基于任务对象的移动机器人路径规划技术现状与展望

M ac hine B

uilding

A uto mation,O ct 2009,38(5):3～5

作者简介:程二九(1981—　),男,安徽安庆人,工学硕士,研究方向:机械电子工程。

基于任务对象的移动机器人路径

规划技术现状与展望

程二九a

,张丽b

,徐亚伟

b

(安徽机电职业技术学院,a .机械工程系;b .数控工程系,安徽芜湖310019)

摘　要:移动机器人路径规划是机器人学的一个重要研究领域,也是人工智能与机器人学的一个令人感兴趣的结合点。从基于任务对象移动机器人路径规划这个角度对移动机器人路径规划问题进行了研究,并对未来的研究进行了展望。关键词:路径规划;机器人;人工智能中图分类号:TP242 文献标志码:B 文章编号:167125276(2009)0520003203

V i ew of D evelopm en t on Pa th Pl ann i n g for Robot Ba se on Ta sk and O bject

CHE NG Er 2jiu a

,Z HANG L i b

,XU Ya 2wei

b

(a.M echa n i ca l Eng i nee ri ng D ep a rt m en t, b.N um e ri ca l Co n tr o l Eng i nee ri ng D ep a rt m e n t,

M e cha n i ca l a nd E l e c tri ca l Eng i ne e ri ng,W uhu 310019,C h i na )

Abstract:The m o bil e r obo t p a th p l a nn i ng is the ve ry i m po rtan t s tudyi ng fi e l ds f o r the r o bo ti c s,w hi ch is the i n te re s ti ng po i n t fo r the

hum a n i nte lli gence and the r obo ti c s.This a rti c l e m a i n l y s tud i e s the m ob il e r o bo t pa th p l ann i ng ba se o n the ob j ec t a nd ta sk,a nd fi na l 2l y gi ve s the a s sum p ti o n f o r the fu tu re s tudyi ng.

Key words:the p a th p l a nn i ng;the r o bo t;the hum an i nte lli gence

0　引言

移动机器人路径规划是机器人学的一个重要研究领

域,也是人工智能与机器人学的一个令人感兴趣的结合点。不论是哪种类别的移动机器人,它在工作时,往往要求根据某一准则在工作空间中沿一条最优(或次优)的路径行走。机器人路径规划问题可以建模为一个有约束的优化问题,都要完成路径规划、定位和避障等任务。路径规划是自主式移动机器人导航的基本环节之一。多机器人系统所研究的路径规划问题根据涉及到的数目进行划分可以分成两个大类:一类是群机器人问题。该类问题涉及大量具有相同功能的机器人每个都拥有很弱的能力,研究重点是大量个体局部相互作用造成的全局效果。这类研究的关键问题在于设计局部的控制规则使一大群机器人通过这些规则进行交互能够解决一个给定的问题并且在数学上能够得到收敛的结果。Deneubourg 描述了一种分布式搜索算法的仿真结果[1],Steel 发表了利用一些动态系统来获取系统凸现性能的仿真例子[2],D r og oul 和Ferber 描述了机器人排成链形队伍的仿真结果[3]等。那些研究中群体表现出来的行为和个体表现出来的行为是大不一样的。另一类多机器人系统属于有意图的多机器人协作任务该类任务中协作存在于有限数目的任务明确的机器人之间每个机器人都能够完成某些特定的任务但是没有一个机器人可以单独完成全局的任务。这类多机器人系统需要一种不同于群机器人的更加直接的协作方式按照机器人之间相互约束的关系划分可以分

成紧密的协作任务、松散的协作任务和和对抗性的任务。合作推箱子、觅食任务、多移动机器人聚集任务和机器人足球赛分别属于这类任务,它们是多移动机器人协调研究的典型任务。

1　基于任务对象的移动机器人路径

规划

1.1　机器人合作移动重物

多机器人合作移动重物对应着实际应用中一大类需要由多个小机器人搬运大型物体的任务。在这样的任务中,多个机器人之间的合作由于它们作用于同一个物体,为了达到协调目的必须紧密地配合,不论在动作上还是在执行空间上都要受到相互之间的强烈影响。

Noreils 在合作推箱子任务中采用了让其中一个机器人作为监督者进行协调的方法[4],该机器人通过观察同伴的行为及其结果来为同伴产生进一步应该采取行动的规划。当同伴执行的过程中遇到无法避开的障碍物时,监督者上前帮助把障碍物推开,把道路让出来。他们的工作是基于规划的。

Parker 通过通信将一个轮式机器人和一个六足步行机器人组成一个推长形箱子的小组[5],当一个机器人发生故障离开后,另外一个机器人通过交替地在两头工作同时扮演了两个机器人的角色,任务依然被顺利完成。

?

