非目标导向的模块化机器人自组织形态演化及分布式协调控制

The core difficult issues of the modular self-reconfigurable robot are planning and control. These challenges are closely related to the particularity of swarm and agent. Evolutionary robotic theory has obtained some achievement on these issues, however it still stuck with premature convergence and single evolution result. In this subject, we will try to break a single natural evolution framework, study the self-organization morphology emergence, evolution and distributed cooperative control of modular robot in new way. In order to solve the morphology emergence problem and coordinated movement problem, the multi-scale self-organization discipline of the process of individual development and swam construction will be revealed. At the same time, the self-organization theories and complexity science will be used in modular robots. We will borrow the principle of swarm self-organization and biology from lower to higher evolution and utilize inherent character of self-organization patters emergence, ethnic diversity mechanism to look for the better morphology and intelligence according to changing environment and task based non-object search framework to. The breakthrough of this project not only provide an new research approach for self-organization morphology emergence and distributed cooperative control of modular robot, but also can promote the development of the self-organization theory.

模块化自重构机器人的规划与控制一直是该领域研究面临的最大难题，这些困难与挑战是与其兼具群体和个体机器人属性的特殊性密切相关的，进化机器人理论在该问题研究上有所突破，但依然受困于计算早熟以及进化结果单一等问题。本项目研究希望突破单一的自然进化理论框架，尝试从全新角度认识模块化机器人的形态涌现、演化、协调运动的本质，将复杂性科学与自组织系统相关理论应用于模块化机器人，揭示自然界生物在个体发育、群体创建过程中展现的跨尺度自组织规律，解决模块机器人形态涌现以及协调运动问题。引入生物进化过程中的种群多样性保持机制，以生物进化的无目标搜索理论为框架，利用大量模块组成的机器人内在自组织模式涌现特性和新型进化计算理论，寻找适应环境和任务的形态与智能。本项目的突破，不仅将为模块化机器人的自组织形态涌现和分布式协调控制提供研究途径，同时也将推动具有普适性的自组织理论的发展。

模块化自重构机器人的特点在于能够根据环境的变化和任务的需求改变内部模块之间的连接关系，从而改变自身构型，因此如何发挥模块化机器人一机多用，性能多样的特点是该领域的重点和难点。传统的进化算法存在局部最优和进化结果单一等问题，需要探索出一种能够提高机器人行为丰富度的搜索算法。此外，当模块化自重构机器人在未知环境中工作时，需要针对当前环境和任务状态在不同的构型之间进行连续转换，为充分发挥模块化自重构机器人通过重构产生新构型以适应环境的能力，需要探索机器人在不同状态间进行连续转换的策略。. 本项目从全新的角度认识模块化机器人的自组织涌现、演化、分布式协调控制的本质，通过深入研究自然界普遍存在的群体自组织以及生物从低级向高级发展进化的原理来考虑模块化机器人形态涌现问题。研究团队首先根据模块化机器人的结构特点和运动能力，建立了以阵列式模块的曲折运动和直线运动两种基本运动形式作为元胞自动机规则的移动方案，解决了机器人在重构过程中出现的系统整体性以及局部冲突等问题；引入自然界中普遍存在的分形理论，采用分形理论中的L系统作为机器人非几何规律复杂结构的数学表达工具，并将Turtle算法作为转录方法引入L系统中，将分形字符扩展到三维环境中，建立了基于Turtle算法的字符转录机制；进一步利用参数化L系统，构建了机器人整体目标拓扑构型，依靠独立的局部环境感知和相邻模块间的局部信息交互进行信息传递和共享，在重构过程中完成环境适应性行为，实现了机器人整体在未知环境中的适应性重构变形与重构运动，并且能够进行连续转换；建立了一种非目标导向的自组织计算框架BSB-PSO，充分发掘了模块化机器人多运动模式的特点，避免了搜索结果陷入局部最优。此外，研究团队开发了集三维模型、运动规划、动力学于一体的高效仿真平台，实现了模块化机器人协进化过程与机器人运动能力的仿真验证。研制了Seremo模块化机器人，搭建了实验平台，通过实验验证了理论的有效性。