董伯云

(紹興職業(yè)技術學院，浙江 紹興 312000)

0 引言

隨著人工智能的不斷發(fā)展，機器人的研究中心已由個體作業(yè)轉為聯(lián)合作業(yè)。而籃球是一項將全體隊員組織起來，采取相互配合發(fā)揮集體力量和注重團隊整體協(xié)作的手段，爭取打敗對方的比賽。本文結合籃球協(xié)作戰(zhàn)術與多機器人聯(lián)系作業(yè)的特性與優(yōu)勢，將籃球比賽協(xié)作戰(zhàn)術運用于多采摘機器人聯(lián)合作業(yè)系統(tǒng)中，設計出了具有較高可靠性與穩(wěn)定性的采摘機器人編隊，對提高多機器人聯(lián)合作業(yè)效率提供了一種新手段。

1 籃球比賽協(xié)作戰(zhàn)術

籃球運動是1892年由美國史密斯博士發(fā)明的，迄今為止已達數(shù)百年，期間也經歷了多次的創(chuàng)新和改革。目前，“桃子筐”已由最初的鐵籃變?yōu)楝F(xiàn)在的籃網，籃球也從簡單的一項室內游戲成為全球性的偉大體育賽事。從籃球的發(fā)展來看，其戰(zhàn)術也經歷了巨大發(fā)展，其包含傳切、突分、策應和掩護等在內的數(shù)十種，戰(zhàn)術創(chuàng)新決定了比賽是否能夠順利取得勝利。

籃球戰(zhàn)術創(chuàng)新不僅有在前面基礎上的發(fā)展創(chuàng)新，也有獨立的完全創(chuàng)新，而現(xiàn)在的戰(zhàn)術大多都是在前面優(yōu)秀的基礎上進行的再創(chuàng)。再創(chuàng)是指教練在一些經典戰(zhàn)術的基礎上，有針對性的對其加以結構、配合和速度的改變，使其適用范圍更廣。

1.1 籃球戰(zhàn)術體系的認識與分類

在籃球比賽中，運用最多的戰(zhàn)術是快攻、策應和陣地進攻等3種戰(zhàn)術。戰(zhàn)術類型的區(qū)別主要在于進攻配合、時間的連續(xù)性以及不可逆，即戰(zhàn)術一般是嚴格遵循快攻→策應→陣地進攻等開展，不能出現(xiàn)逆序行為?；@球戰(zhàn)術進攻順序如圖1所示。

圖1 籃球戰(zhàn)術進攻順序

隨著籃球的不斷改革和發(fā)展，在比賽過程中，雙方隊員在半場甚至全場進行球權爭奪大戰(zhàn)，需要在整個球場不斷使用各種戰(zhàn)術，雙方需考慮如何全面開展全場進攻。因此，只是簡單地依靠圖1的3種簡單順序戰(zhàn)術進攻攻防，很難在實際比賽中取得優(yōu)勢。例如，當防守方運用推進收緊戰(zhàn)術，進攻方首先應該采用快攻，然后采用推進攻到敵方三分球區(qū)，最后在敵方后場進行策應和陣地戰(zhàn)術將球投進。策應是指在進攻端球員在對方全場防守或后場防守時，全隊協(xié)作將球帶入前場的配合戰(zhàn)術所以在激烈的籃球比賽中，將球從后場帶到前場，整個進攻應該加入推進戰(zhàn)術，如圖2所示。

圖2 完善的進攻戰(zhàn)術順序圖

當進攻方未能成功進球得分，且未能搶得前場籃板球，其身份馬上轉變?yōu)榉朗胤?，因此應該馬上縮回后場三分線區(qū)進行防守，防止對方快攻得分。防下快攻后，應該快速采取落位、協(xié)防和配合戰(zhàn)術形成防守局勢，不給敵方采用策應得分的機會，形成防守快攻、協(xié)防和配合防守的防守機制。進攻轉防守的戰(zhàn)術順序如圖3所示。