3?

htt p:∥ZZHD.chinaj ournal .net .cn E 2mail:ZZHD@chainaj ournal .net .cn 《机械制造与自动化》

1.2　机器人觅食任务

觅食任务的典型描述是机器人在环境中漫游寻找感兴趣的物体并送回收藏处。它在机器人研究中是一个重要课题,研究成果对于区域搜索、外空间矿务收集、自主战场清理等多个领域都有一定的参考价值。许多研究者从不同的角度对该任务进行了探讨。

A rkin 和Balch 调查了通信在觅食任务中的作用

[3,6,7]

。

结果表明,即使没有通信的存在,机器人之间仍然能够存在协作行为。如果引入了简单的通信,系统性能将得到很大的提高,然而过于复杂的通信并没有更多的好处。

Golbderg 和M ataric 针对机械结构相同但是行为不同

的多个移动机器人提出采用“干预”(interference )作为机器人团队觅食行为性能的估量方法[8]。“干预”是指两个机器人在相同的时间试图占据同一位置的情况。由于它

会降低系统的效率,他们将引入了调停方法来产生有效率的行为,减少它的发生。研究结果表明如果各个行为同构单位时间内的干预最大采用异构方式干预小在收集物体的数目方面却少于采用同构的机器人。

Fontan 和M ataric 将搜索区域平均划分给各智能体[9]。机器人在不同的区域之间传递物体,由最后的机器人传递到最终位置。他们的工作表明当机器人数目超过一定限制时,系统的性能反而会降低。

M ataric 研究了在每个机器人的行为模块确定后,各

个机器人能否通过增强学习逐渐形成合理的行为序列以完成系统任务

[10]

和减少相互冲突的问题。而Balch 在她

的工作基础上,进一步研究了多移动机器人在物体收集过程中能否形成一定的分工[11]以提高系统的整体效率。

D r ogoul 由蚂蚁在通过的路上留下化学物质给同伴指明食物源得到启发,让机器人也留下某些标记指明物体分布的区域[12]。他的方法同样产生了机器人相互干预的问题,当机器人数目超过一定数量时,系统整体性能减弱了。

Parker 通过引入心理学模型

[13,14]

,让机器人团队在物

体收集和传递过程中获得容错的能力。机器人通过对工作同伴工作状态的感知,当同伴发生故障或者效率降低的时候,主动接替同伴的工作从而获得了系统容错的能力提高了系统的鲁棒性。

1.3　机器人足球比赛

机器人足球赛代表了一类对抗性的多机器人协作任务,这个任务涉及到动态不确定环境中同组机器人之间的协作以及不同组机器人之间的竞争,是一个特别好的研究多智能体协作的任务。

机器人足球赛可以在真正的机器人上或者在仿真系统中进行。早期的机器人足球赛研究中,Sahota 开发的系统[15]利用了一台计算机遥控各个机器人的运行,同时还利用一个全局摄像机监视整个比赛的过程,以获取机器人运动位置和方向的反馈。现在,多个完全自主的机器人组成队伍的比赛也已经展开,设计难度大为增加。机器人足球赛获得了越来越多的关注,从Kitano 和A sada 发起了机器人足球赛世界杯[16]后,它已经成为了一个通用的多智能体协作的研究平台。学习方法在机器人足球赛中的应用研究也在不断展开。A sada 利用了一个基于视觉的增

强学习算法对机器人的射门能力进行了学习[17],以帮助机器人获得更多的得分机会。这些研究赋予机器人足球队员更高级的智能,随着它们之间协调能力的不断提高机器人足球比赛也更加激烈了在国内机器人足球赛的研究也正蓬勃开展取得了一系列的研究成果。

1.4　多移动机器人聚集任务研究

多移动机器人的聚集任务是指在环境信息已知、部分未知或完全未知的情况下,为机器人寻找一条从起始点到目标点的无碰协调路径,并且要保证各个机器人尽可能同时到达目标点以及路径最优。目前,多移动机器人的聚集任务研究主要集中在已知环境下多机器人协调系统研究[18,19],与单个机器人路径规划相比,多机器人的运动协调比较复杂,多个机器人在行进中存在竞争和合作问题。现有文献资料显示,多机器人之间的运动协调规划主要采用基于数学规划理论的多目标优化方法进行[20],该方法是一种主观性的系统观。最近倡导的第三代系统观,突破了把机器人看成“死”的、被动对象的观念,引进了具有竞争、合作和适应能力的智能体概念,从机器人对环境的适应性、机器人之间的协调和合作的互动作用去认识和描述多机器人系统的行为。从这个系统观出发,严平[21]提出一种基于Nash 均衡和进化计算的多无人飞行器协调航迹规划算法,在文献[22]中作者岑豫皖基于博弈论,建立了

