一种基于分组协同决策机制的多机器人搜索方法

技术领域

本发明属于机器人区域搜索技术领域，特别是涉及一种基于分组协同决策机制的多机器人搜索方法。

背景技术

随着机器人技术的发展，自主移动机器人已经可以协助人类完成一些特定任务，如战场侦察，太空探索，灾后搜救，地面清扫等。这些任务可以概括为未知环境下的完全区域搜索问题。所谓未知环境指的是在机器人的任务搜索区域内，搜索目标和障碍物的位置分布是未知的，但是机器人的搜索边界是已知的。这就要求机器人对未探索区域不断搜索，同时避免重复探索。自主机器人在未知环境中所面临的约束如下：1)机器人传感器的探测范围相对于任务区域的大小是有限的；2)自主机器人在搜索任务开始前没有先验环境信息，包括任务区域内目标和障碍物的分布情况；3)自主机器人必须在未知环境中实时避开障碍物。

与单个自主机器人相比，多机器人系统具有灵活性、鲁棒性和并行性等优点，能够提高区域搜索任务的效率。因此，考虑使用多个自主机器人在未知环境下进行区域搜索任务。该任务要求多个机器人通过传感器获取环境信息，以最小代价协同完成对未知环境的区域搜索。此外，考虑到在一些恶劣环境下，如灾后搜救现场，机器人之间通信条件可能并不理想。因此，多机器人系统在进行区域搜索任务时，还需要额外满足两个约束：1)搜索过程中避免机器人之间的碰撞；2)机器人之间的通信范围有限，只能建立局部通信。当前的多机器人区域搜索方法主要面向理想通信条件下的区域搜索任务，对于多机器人系统而言，如何在通信条件有限的情况下(机器人无法进行全局通信)，高效地执行区域搜索任务仍是当前一个研究难点。针对当前的多机器人区域搜索技术研究中，由于有限的通信条件下多机器人无法进行全局通信，导致多机器人系统区域搜索效率下降的问题，设计发明出一种基于分组协同决策机制的多机器人搜索方法。

发明内容

针对以上技术问题，本发明提供一种基于分组协同决策机制的多机器人搜索方法。

本发明解决其技术问题采用的技术方案是：

一种基于分组协同决策机制的多机器人搜索方法，方法包括以下步骤：

S100：将每个机器人视为一个通信节点，定义机器人局部通信集合；

S200：使用栅格地图对机器人的搜索环境进行构建，将机器人的任务搜索区域划分为L

S300：将同一局部通信集合内机器人探测到的环境信息进行融合；

S400：将局部通信集合内的机器人分为多个搜索小组；

S500：确定每个搜索小组内部机器人的迭代决策顺序和迭代决策过程，直至小组内机器人决策完毕；

S600：所有机器人运动至下一步，并更新环境信息，直到整个任务区域搜索完毕。

优选地，S100具体为：

假设机器人R

P

其中，z＝1，2，....n

优选地，S200中使用栅格地图对机器人的搜索环境进行构建，将机器人的任务搜索区域划分为L

栅格的状态包括目标所在栅格、障碍物所在栅格、无障碍物栅格和未搜索栅格，构建的栅格地图的状态表示如下所示：

其中S{G(h，v)}表示栅格G(h，v)的状态，G(h，v)表示位置为(h，v)的栅格，h∈[1，L

优选地，S200中将构建后的栅格地图与简化的生物启发神经网络SBNN进行融合，建立环境信息表示模型包括：

每一个栅格都对应一个神经元活性值x

其中传递函数g(x)被设置为：

其中x

其中|e

构建后的栅格地图与SBNN的结合方式如下所示：

其中E＞＞1，取值范围是[3，10]，它保证了目标栅格在神经元活性场景中处于峰值，一旦目标被发现后机器人优先向目标前进，而障碍物的活性值处于最低点，S{G(h，v)}表示栅格G(h，v)的状态。

优选地，S300包括：

在同一局部通信集合内，基于加权平均法对不同机器人的神经元活性值矩阵进行融合：

其中

其中

优选地，S400包括：

若两个机器人R

R

其中A

优选地，S500中确定每个搜索小组内部机器人的迭代决策顺序，包括：

机器人分组结束之后，在每个搜索小组内部进行迭代协同决策，采用自组织的方式确定机器人迭代决策的顺序：

其中

的确定方法如下：计算搜索小组A

其中

优选地，S500中确定每个搜索小组内部机器人的迭代决策过程，包括：

在搜索小组A

其中J

上述一种基于分组协同决策机制的多机器人搜索方法，设计了一种环境信息融合更新模型，针对处于同一通信集合内的机器人，使用简化的生物启发神经网络SBNN的神经元活性值表征机器人实时探测环境信息，并基于加权融合思想对不同机器人探测的环境信息进行融合；其次设计了一种分组协同决策机制，将处于同一通信集合内的机器人划分为若干个动态搜索小组，每个动态搜索小组内部的机器人进行迭代协同决策，实时规划出下一步搜索路径，解决未知环境下由于多机器人通信受限导致多机器人系统难以对任务区域高效搜索的问题。