圖3 進攻轉防守的戰(zhàn)術順序

1.2 籃球戰(zhàn)術體系結構

根據(jù)籃球比賽的特性，籃球籃球戰(zhàn)術體系包含進攻、爭搶球和防守三大結構。其中，進攻包括快攻、推進、策應和陣地4種爭搶球戰(zhàn)術；爭搶球包括跳球和爭搶球兩種爭搶球戰(zhàn)術；防守包括防守快攻、推進戰(zhàn)術、協(xié)防和配合防守戰(zhàn)等4種戰(zhàn)術。在比賽中，進攻配合和球員個體戰(zhàn)術行動是整個進攻體系的基礎，防守配合和球員個體防守行動是整個防守體系的基礎?；@球戰(zhàn)術體系結構如圖4所示。

圖4 籃球戰(zhàn)術體系結構圖

2 多采摘機器人任務分配算法

2.1 多采摘機器人系統(tǒng)行為描述

采摘機器人系統(tǒng)行為描述的成員對象和方法包含以下幾點：

1)多采摘機器人所在編隊的集合M={m1,m2,…,mn}，n表示機器人的數(shù)量。在實際作業(yè)中，采摘機器人一般以編隊的形式進行操作，該編隊一般包括多個機器人。

2)作業(yè)區(qū)域周邊環(huán)境集合E={e1,e2,…,et}，t為時間節(jié)點。

4)任務。多采摘機器人所有任務集合T={T1,T2,…,Tn}。

5)策略。機器人策略是指根據(jù)實際分配到任務，采取效率最大的方法進行作業(yè)操作。

6)目標。在多采摘機器人系統(tǒng)中，單個機器人都有自己的任務目標，合起來整個系統(tǒng)也有一個整體目標。

2.2 多采摘機器人任務分配算法

1)多采摘機器人任務能力描述。多采摘機器人集合為M={m1,m2,…,mn}，則個體的能力Ci為

(1)

其中，αij為機器人mi的能力強弱。

假設任務具有多種類型，那么l個異構任務可以描述為

tk,1≤k≤l

(2)

對于任務tk，其對應的能力描述為

(3)

其中，βij為采摘機器人完成tk需要Cj的強弱。

在整個任務分配算法中，最重要的是機器人Mi能否根據(jù)當前作業(yè)流暢度、下一任務地點信息完成下一任務tk，則能力判斷表達式為

αij≥βij， 1≤j≤n

(4)

為了方便機器人結合自身能力對該任務進行判斷，可將式(4)改寫為

(5)

對于機器人Mi和下一任務tk，如果存在

αij<βij

(6)

則說明機器人Mi不具備完成任務tk的能力，無法單獨完成該項任務，則可以描述為

(7)

2)多采摘機器人任務分配算法的實現(xiàn)。假設機器人編隊共包含4個采摘機器人，任務數(shù)目為10，考慮到機器人各自作業(yè)難度和區(qū)域的情況不一，則執(zhí)行一段時間后應對機器人的能力進行重新配置，如表1所示。而機器人是否按照要求完成所有的任務，完成任務的時間也是個主要要求；同時，在作業(yè)過程中，應該充分考慮機器人行走路徑總成，最大程度的減少成本。

表1 采摘機器人能力配置值

在進行任務分配的過程中，將所有任務的回報值reb設置為最大值MAX，那么機器人完成任務tk的代價為cons(ri1|tk)的方法有兩種：①F1：cons(ri1|tk)=dik；②F2：cons(ri1|tk)=dα*(ktask+kt)。

其中，dik為機器人從當前位置到達指定任務tk需要的路程；dα為完成當前任務和指定任務總共需要行走的路程；ktask和kt為權重系數(shù)，可以根據(jù)實際情況進行調整。

得到能力配置初始值及任務代價cons的方法后，便可以對任務實施分配，分配流程共有以下5步：

1)觀察作業(yè)區(qū)域環(huán)境狀態(tài)，即當前機器人所處位置信息與任務完成情況，提取與任務相關的狀態(tài)；

2)計算任務代價cons，并選擇一個能力配置值最高的任務tk；

3)執(zhí)行任務tk；

4)更新新的能力配置值；

5)重復1)～4)，直至完成所有任務。

3 多采摘機器人聯(lián)合作業(yè)