Nash 均衡博弈模型和共谋合作博弈模型,结合进化策

略[23],对多移动机器人的运动协调进行研究,获得多移动机器人聚集任务的最佳路径。其主要思想是首先建立多移动机器人聚集任务的数学模型。鉴于多目标设计与经济学中博弈问题之间的相似性,根据近年来国内外开始利用博弈论解决多目标设计问题的研究,如Suheyla Ozy m ld 2

m r mm [24]

比较系统的提出了基于Nash 均衡非合作博弈优

化方法,且实现了对不可再生资源模型的优化;R.Spalli 2

no

[40]

在复合层压板的多目标优化设计中,提出基于进化策略的非合作博弈优化方法,该方法将各博弈方视为平等个体,通过谈判函数最终找到Nash 均衡点。文献[37]中采用多目标博弈的算法求解多移动机器人的协调路径问题取得良好的效果。

2　结论与展望

从基于任务对象这个角度对移动机器人路径规划问题进行了探讨。根据探讨的结果知道移动机器人的路径规划问题是当今机器人学研究的热点问题,随着计算机、传感器及控制技术的发展,特别是各种新算法不断涌现,基于任务对象的移动机器人路径规划技术已经取得了丰硕研究成果。但就目前来,基于任务对象的移动机器人路径规划问题,主要存在以下问题需要解决:

a )资源冲突问题:当某资源被多个机器人请求使用时就产生了资源冲突,资源冲突主要发生在共享空间、共同操作的对象和通讯媒体的冲突上。对于多移动机器人来说,研究重点是空间冲突问题,也就是避碰轨迹规划问题。

关于多移动机器人避碰轨迹规划的文章国内外已有

?

4?

M ac hine B

uilding

A uto mation,O ct 2009,38(5):3～5

不少,也提出了一些经典的方法[38]。最直接的方法是集中行为控制法,由中央控制器集中规划所有机器人的无碰撞路径,这种方法完全,但复杂,且在实际应用中无法适应环境的变化,因此,人们,更关注非集中控制式的轨迹规划方法。主从控制式是在冲突下,选择一个主控机器人,由它向其它机器人发出行动指令,多用于分散式控制结构系统。交通控制方法主要用于将环境建模成交通道路网式的系统中。相互排斥法也是将工作区域分解成交通网式的离散空间资源,如通道、十字路口等。机器人按事先规划的路径移动,相互通讯并按相互排斥的原则共享空间,从而协调其行为。动态优先级法是当机器人检测到碰撞时,根据优化结果动态分配优先级,优先级高的机器人不考虑避碰,而优先级低的机器人将高优先级的机器人当作移动障碍物采取避碰措施[25]。

b )编队行进问题:编队行进问题是要求机器人团体在完成任务的过程中保持有利队形的一种控制问题。此研究的灵感源于对动物群居生活的研究,自然界中,动物以编队行进的方式猎食的现象普遍存在,这为多机器人系统中可以从编队行进中获得同样的效益,多用于完成搜索、营救等任务。

c )协调理论问题:尽管多机器人协调系统从兴起至今发展极为迅速,也提出了许多相互合作的协调理论,但对其协调机制缺乏一个系统的理论体系指导。部分文献借用了尚在发展中的分布式人工智能领域的多智能体理论[26]。

总之,多移动机器人协调系统的研究是机器人技术发展的必然,也将随着机器人的广泛应用而迅速发展。参考文献:

[1]陈华华,杜歆,顾伟康.基于遗传算法的静态环境全局路径规

划[J ].浙江大学学报,2005,1(32):49254.

[2]D r ogues A,Faber J.Fr om t om thumb t o the dockers:Some ex 2

peri m ents with f oraging r obots[C ].Pr oc 2nd I nternati onal Con 2ference on Si m ulati on and Adap tive Behavi ours,1992:4512459.[3]Balch T,A rkin R C .Communicati on in reactive multivalent r o 2

botic syste m s[J ].Aut onomous Robots,1995,1(1):1225.[4]Novels F R .T o ward a r obot architecture integrating cooperati on be 2

t w een mobile r obots:applicati on t o indoor envir on ment[J ].The I n 2ternati onal Journal of Robotics Research,1993,1(12):79298.[5]Lynne E Parker .ALL I A NCE:A rchitecture for fault t olerant mul 2

tir obot cooperati on [J ].I EEE Transacti on on Robotics and Aut o 2mati on,1998,2(14):2202240.

