一种级联多移动机器人灵活编队方法与流程.docx

一种级联多移动机器人灵活编队方法与流程的创新点在于结合了强化学习与先验非线性距离-角度-航向编队控制策略，旨在解决多移动机器人编队作业中的机敏避障和编队恢复问题。这种方法适用于如无人机集群、地面机器人排雷、搜救等多机器人协作场景，尤其在当前新冠病毒消杀移动机器人应用中，能够显著提高作业效率。 传统的领航跟随编队策略依赖于预设的距离、角度和航向，一般采用非线性控制或非线性模型预测控制。然而，这些方法存在参数调整复杂、模型依赖性强以及鲁棒性不足等问题。为了解决这些问题，本方法采用了一种级联架构，结合强化学习，降低了对精确模型的依赖，同时减少了对传感器和执行器性能的严格要求。 具体来说，首先根据选定的编队队形，建立机器人间的距离、角度和航向的动力学模型。然后，利用动力学模型和约束条件，设计非线性移动机器人的强化学习架构的先验控制器。在动作空间的设计中，不仅包括相邻机器人之间的编队跟踪动作，还考虑了每个机器人独立的避障动作空间。状态空间则涵盖每个机器人的跟踪误差状态、相邻机器人之间的状态以及描述环境信息的状态。 强化学习的奖励函数包括编队奖励和避障奖励，通过与环境的交互，训练出兼顾编队策略和避障策略的控制器。动力学方程和模型约束为这一过程提供了数学基础，而虚拟期望移动机器人的期望轨迹定义则帮助计算跟踪误差和速度误差。 此外，对于相邻移动机器人的期望编队模型，通过定义相对距离、角度和航向，可以调整机器人间的相对位置，确保编队的稳定和机敏性。结合反馈线性化非线性控制理论，可以进一步优化相邻机器人的编队控制先验。 这种方法的优势在于，通过强化学习，可以实现端到端的控制，无需详细建模，且具有一定的自适应性和鲁棒性，适用于多移动机器人的复杂环境作业。然而，训练成本高、推理复现难度大仍然是需要克服的挑战。未来的研究可能会集中在优化训练算法、降低计算复杂度和提高实时性等方面。