	同构、个体功能简单、数量多	异构、个体功能复杂、数量较少
缺陷	无全局目标、不适用于复杂任务	有全局目标、可实现非常复杂任务
优势	本地交互、控制器设计简单	系统目标明确
场景	清扫、采集、搜索	复杂协作
仿生	蚁群、蜂群	狼群
界定	基于仿生	基于结构

由于本课题的题目为《基于仿生学的多机器人自主协同控制研究》，将重点对无意识的多机器人协作系统的研究进展进行展开和论述；同时，会先解释有关有意识多机器人协作的相关研究。

有意识多机器人协作

体系结构

组织结构

多机器人组织结构可分为集中控制结构和分散控制结构，而分散控制结构又可进一步分为分布控制结构和混合控制结构。

类型	特点	优点	缺点
集中式结构	主机器人负责系统协调，具有完全的控制权	系统较为简单，全局最优	但实时性和动态性较差，结构灵活性不足，鲁棒性较差。
分布式结构	机器人之间无隶属关系，通过交互或通信实现协调	降低系统复杂性	对通信要求较高，不保证目标的全局最优性
混合式结构	层次结构，多个主从结构组成	提高系统灵活性和协调效率	复杂性高，实现难度大

通信方式

系统的通信方式决定了机器人之间的相互作用方式。在多机器人系统中，为了实现机器人的同步或协调，信息交互是必不可少的，机器人之间的通信方式可以分为隐式通信和显式通信。

类型	说明	例子
隐式通信	利用机器人的行为对产生环境的变化来影响其他机器人的行为	kilobot中使用红外编码进行的通信
显式通信	需要专用硬件通信设备以及复杂的信息表示模型，机器人之间可直接进行信息交换	使用wifi、蓝牙等

控制结构

这里的控制结构不是单个机器人的控制结构，而是指整个多机器人系统的控制结构，控制结构可分为反应式和慎思式。

类型	说明
反应式	而每个机器人在应对环境变化时，仅仅对自己所采取的策略进行重组，以更好地完成自身的任务
慎思式	当一个团队在应对环境改变时可以根据策略重新组织整个团队的行为

环境感知

环境感知分为信息融合和协同定位。

信息融合

​ 各个机器人可以装载不同种类的传感设备，可以获取丰富的传感信息，通过设计高效的信息融合算法，可以将局部不完整、不确定的多源信息处理成对相对完整的环境感知信息，从而提高系统的信息获取能力和感知效率。信息融合包括了单个机器人上不同传感器的信息融合和机器人与机器人间的信息融合。

​ 当异构团队共同完成环境探测时，可将视觉信息与激光雷动或声呐信息融合生成单个机器人的局部地图，然后将多个机器人的局部地图信息融合成一个全局地图。

协同定位

​ 协同定位和地图创建应该属于多源信息融合的范畴，但由于其重要性，得到了较多的研究。通过多机器人的协同定位操作，多机器人群能够在未知环境中互为路标，得到比单个机器人定位更精确的位置。

​ 基于EKF和PF的多机器人协作定位精度明显高于单个机器人的定位结果。

优化控制

​ 多机器人系统可以通过相互分工、相互合作来完成复杂任务。人类社会中合理的生产关系可以促进生产力的发展，同样，合理的运行控制机制可以充分发挥多机器人系统的优势，提高任务完成效率。

多机器人系统的协同问题包括多机器人协作和与协调2个方面。

协作机制

多机器人的协作是从系统整体规划上减小冲突概率，减少资源浪费，保证系统的最优性

多机器人的任务分配问题在不同情况下可分别看作最优分配问题(OAP)、整数线性规划问题、调度问题、网络流问题和组合优化问题，其解决方法主要有基于行为的分配方法、市场机制方法、群体智能方法、基于线性规划的方法、基于情感招募的方法和基于空闲链。

类别	说明
行为	直接找到具有最大效用的机器人-任务对，将任务分配给指定机器人，分配以后不再考虑。
市场机制	基于协商谈判的分布式分配方法。适用于任务和状态可知的中小规模异构系统，可实现全局最优任务分配，资源消耗多，对通信依赖性高
群体智能	无集中控制器，不依赖于全局模型，鲁棒性好，间接通信开销小，可扩充性好。
线性规划	运算量随系统规模呈指数级增长，需要全局信息和集中管理，扩展性差，效率低。
情感招募	引入情感的分布式分配方法，无需彼此建模
空闲链	考虑了机器人的相互作用，能够显式地处理群动态的影响。

协调机制

多机器人协调问题即是各机器人行动的同步化操作问题。多机器人系统在协作完成复杂任务时，应尽量减少相互之间的干扰、冲突，保证在任务的执行上具有目的一致性，否则系统会由于额外增加的复杂性，导致效率下降，最终难以得到优化结果。

案例

基于ROS-领航者算法

二维码定位

集中控制器

rm s1机器人

无意识多机器人协作

​ 无意识协作多机器人系统主要仿生社会性生物群落(蚁群、蜂群等)的运行机制，利用大量简单、无意识的自主个体，通过局部交互和自组织作用，使整个系统呈现协调、有序的状态，并最终达到较高的集群智能。

​ 基于仿生的集群机器人系统研究可进一步分为基于突现行为的集群机器人系统研究与可重配置机器人系统研究，二者的差别在于后者需要通过特定的连杆和关节模块实现组合操作，以形成特殊的构型，并完成指定的功能。基于仿生原理的无意识协作多机器人系统适用于大空间范围内无时间要求的重复性工作，如清扫任务；同时也适用于危险或有害区域内的监测、探索和搜寻任务，如可用许多小型轻便的、可丢弃的、相对廉价的机器人来完成核辐射区域内的监测任务。