[6]A rkin R C .Cooperati on without communicati on:Multivalent

schema based r obot navigati on [J ].Journal of Robotic Syste m s,1992,3(9):3512364.

[7]A rkin R C,Balch T,N its E .Communicati on of behavi oural state

in multi agent retrieval tasks[C ].Pr oceedings I nternati onal Con 2ference on Robotics and Aut omati on .1993:5882594.

[8]Goldberg D ,Mataric M.I nterference as a t ool f or designing and

evaluating multi r obot contr ollers[C ].I n Pr oceedings,AAA I 297,1997:6372642.

[9]Fontan M,Mataric M.A study of territ oriality:The r ole of criti 2

cal mass in adap tive task divisi on [C ].I n Fr om Ani m als t o Ani 2mate 4:Pr oceedings of the Fourth I nternati onal Conference of Si m ulati on of Adap tive Behavi or,1997:5532561.

[10]Mataric M J,Si m sarian K T .Learning t o cooperate using t w o

six 2legged mobile r obots[C ].I n Pr oceedings,Eighth Eur opean Conference on Machine Learning,Herakli on Greece,1995.[11]Balch T .Behavi oral diversity in learning r obot tea m s,Ph .D thesis

[M ].Georgia I nstitute of Technol ogy,1998.

[12]D r ogoul A,Ferber J.Fr om t om thumb t o the dockers:Some ex 2

peri m ents with f oraging r obots[C ].Pr oc 2nd I nternati onal Con 2ference on Si m ulati on and Adap tive Behavi ors,1992:4512459.[13]Lynne E Parker .ALL I A NCE:An architecture for fault t orlerant

multir obot cooperati on [J ].I EEE Transacti on on Robotics and Aut omati on,1998,2(14):2202240.

[14]Lynne E Parker .Adap tive acti on selecti on f or cooperative agent

tea m s[C ].Pr oceeding of 2nd I nternati onal Conference on Si m u 2lati on of Adap tive Behavi or,Meyer J A,Roitblat H and W ils on S,Edit ors,Ca mbridge,MA:M I T Press,1992:4422450.[15]Sahota M K .Reactive deliberati on:An architecture f or real ti m e

intelligent contr ol in dynam ic envir onments[C ].I n Pr oceedings,AAA I 294,1994:130321308.

[16]H ir oaki Kitano,Yaz oo Kuniy oshi,ItsukiNoda,et al .Robocup:A

challenge p r oble m f or A I[J ].A IMagazine,1997,18(1):73285.[17]A sada M ,Uchibe E,Noda S,et al .Coordinati on of multi p le

behavi ours acquired by visi on 2based reinf orce ment learning [C ].I n Pr oc of I EEE /RSJ /GI,I nternati onal Conference on I n 2telligent Robots and Syste m s .(I ROS1994),1994:9172924.[18]景兴建,王越超,谈大龙.基于仿生行为决策规则的协调运

动行为[J ].控制理论与应用,2003,20(3):4072410.

[19]W eihua Sheng,Q ingyan Yang,J ingdong Tan,et al .D istributed

multi 2r obot coordinati on in area exp l orati on [J ].Robotics and Aut onomous Syste m s,2006(54):9452955.

[20]陈伟,张铭钧,孟宪松.基于多目标决策理论的多机器人协

调方法[J ].哈尔滨工程大学学报,2003,24(3):3082312.

[21]Y AN Ping,D I N G M ing 2yue,ZHENG Chang 2wen .Coordinated

r oute p lanning via nash equilibriumand evoluti onary computati on [J ].Chinese Journal of Aer onautics .2006,19(1):18221.[22]岑豫皖,叶晔,谢能刚.基于博弈理论的多移动机器人聚集

任务研究[J ].系统仿真学报,2008,7(1):50254.

[23]Suheyla Ozy m ldm r mm,Nedi m M A lemdar .Learning the op ti 2

mum as a Nash equilibrium [J ].Journal of Econom ic Dynam ics &Contr ol,2000(24):4832499.

[24]Spallino R,R izz o S .Multi 2objective discrete op ti m izati on of la m 2

inated structures [J ].Mechanics Research Communicati ons .2002(29):17225.

[25]Azar m K,Sch midt G .A decentralized appr oach f or the conflict 2free

moti on of multi ple mobile r obots[C ].I EEE I ROS96:166721675.[26]薛宏涛,叶媛媛,等.多智能体系统体系结构及协调机制研

究综述[J ].机器人,2001,23(1):85290.

收稿日期:2009-03-21

?

5?