Robocup中角色决策的有限状态自动机模型

从Robocup机器人足球比赛入手,通过分析机器人足球比赛中各机器人的角色特点,提出并建立了机器人足球角色转换的有限状态自动机模型.通过该模型来实现机器人各个角色的动态转换与决策的过程,并将该模型用于实际的比赛中,取得了十分满意的应用效果.     

多机器人系统形成联合协作的综合评价算法

多机器人协作是多机器人系统研究中的核心问题.为建立某种机制使机器人稳定地组织起来完成某一不能由单机器人完成的任务并达到全局最优,提出了综合评价算法.从机器人个体的自私利益出发,以经费和报酬的驱动,通过包含环境知识、历史经验、信用3个方面的综合评价值进行选举和谈判,自发地建立联合协作,完成复杂任务.算法通过调整权值,能够适应于不同的全局最优目标.该法运用到机器人足球这一典型的多机器人系统平台表现出良好的效果.     

4腿机器人足球比赛的通信机制及协作控制

针对4腿机器人足球比赛中机器人的通信机制及协作控制等问题,提出了一种新的完整的分布式多主体系统控制方法,包括通信控制、路径规划以及动态角色分配.该方法通过启发式投标函数进行任务分配,通过电场法表示抽象的环境信息.协作控制中不必进行大量的计算,主体之间不必频繁地进行数据交换.该方法能够满足比赛动态性和不确定性的需要,并在实际比赛中得到了很好的验证.     

基于协作机器人的飞机总装驾驶方向盘操纵曲线测试

针对飞机总装测试过程中,人工从外部获得飞机驾驶操纵位移/力曲线难的问题,提出了一种采用协作机器人代替人工进行操作,并利用机器人自身关节上传感器测得其操纵曲线的方法.首先建立试验系统,描述了模拟方向盘装置的加载原理,并推导出其理论操纵曲线.然后通过建立机器人的D-H(Denavit-Hartenberg)模型解算出机器人各轴角度、力矩与末端位置、受力的关系,进而转化为方向盘的转角和所受力矩关系.接着建立机器人的阻抗控制模型解决了转动方向盘因为轨迹误差造成的憋死问题,并通过实验表明机器人能够顺从方向盘的既定轨迹完成了方向盘的回转运动.通过机器人转动方向盘实验做出的操纵曲线与内部传感器的曲线对比,误差在2％以内,说明了协作机器人代替人进行测试的可行性.     

RoboCup中型组比赛中动态阵型选择

针对机器人足球世界杯RoboCup中型组比赛提出的动态阵型选择算法．建立了动态协作模型,将多个智能体组合成一个拥有共同目标的团队。完成给定的任务分配和站位配合,实现了基于动态阵型变换的多智能体动态协作．通过实现各种阵型之间的动态变换．满足了不同情况的协作要求．显著提高了球队的整体竞赛能力．     

基于有穷自动机的自然语言状态转换

针对Robocup自主机器人比赛中,机器人进攻和防守状态、动作转换延迟问题,采用一种基于有穷自动机模型的自然语言状态转换方法,把机器人、环境等自然语言信息抽象成形式化的符号和状态,并转化为有穷自动机输入符号.通过设定状态转移函数、字母表规则、无差别地完成各种状态转换过程.研究结果表明:该方法能有效地完成自然语言状态下的机器人状态、动作间的转换,具有较好的实时性和可靠性.     

基于免疫机理的足球机器人协作控制研究

针对Robocup中型组全自主足球机器人自主协作任务,基于人工免疫机理对机器人个体及群体体系结构进行优化,采用个体混合式体系结构与群体分布式体系提高系统性能。构建适用于比赛环境的足球机器人免疫系统模型,充分考虑模型中抗体与抗原及其他抗体间的激励和抑制作用,给出在动态环境下面临复杂协作任务时的足球机器人协调控制算法及流程,改善多足球机器人冲突的混乱局面,增强足球机器人策略行为的有效性,提高足球机器人系统的智能协作性。实验结果验证:该算法可以有效的增强足球机器人的协作能力,提高规定时间内的平均成功进功率与平均成功进球率。     

基于共识主动性的群体机器人目标搜索与围捕

群体机器人系统的目标搜索和围捕任务是智能机器人领域一个典型的复杂问题,大多数现有的解决这一问题的方法依赖于一些不现实的假设,如可靠的通信链接、全局坐标信息、已知的环境信息以及机器人之间的中央协调控制. 为此,本文提出了一种基于共识主动性的群体机器人目标搜索与围捕框架. 该框架对反蚁群算法进行了改进,加入了多种信息素来帮助群体机器人协作探索环境,并生成信息素地图. 同时,该框架把在前一阶段生成的信息素地图和分层基因调控网络(hierarchical gene regulatory network,H-GRN)模型相结合,完成了群体机器人在环境信息未知且通信受限的场景中对动态目标的搜索和围捕任务. 仿真实验表明,该方法相较于传统方法具有更好的性能表现.      

一种WSN环境下多机器人协作式声源定位方法

研究多机器人协作式任务执行具有现实意义。针对目前机器人声源定位算法不能满足多机器人协作式搜寻声源的场合,提出一种无线传感器网络(Wireless Sensor Networks, WSN)环境下的多机器人窄带声源定位方法。该方法根据接收信号强度对多个机器人的全局坐标进行测距定位,利用到达时间差(Time Difference of Arrival,TDoA)定位方法估计机器人与声源的相对距离,并结合全相位傅里叶变换(all-phase FFT,apFFT)算法提高相对距离的估计精度,最后通过测距定位算法得到声源的全局坐标值。在4个WSN节点和3个机器人组成的系统中进行方法测试,实验结果表明：该方法能实现三机器人协作式的声源定位任务,定位准确率较高,可满足搜救场合中声源定位的要求。     

结合精度补偿的机器人优化手眼标定方法

为了解决制造现场机器人高精度视觉测量定位的问题提出了一种结合模型精度补偿的机器人方位与手眼关系同步标定方法。该方法首先将视觉系统与机器人之间的位姿关系即手眼关系以及标定板与机器人坐标系的空间转换关系作为待优化求解对象,用齐次坐标矩阵分别表示机器人运动学正解以及视觉系统与标定板之间的位姿关系,进而构建闭环的机器人手眼关系优化方程;然后,使用三维旋转群表示旋转矩阵,建立了标定模型方程,用非线性全局优化的方式同步得到标定方程中矩阵的旋转和平移初始解,采用最小化相机的重投影误差提高了标定精度;最后,使用机器人运动学标定设备提升了本体的模型精度,再进行视觉标定得到了更准确的标定结果。实验结果表明:该标定方法只需提前示教若干点即可自动完成,操作简易高效;在补偿了机器人本体的臂长和关节零位误差后,算法精度从0.15mm提升至0.10mm。与经典的手眼标定方法相比,所提方法在不同测试数据集下的标定精度和稳定性均最优。