3.1 多采摘機器人協(xié)作模式

多采摘機器人協(xié)作模式主要是對機器人之間的合作方式進行規(guī)劃，包括集中規(guī)劃、分散規(guī)劃和分散集中3種模式。

1)集中規(guī)劃模式：系統(tǒng)帶有一個具有全局規(guī)劃的后臺運行程序，使用該系統(tǒng)可以進行作業(yè)任務的全局控制，實現(xiàn)多機器人之間的任務分配和路徑規(guī)劃，而機器人只需根據(jù)指令執(zhí)行作業(yè)。

2)分散規(guī)劃模式：沒有集中規(guī)劃的后臺，而是每個采摘機器人根據(jù)自身情況指定采摘任務，即所有控制分散處理，大大提高了機器人作業(yè)的靈活性。

3)分散集中規(guī)劃模式：該模式首先由采摘機器人個體規(guī)劃自己的任務和行走路徑，并將規(guī)劃提交給后臺主控制系統(tǒng)，協(xié)調者根據(jù)各機器人的規(guī)劃進行適當調整。

分散集中規(guī)劃模式具有復雜度低和效率高的特點，適用與具有一定組織結構和協(xié)作能力較高的群體，因此本文采用該模式開展協(xié)作作業(yè)。

3.2 搭建多采摘機器人聯(lián)合作業(yè)模型

本文利用分散集中規(guī)劃的優(yōu)勢，并將該模式運用與多采摘機器人聯(lián)合作業(yè)系統(tǒng)中，并設計和建立了多采摘機器人聯(lián)合作業(yè)的體系和模型。多采摘機器人聯(lián)合作業(yè)體系和模型分別如圖5和圖6所示。

如圖5所示：系統(tǒng)聯(lián)合作業(yè)體系結構主要包括通訊、信息融合、感知、規(guī)劃和命令發(fā)出5個層次。其中，通訊層負責各采摘機器人與后臺總控制器的信息交互；信息融合層負責解析所有信息，并將解析的數(shù)據(jù)放入信息庫；感知層負責獲取各機器人周邊環(huán)境信息；規(guī)劃層負責整合各機器人提交的任務規(guī)劃，并進行適當修改；命令發(fā)出層負責根據(jù)給4個機器人發(fā)出指令，讓機器人根據(jù)環(huán)境情況修正作業(yè)。

如圖6所示：多機器人聯(lián)合作業(yè)模型執(zhí)行任務順序是發(fā)布協(xié)作任務→建立任務分配算法→機器人自主分配任務→判斷是否達到協(xié)作要求→執(zhí)行并完成任務等，這一協(xié)作流程符合采摘機器人在時間、地點不確定的田間進行作業(yè)的要求。

圖5 多采摘機器人聯(lián)合作業(yè)體系結構

4 實驗結果與分析

為了驗證該多采摘機器人聯(lián)合作業(yè)的能力與效率，本文利用QT 5.7對該系統(tǒng)設計了仿真平臺。仿真平臺采用第3章中所述任務分配算法，多采摘機器人協(xié)作采用分散集中模式。在仿真過程中，采摘機器人編隊包含4個機器人，待采摘作業(yè)的區(qū)域共有27塊，如圖7所示。

經過各機器人自主分配任務后，總控制臺對其進行了微調：機器人M1從第1號區(qū)域開始作業(yè)，機器人M2從第5號區(qū)域開始作業(yè)，機器人M3從第16號區(qū)域開始作業(yè)，機器人M4從第25號區(qū)域開始作業(yè)，其中作業(yè)區(qū)域及路徑規(guī)劃為

M1：1→2→4→3→8→9→10

M2：5→11→21→12→6→7→13

M3：16→20→19→15→14→18→17

M4：25→27→26→24→23→22

根據(jù)以上規(guī)劃，各機器人在最短的時間內完成了聯(lián)合作業(yè)要求，在作業(yè)過程中，各機器人行駛路徑最短，效率最高。因此，將籃球比賽協(xié)作戰(zhàn)術的任務分配算法與分散集中的控制模式相結合的方法，使得多采摘機器人聯(lián)合作業(yè)達到了比較好的結果，具有一定的實際應用價值。

圖7 仿真測試結果

5 結論

針對采摘機器人編隊在作業(yè)過程中任務分配困難及執(zhí)行效率較低的問題，將籃球比賽協(xié)作戰(zhàn)術的任務分配算法與分散集中的控制模式相結合，運用于多采摘機器人聯(lián)合作業(yè)系統(tǒng)中，并利用QT 5.7進行了仿真實驗。實驗結果表明：各機器人在最短的時間內完成了聯(lián)合作業(yè)要求，在作業(yè)過程中，各機器人行駛路徑最短，效率最高。

參考文獻：

[1] 高偉,曹昕燕,張萬里,等.基于OFDM-MIMO移動通信模型的采摘機器人設計[J].農機化研究,2017,39(4):129-133.

