佚名

在機(jī)器人向智能化的發(fā)展中，多機(jī)器人協(xié)作系統(tǒng)是一類具有覆蓋性的技術(shù)集成平臺(tái)。

如果說單個(gè)機(jī)器人的智能化還只是使個(gè)體的人變得更聰明，那么多機(jī)器人協(xié)作系統(tǒng)則不但要有一批聰明的人，還要求他們能有效地合作。所以它不僅反映了個(gè)體智能，而且反映了集體智能，是對人類社會(huì)生產(chǎn)活動(dòng)的想象和創(chuàng)新探索。

多機(jī)器人協(xié)作系統(tǒng)有著廣泛的應(yīng)用背景，它與自動(dòng)化向非制造領(lǐng)域的擴(kuò)展有著密切的聯(lián)系。由于應(yīng)用環(huán)境轉(zhuǎn)向非結(jié)構(gòu)化，多移動(dòng)機(jī)器人系統(tǒng)應(yīng)能適應(yīng)任務(wù)的變化以及環(huán)境的不確定性，必須具有高度的決策智能。因而，對多移動(dòng)機(jī)器人協(xié)作的研究已不單純是控制的協(xié)調(diào)，而是整個(gè)系統(tǒng)的協(xié)調(diào)與合作。在這里，多機(jī)器人系統(tǒng)的組織與控制方式在很大程度上決定了系統(tǒng)的有效性。

多機(jī)器人協(xié)作系統(tǒng)還是實(shí)現(xiàn)分布式人工智能的典范。分布式人工智能的核心是把整個(gè)系統(tǒng)分成若干智能、自治的子系統(tǒng)，它們在物理和地理上分散，可獨(dú)立地執(zhí)行任務(wù)，同時(shí)又可通過通信交換信息，相互協(xié)調(diào)，從而協(xié)同完成整體任務(wù)，這無疑對完成大規(guī)模和復(fù)雜的任務(wù)是富有吸引力的，因而很快在軍事、通信及其他應(yīng)用領(lǐng)域得到了廣泛重視。

多機(jī)器協(xié)作系統(tǒng)正是這種理念的具體實(shí)現(xiàn)，其中每個(gè)機(jī)器人都可看作是自主的智能體，這種多智能機(jī)器人系統(tǒng)MARS現(xiàn)已成為機(jī)器人學(xué)中一個(gè)新的研究熱點(diǎn)。

多移動(dòng)機(jī)器人系統(tǒng)由于具有移動(dòng)功能，能在非結(jié)構(gòu)環(huán)境下完成復(fù)雜任務(wù)，是多機(jī)器人協(xié)作系統(tǒng)中最具典型意義和應(yīng)用前景，也是得到最廣泛研究的一類系統(tǒng)。以下就以多移動(dòng)機(jī)器人系統(tǒng)為代表，介紹智能機(jī)器人協(xié)作系統(tǒng)的主要關(guān)鍵技術(shù)。

體系結(jié)構(gòu)、感知

規(guī)劃、學(xué)習(xí)與演化

體系結(jié)構(gòu)是系統(tǒng)中機(jī)器人之間邏輯上和物理上的信息關(guān)系和控制關(guān)系，以及問題解決能力的分布模式，它是多移動(dòng)機(jī)器人協(xié)作行為的基礎(chǔ)。一般地，多移動(dòng)機(jī)器人協(xié)作系統(tǒng)的體系結(jié)構(gòu)分為集中式和分式兩種。

集中式體系結(jié)構(gòu)可用一個(gè)單一的主控機(jī)器人來規(guī)劃，該機(jī)器人具有關(guān)于系統(tǒng)活動(dòng)的所有信息。

感知是智能機(jī)器人行動(dòng)的基礎(chǔ)，包括“感覺”和“知道與理解”。

在移動(dòng)機(jī)器人中最主要的感知問題是定位和環(huán)境建模問題，雖然已有里程計(jì)推算、基于視覺的路標(biāo)識別、基于地圖匹配的全局定位、陀螺導(dǎo)航、GPS等多種定位方法，但在未知非結(jié)構(gòu)環(huán)境中，目前有GPS才能實(shí)現(xiàn)可實(shí)用的全局定位。

但GPS同時(shí)受到精度、安全等因素的限制。

規(guī)劃問題主要包括任務(wù)規(guī)劃和路徑規(guī)劃，一直是人工智能及機(jī)器人學(xué)研究的主要問題，對其進(jìn)行了大量和長期的研究，成果已應(yīng)用在多機(jī)器人協(xié)作系統(tǒng)的規(guī)劃問題研究中，與體系結(jié)構(gòu)相對應(yīng)，多移動(dòng)機(jī)器人系統(tǒng)的規(guī)劃通常包括集中式規(guī)劃和分布式規(guī)劃兩種方式。

學(xué)習(xí)和演化是系統(tǒng)具有適應(yīng)性、靈活性等特性的體現(xiàn)。

目前，在協(xié)作機(jī)器人學(xué)習(xí)中主要采用增強(qiáng)型學(xué)習(xí)方法和遺傳規(guī)劃，并且在多機(jī)器人搬運(yùn)系統(tǒng)和機(jī)器人足球中獲得了成功應(yīng)用。

目前的多機(jī)器人學(xué)習(xí)和演化還停留在比較低的行為層次，其學(xué)習(xí)和演化的任務(wù)和環(huán)境也非常簡單，當(dāng)其面對更為復(fù)雜的任務(wù)和環(huán)境時(shí)，存在時(shí)滯評價(jià)和組合爆炸問題。另外，對多智能體的分布式學(xué)習(xí)與演化，也與傳統(tǒng)的集中式的學(xué)習(xí)與演化方法有明顯區(qū)別，還有待尋找更為有效的行為優(yōu)化方法。

協(xié)調(diào)與協(xié)作策略

系統(tǒng)軟件平臺(tái)開發(fā)

多移動(dòng)機(jī)器人系統(tǒng)在協(xié)作完成復(fù)雜任務(wù)時(shí)，涉及到各機(jī)器人任務(wù)、規(guī)劃、控制間的協(xié)調(diào)，多智能體理論的研究已為這些協(xié)調(diào)行為提供了思想與策略，但如何把這些抽象的思想與策略結(jié)合到具體系統(tǒng)中加以實(shí)現(xiàn)，同時(shí)又能體現(xiàn)普適性，涉及到用什么工具正確描述各層次的系統(tǒng)行為。

目前在任務(wù)協(xié)調(diào)層最典型的描述工具是離散事件動(dòng)態(tài)系統(tǒng)理論中的有限狀態(tài)機(jī)方法，但如何對不同層次的行為借鑒混合系統(tǒng)理論和方法進(jìn)行統(tǒng)一描述，還是在研究的熱門課題。

此外，在同一環(huán)境中運(yùn)行的多個(gè)移動(dòng)機(jī)器人，經(jīng)常會(huì)產(chǎn)生資源利用時(shí)的沖突。如果沒有適當(dāng)?shù)膮f(xié)調(diào)策略，系統(tǒng)將不能正常工作。對于可預(yù)見的沖突，可通過規(guī)劃加以避免。

值得強(qiáng)調(diào)的是，系統(tǒng)動(dòng)態(tài)運(yùn)行時(shí)的情況常常不能事先準(zhǔn)確預(yù)測，僅依靠規(guī)劃的方法解決沖突將十分有限。對于動(dòng)態(tài)沖突的消解主要包括磋商法、慣例法和熟人模型法。在動(dòng)態(tài)環(huán)境中的死鎖檢測與消解，仍是十分具有挑戰(zhàn)性的難題。