机器人团队处理移动障碍物的算法

机器人团队的规划算法分为两类:集中式算法，即单个计算机为整个团队做出决策;分散式算法，即每个机器人根据局部观察做出自己的决策。

使用集中式算法，如果中央计算机离线，整个系统就会崩溃。去中心化算法可以更好地处理不稳定的通信，但它们更难设计，因为每个机器人本质上都在猜测其他机器人会做什么。大多数关于分散算法的研究都集中在使集体决策更可靠，并推迟了机器人环境中躲避障碍物的问题。

在国际机器人与自动化会议上，麻省理工学院的研究人员将为机器人团队展示一种分散的规划算法，该算法不仅考虑了固定障碍，还考虑了移动障碍。与现有的去中心化算法相比，该算法所需的通信带宽更少，但保留了强大的数学保证，确保机器人不会发生碰撞。

在涉及小型直升机中队的模拟中，分散式算法得出了与集中式算法相同的飞行计划。无人机通常保持着它们首选编队的近似，一个固定高度的正方形——尽管为了容纳障碍物，正方形会旋转，无人机之间的距离也会缩小。不过，无人机偶尔也会单列飞行，或者组成编队，由成对的无人机在不同高度飞行。

“这是一个非常令人兴奋的结果，因为它结合了这么多具有挑战性的目标，”麻省理工学院电子工程和计算机科学系的安德鲁和埃尔纳维特比教授、计算机科学和人工智能实验室主任丹妮拉罗斯说，他的团队开发了这种新算法。“你的一组机器人有一个局部目标，那就是保持队形，还有一个全局目标，那就是它们想去哪里，或者你想让它们沿着什么轨迹移动。你允许他们在一个既有静态障碍也有意想不到的动态障碍的世界里运作，你可以保证他们将保持他们的本地和全球目标。他们将不得不做出一些调整，但这些调整是最小的。”

罗斯小组的博士后哈维尔·阿隆索-莫拉(Javier Alonso-Mora)加入了这篇论文;斯坦福大学航空航天助理教授麦克·施瓦格(Mac Schwager)曾在麻省理工学院攻读机械工程博士学位时与罗斯共事;以及西班牙萨拉戈萨国防中心大学教授爱德华多·蒙蒂哈诺。

交易区域

在典型的分散式群体规划算法中，每个机器人可能会将其对环境的观察传播给它的队友，然后所有机器人都将执行相同的规划算法，大概是基于相同的信息。

Rus、Alonso-Mora和他们的同事发现了一种方法，可以减少协商一致规划带来的计算和通信负担。其基本思想是，每个机器人根据自己的观察，在其周围环境中绘制出一个无障碍区域，并将该地图仅传递给最近的邻居。当机器人从邻居那里收到地图时，它会计算地图与自己地图的交点，并将其传递下去。

这既减少了机器人通信的规模——描述100张地图的交点并不比描述2张地图的交点需要更多的数据——也减少了机器人的数量，因为每个机器人只与它的邻居通信。尽管如此，每个机器人最终都会得到一张反映所有团队成员检测到的所有障碍的地图。

四维空间

然而，这些地图不是三维的，而是四维的——第四维是时间。这就是算法对移动障碍物的解释。四维地图描述了三维地图如何在几秒钟内改变以适应障碍物位置的变化。但它是以一种数学上紧凑的方式来实现的。

该算法确实假设移动的障碍物具有恒定的速度，这在现实世界中并不总是如此。但每个机器人每秒更新几次地图，时间跨度很短，因此加速物体的速度不太可能发生显著变化。

在最新地图的基础上，每个机器人都会计算出最大化其局部目标(保持队形)和全局目标的轨迹。

研究人员还在轮式机器人上测试了他们算法的一个版本，轮式机器人的目标是在人类活动的房间里集体搬运一个物体，模拟人类和机器人一起工作的环境。

麻省理工学院(MIT)

www.mit.edu

- Chris Vavra编辑，制作编辑，控制工程， CFE传媒，cvavra@cfemedia.com。查看更多控制工程机器人的故事。

您是否具有本内容中提到的主题的经验和专业知识?您应该考虑为我们的CFE媒体编辑团队做出贡献，并获得您和您的公司应得的认可。点击在这里开始这个过程。