附图说明

图1为本发明一实施例中一种基于分组协同决策机制的多机器人搜索方法的流程图；

图2为本发明一实施例中设计的二维SBNN结构图；

图3是本发明一实施例中设计的机器人通信集合示例图；

图4是本发明一实施例中设计的机器人的分组示例图；

图5是本发明一实施例中设计的有限通信条件下多机器人区域搜索过程示例图。

具体实施方式

为了使本技术领域的人员更好地理解本发明的技术方案，下面结合附图对本发明作进一步的详细说明。

在一个实施例中，如图1所示，一种基于分组协同决策机制的多机器人搜索方法，方法包括以下步骤：

S100：将每个机器人视为一个通信节点，定义机器人局部通信集合。

具体地，考虑到单个机器人的通信能力有限，机器人之间只能建立局部通信。移动自组网是由移动节点组成的多跳无线通信网络，其中每个节点既是信息终端又是路由器。

在一个实施例中，S100具体为：

假设机器人R

P

其中，z＝1，2，....n

具体地，若一个机器人处于另外一个机器人的最大通信半径之L

S200：使用栅格地图对机器人的搜索环境进行构建，将机器人的任务搜索区域划分为L

在一个实施例中，S200中使用栅格地图对机器人的搜索环境进行构建，将机器人的任务搜索区域划分为L

栅格的状态包括目标所在栅格、障碍物所在栅格、无障碍物栅格和未搜索栅格，构建的栅格地图的状态表示如下所示：

其中S{G(h，v)}表示栅格G(h，v)的状态，G(h，v)表示位置为(h，v)的栅格，h∈[1，L

在一个实施例中，S200中将构建后的栅格地图与简化的生物启发神经网络SBNN进行融合，建立环境信息表示模型包括：

每一个栅格都对应一个神经元活性值x

其中传递函数.9(x)被设置为：

其中x

其中|e

构建后的栅格地图与SBNN的结合方式如下所示：

其中E＞＞1，取值范围是[3，10]，它保证了目标栅格在神经元活性场景中处于峰值，一旦目标被发现后机器人优先向目标前进，而障碍物的活性值处于最低点，S{G(h，v)}表示栅格G(h，v)的状态。

具体地，SBNN的结构示意图如图2所示。

S300：将同一局部通信集合内机器人探测到的环境信息进行融合。

具体地，由于每个机器人相互独立，拥有其自身的SBNN，同时机器人的探测范围有限，只能获取其探测范围内的环境信息。因此，需要将不同机器人采集到的环境信息进行整合，以提高搜索效率。

在一个实施例中，S300包括：

在同一局部通信集合内，基于加权平均法对不同机器人的神经元活性值矩阵进行融合：

其中

其中

S400：将局部通信集合内的机器人分为多个搜索小组。

具体地，在构建的环境信息融合更新模型后，将局部通信集合内的机器人分为多个搜索小组。搜索小组示例图如图4所示，图4(a)表示9个机器人在某一时刻的分组情况，图4(b)表示9个机器人在下一时刻的分组情况。可以看到多机器人的分组数量和成员都是动态的。

在一个实施例中，S400包括：

若两个机器人R

R

其中A

S500：确定每个搜索小组内部机器人的迭代决策顺序和迭代决策过程，直至小组内机器人决策完毕。

在一个实施例中，S500中确定每个搜索小组内部机器人的迭代决策顺序，包括：

机器人分组结束之后，在每个搜索小组内部进行迭代协同决策，采用自组织的方式确定机器人迭代决策的顺序：

其中

的确定方法如下：计算搜索小组A

其中

在一个实施例中，S500中确定每个搜索小组内部机器人的迭代决策过程，包括：

在搜索小组A

其中J

S600：所有机器人运动至下一步，并更新环境信息，直到整个任务区域搜索完毕。

具体地，每个搜索小组中的机器人选择

下面通过给出一些具体的实例来进行验证分析，通过设置如下的实验参数：

1)20*20的栅格地图；2)机器人数设置为8个；3)目标数设置为10个；4)机器人的通信半径为4。

图5展示了多机器人区域搜索过程示例，其中图5(a)为8个机器人运动2步的区域搜索情况，图5(b)为8个机器人运动5步的区域搜索情况，图5(c)为8个机器人运动9步的区域搜索情况，图5(d)为8个机器人运动18步的区域搜索情况，可以看到，多机器人系统可以在局部通信条件下的快速地完成对指定区域的区域搜索任务，完成10个目标的搜索。

上述一种基于分组协同决策机制的多机器人搜索方法，设计了一种环境信息融合更新模型，针对处于同一通信集合内的机器人，使用简化的生物启发神经网络SBNN的神经元活性值表征机器人实时探测环境信息，并基于加权融合思想对不同机器人探测的环境信息进行融合；其次设计了一种分组协同决策机制，将处于同一通信集合内的机器人划分为若干个动态搜索小组，每个动态搜索小组内部的机器人进行迭代协同决策，实时规划出下一步搜索路径，解决未知环境下由于多机器人通信受限导致多机器人系统难以对任务区域高效搜索的问题。

以上对本发明所提供的一种基于分组协同决策机制的多机器人搜索方法进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。