[2] 唐惠康,鄭寶林.基于SingalR和Web的采摘機器人遠程編隊控制研究[J].農機化研究,2017,39(3): 237-241.

[3] 葛斯楠.基于改進蟻群算法的多機器人任務分配[D].沈陽：沈陽工業(yè)大學,2016.

[4] 王友發(fā).面向智能制造的多機器人系統(tǒng)任務分配研究[D].南京：南京大學,2016.

[5] 王維.基于多智能體系統(tǒng)的多機器人路徑規(guī)劃方法研究及應用[D].成都：電子科技大學,2015.

[6] 賀橙林.基于機器視覺的氣動采摘機器人研究[D].上海：上海交通大學,2015.

[7] 昝杰.多自主移動機器人協(xié)作的關鍵技術研究[D].西安：長安大學,2014.

[8] 王彤.現(xiàn)代籃球比賽中運用搶攻戰(zhàn)術的觀察與分析[D].鄭州：河南大學,2013.

[9] 黎萍,楊宜民.基于博弈論的多機器人系統(tǒng)任務分配算法[J].計算機應用研究,2013(2):392-395.

[10] 周舟,王俊.采摘機器人機械臂的控制與聯(lián)合仿真[J].電子技術,2013(1):60-62,38.

[11] 吳笑萍.一類多機器人系統(tǒng)任務分配方法的研究[D].南京：南京理工大學,2012.

[12] 邵杰,楊靜宇,萬鳴華,等.基于學習分類器的多機器人路徑規(guī)劃收斂性研究[J].計算機研究與發(fā)展,2010(5):948-955.

[13] 胡文.基于MAS的多機器人系統(tǒng)及關鍵技術研究[D].成都：西華大學,2010.

[14] 齊心躍,田彥濤,楊茂,等.基于市場機制的多機器人救火任務分配策略[J].吉林大學學報：信息科學版,2009(5):506-513.

[15] 龔靜,薛德黔,孫增圻.一種多機器人分布式分級協(xié)作策略[J].通信技術,2009(9):124-126.

[16] 蔣煥煜,彭永石,應義斌.雙目立體視覺技術在果蔬采摘機器人中的應用[J].江蘇大學學報：自然科學版,2008(5):377-380.

[17] 張崳,劉淑華.多機器人任務分配的研究與進展[J].智能系統(tǒng)學報,2008(2):115-120.

[18] 姜健,閆繼宏,臧希喆,等.基于信息素的多機器人協(xié)作任務分配[J].計算機工程與應用,2008(2):20-22.

[19] 秦季冬.基于博弈論的多機器人運動協(xié)調[D].南京：南京理工大學,2007.

[20] 高云園.基于生物免疫機理的多機器人協(xié)作研究[D].杭州：浙江大學,2007.

[21] 柳林.多機器人系統(tǒng)任務分配及編隊控制研究[D].長沙：國防科學技術大學,2006.

[22] 柳林,季秀才,鄭志強.基于市場法及能力分類的多機器人任務分配方法[J].機器人,2006(3):337-343.

[23] 李俊華.多機器人的協(xié)調合作技術與群組控制策略研究[D].西安：西安電子科技大學,2006.

[24] 張勇.現(xiàn)代籃球戰(zhàn)術體系的系統(tǒng)研究[D].北京：北京體育大學,2005.

[25] 湯靜,王晨宇.論籃球比賽中戰(zhàn)術行動的反射控制[J].吉林體育學院學報,2003(1):57-59.

[26] 馮子安.試論當今籃球比賽中戰(zhàn)術運用的特點與要求[J].湖北體育科技,2001(3):25-26,28.