面向动态环境的混合式多机器人规划与调度算法研究

With the development of robot technology, multi robot system has gradually become the research hotspot in many robot applications. In many problems, the environment where the robot faced is dynamically changed, such as acquired information is uncertain, the amount of information randomly increase, the network is unstable, robot failure occurs from time to time, etc. To address these challenges, we propose an incremental dynamic modeling of workflow and co-design planning framework, which transform the multi-robot cooperation problem into temporal planning problem, and call a specific planner to solve the planning problem efficiently. We study and analyze the planning problem’s SAS+ formalization characteristics, and propose a new heuristic function to improve the performance of the planning algorithm and a constraint satisfaction encoding to optimize the solution length. We also study the multi robot planning and scheduling system of hybrid structure. The system models the planning problem dynamically, solves it in real-time according the acquired information, monitor the task execution, and does re-modeling and re-planning according to the feedback if necessary. The system has characteristics of rapid response, high flexibility, strong adaptability, and can obtain the global optimal or near optimal solution. The research of this project will promote the solution of a series of key problems of multi-robot cooperation, and lay a solid foundation for the popularization and application of multi-robot system.

随着机器人技术的发展，多机器人系统逐渐在机器人应用领域成为研究的热点。在很多应用问题中，机器人所面临的环境是动态变化的，比如获取的信息具有不确定性，信息量是动态增加的，网络具有不稳定性，机器人故障时有发生等。为解决这些挑战，本项目将研究并提出一种基于工作流的增量式动态建模和联合设计规划框架把多机器人合作问题转化为时序规划问题，并调用特定的规划器快速求解规划问题。我们研究与分析规划问题SAS+表示相关特性，并提出一种新的启发式函数以提高规划算法的性能和一种约束可满足编码方法优化规划解的长度。我们研究混合式体系结构的多机器人规划与调度系统。该系统针对所获取信息进行动态建模和实时规划，以及实时检测任务执行过程并根据反馈进行重新建模和规划。该系统反应速度快、灵活性高、适应性强、可获得全局最优或近似最优方案。本项目的研究将推动解决多机器人合作的一系列关键问题，为多机器人系统应用和推广打下坚实的基础。

智能机器人在家用、娱乐、教学、清洁、医疗、导游、监护、安保等领域有广阔的应用前景。在这些领域，智能机器人所面临的环境是动态变化的，比如获取的信息具有不确定性，信息量是动态增加的，通信网络具有不稳定性等，这些都增加了系统的协调管理的难度、系统整体状态的不确定性。为解决这些挑战，我们研究并提出一种基于开放式工作流的增量式动态建模将多机器人的合作问题转化为工作流的分配、机器人调度和执行问题；之后，我们采用一个联合规划框架，同时考虑工作流的分配、机器人的调度和任务的执行，把工作流问题转换为时序规划问题，并且调用特定规划器快速求解规划问题；在分析和利用规划问题的SAS+格式表示相关特性的基础上，提出一种启发式以提高状态空间搜索的规划算法的性能和一种新的编码方法进一步提高约束可满足规划算法的性能和优化规划解的长度，以满足多机器人决策规划系统实时高效的规划以及快速完成特定任务的需求；. 具体而言，本项目主要完成了以下成果：1）提出一种蒙特卡洛随机游走策略可以帮助状态空间搜索在高原区域快速找到出口状态，从而提高搜索效率；2）以随机森林这种被广泛研究和应用的数据挖掘模型作为提取知识的模型，提出一种把该问题转换为一个形式化的优化问题，并证明该优化问题等价于一个状态空间中的最短路径搜索问题。提出一种次优化的状态空间搜索算法求解该最短路径搜索问题；3）通过结合机器学习与自动规划实现数据驱动的动作知识提取，从而把机器学习模型的预测结果转化为动作知识的能力；4）针对自动驾驶系统提出一种分层规划框架。基于ROS（机器人操作系统Robot Operation System）和Carmaker（商用车辆物理模拟器）开发了一套自动驾驶仿真系统。在改装的MKZ林肯车辆上实现了自动驾驶系统的规划系统，并在真实道路上进行了大量的测试，包括白天、夜间、直道、弯道、进出隧道、雨天、雾天。测试结果（美国加州高速路测试）显示在100公里每小时状态下可以在高速车道上稳定巡航10公里以上。