复杂环境下群体机器人系统协同适应性理论与方法研究

本项目旨在分布式学习与优化模型下，建立群体机器人鲁棒性、灵活性强的环境感知新方法，充分利用自主机器人局部信息，构造高效的分布式强化学习算法，以提高群体机器人系统在复杂动态环境下的协同适应性，揭示群体智能行为涌现规律及可控性，从而实现系统整体最优性。.项目主要研究内容包括：群体机器人系统环境信息获取的仿生学方法、通过高效的协同信度分配机制提高分布式强化学习算法的收敛速度、分布式强化学习计算模型和复杂群体系统的建模方法与数学分析工具。其研究成果具有重要的理论意义，可应用于群体机器人危险环境协同作业、海面油污监控与清理和复杂战争系统中群体机器人或无人机械协同作战等工程领域。.项目创新之处在于：（1）通过模拟生物现象的局部交互机制和协同信度分配机制，加快分布式强化学习的收敛速度；（2）提出适合复杂群体系统的数学建模和分析方法。本项目将通过理论研究和实验分析验证算法的有效性，并与其它算法进行比较。