时序约束下分布式多机器人协作搜集方法

Multi-robot foraging is a canonical task for studying multi-robot teamwork, which can be divided into search and retrieval subtasks. Recently, many approaches have been proposed to solve the basic foraging problem where the targets are not distinguished. However, many practical and complex foraging applications, such as package search and transport in warehouses, victim search and rescue in disaster areas, require that distinguished targets with various types should be delivered to the home base in a specific order. This project aims at providing a decentralized solution for cooperative multi-robot foraging with temporal and ordering constraints. The challenge of developing such a solution is that the robots have to not only compete for search zones and targets, but also cooperate with each other in order to accomplish the team goal. To this end, we first formalize the model of the multi-robot foraging with temporal and ordering constraints, and then investigate a parallel auction algorithm for allocating search subtasks at the initial stage as the robots have no prior knowledge about the targets. Afterwards, the retrieval tasks appear dynamically when the robots execute search subtasks, and then we proceed to produce a reinforcement learning algorithm for allocating search and retrieval subtasks in an interleaved manner. Finally, the proposed algorithms will be evaluated in both simulated and real platforms. The results of this project can provide a theoretical basis for coordinating multi-robot teams to perform cooperative tasks in an unknown and dynamic environment.

多机器人搜集是多机器人系统研究领域中一个代表性任务，包括搜索和收集两级子任务。目前关于多个同类目标物的搜集方法已有丰富的研究成果，但是较实际的复杂搜集任务(如智能仓储中的商品搜集、震后灾后的联合搜救等)通常涉及多个异类目标物，且目标物的搜集过程还需进一步考虑时序约束。本项目针对分布式多机器人系统，研究时序约束下的协作搜集方法，旨在突破机器人之间既要展开对搜索区和目标物的资源竞争，又必须以强协作的方式共同完成任务的难题。主要研究：1)建立时序约束下分布式多机器人搜集问题模型；2)在目标物完全未知时的初始单纯搜索阶段，提出基于并行竞拍的搜索子任务分配算法；3)在发现部分目标物后的搜索-收集交替阶段，提出基于强化学习的搜索-收集最优子任务交替分配算法；4)利用虚拟仿真平台与移动机器人平台，测试和评估相关算法。项目成果将为动态、未知环境下分布式多机器人任务分配和冲突消解理论的发展提供一定参考。

多机器人系统将在智慧工厂、智慧交通等领域中得到广泛的应用。本项目针对分布式移动平台的协调控制技术，重点针对协作搜集的任务分配方法和分布式导航定位和避碰方法。本项目的主要研究成果包括:(1) 提出了一种不依赖精确地图的导航定位方法，实现了分布式多机器人在执行搜集任务时的主动避障，且导航不受环境限制，移动平台可预测共存空间中其它动态障碍物（包括人）的运动趋势，其创新点在于突破了现有移动平台严重依赖磁条、RFID等导航定位的限制，且分布式控制技术不受台套数限制，能够满足大规模智慧工厂的需求。(2)提出了一种基于粒子群的多机器人任务分配方法，利用贪婪策略使非支配集合中的较优解对各粒子的解进行更新，同时使用哈密顿优化算法消除子路径中的非哈密顿圈，从而实现对多移动机器平台系统任务分配的时间成本和能耗成本进行优化，该方法在多机器平台系统的任务分配过程中能有效降低能耗成本和时间成本，降低多移动机器平台系统的任务时间，提高多移动机器平台系统的工作效率。本项目研究成果将显著提高智慧工厂中移动平台的运行效率，提升物资运转效率和设备与人员的安全性。尤其针对大型智慧工厂，本项目成果不受厂区通讯信号差、环境时常变化、工作人员众多等复杂因素的影响，具有非常好的应用前景。