多机器人系统的研究内容与发展趋势

多机器人系统的研究内容与发展趋势北京理工大学机器人研究中心苏治宝龚建伟熊光明陆际联概述在当今的数字时代，人们对于用现代科技解决复杂任务的需求日益高涨。虽然随着机器人技术的发展，机器人的能力不断提高,机器人应用的领域和范围也在不断扩展，但是对于一些复杂的任务，单个机器人不再是最好的解决方案,而由是多个机器人组成的系统。多机器人系统不是物理意义上的单个机器人的简单代数相加，其作用效果也不是单个机器人作用的线性求和，它应该还包括一个“线性和”之外的基于个体之间相互作用的增量。这种个体之间的相互作用包含两个因素：“协调”与“合作”。因此，多机器人系统是指若干个机器人通过合作与协调而完成某一任务的系统。它包含两方面的内容，即多机器人合作与多机器人协调。当给定多机器人系统某项任务时，首先面临的问题是如何组织多个机器人去完成任务，如何将总体任务分配给各个成员机器人，即机器人之间怎样进行有效地合作。当以某种机制确定了各自任务与关系后，问题变为如何保持机器人间的运动协调一致，即多机器人协调。对于由紧耦合子任务组成的复杂任务而言，协调问题尤其突出[1]。多机器人合作和协调是多机器人系统研究中的两个不同而又有联系的概念。前者研究的重点是高层的组织与运行机制问题，侧重实现系统快速组织与重构的柔性控制机制；后者则是研究机器人之间合作关系确定后具体的运动控制问题。1多机器人系统的优点与单个机器人相比，多机器人系统具有许多优点[2]：(1)单个机器人不能完成某些任务，必须依靠多个机器人才能完成。例如让机器人搬运一个重物，对于这样的任务也许可以设计一个能力特别强的机器人来完成，但从设计的复杂性和成本等方面来考虑，这样的方案不如让多个简单的机器人组成系统来协作搬运。还有一些任务，如执行战术使命、足球比赛等，必须要由一个机器人团队来完成而非单个机器人。(2)对于可以分解的任务来说，多个机器人可以分别并行地完成不同的子任务，这比单个机器人完成所有的子任务要快得多。就是说，多机器人系统可以提高工作效率。对未知的区域建立地图、对某区域进行探雷均属于这类任务。(3)对于多机器人系统来说，可以将其中的成员设计成完成某项任务的“专家”，而不是设计成完成所有任务的“通才”，使得机器人的设计有更大的灵活性，完成有限任务的机器人可以设计得更完善。(4)如果成员之间可以交换信息，多机器人系统可以更有效和更精确地进行定位。这对于野外作业的机器人尤其重要。(5)多机器人系统中的成员相互协作可以增加冗余度，消除失效点，增加解决方案的鲁棒性。例如，装配有摄像机的多机器人系统要建立某动态区域的基于视觉的地图，那么某个机器人的失效不会对全局任务产生很大影响，因此，这样的系统可靠性更强。(6)多机器人系统与单个机器人相比，可以提供更多的解决方案，因此可以针对不同的具体情况，优化选择方案。2多机器人系统的应用领域由于多机器人系统的优点，使得它的潜在应用领域非常广泛[2]，列举如下：远地作业某些应用要求群体自主机器人系统能够自动完成复杂的工作，而人类可以不时地从远处进行干预，以改变操作过程，弥补机器人的能力不足，与机器人协作共同完成复杂的任务。这类应用领域如行星科学探险，在煤矿、火山口等高危环境下作业以及在水下培育作物等。协助军事行动现代战争中使用机器人代替士兵执行危险的任务能最大限度地减少地面部队和非参战人员的伤亡。这类任务有排雷、放哨、搜索、追踪及架设通信设施等。协助震后搜索与营救城市搜寻和营救人员只有48小时在倒塌的建筑物中寻找被困的幸存者。否则，他们存活的可能性几乎为零。近来发生在一些地区的地震，造成的城市环境的破坏程度超过了现有的营救资源（搜寻和营救专家、狗和探测器等）的能力。由于难以知道大型建筑物破坏的程度，影响了营救人员对该建筑物进行安全、有效的搜索。有时由于人和狗的体积太大，不能到达要搜索的空间。如果能使机器人协助进行这方面的工作，那么将会产生很大的影响。自动仓库管理仓库操作人员面临着在降低成本的同时提高对客户的反应速度的竞争挑战。由于涉及的劳动内容以及设备投资等原因，指令拣选过程（orderpicking）在配送中心是成本最高的作业之一。操作人员依靠人力来进行拣选并借助码垛车或传送带系统运输物料。将这些作业自动化将会受益非浅。在仓库管理系统的全局监控下，自动码垛车在配送中心漫游，并移动到某个停驻在物料通道边的拣选机，运送物料。这样拣选机就可以专门进行拣选而不需要花时间来回移动。因此，就可以实现仓库管理工作的自动化和智能化，提供工作效率。智能环境智能环境是指利用计算机来完全改善日常活动的空间。智能环境通过把计算机和日常现象联系起来，能够使原来处于人-机范围之外的事情相互作用。这可以应用到智能房间和个人助理。许多环境如办公楼、超市、教室及饭店很可能在今后逐渐发展成智能环境。这些环境中，智能体将会监视资源的优化使用，也会解决资源使用方面的冲突，智能体还要跟踪环境中对各种资源的需求。另外，进入环境中的每个人都会拥有一个智能体，该智能体的目标是为用户优化环境中的条件。自动建造该应用领域涉及大规模结构的装配，诸如高楼大厦、行星居住区或空间设备。将来，多异构机器人系统将会在空间组装大型空间设备，而这对于人类来说是非常困难的。教育及娱乐系统机器人玩具、教育工具及娱乐系统越来越风行。许多这样的系统（如机器人足球）要求多机器人之间进行协调。自动化工厂工厂实现自动化是发展趋势。为了增加产量、减少劳动成本，提高效率、安全性及总体质量，越来越多的产业在寻求生产自动化设备。这要求有高效、高鲁棒性的异构多机器人系统的协作。清除危险区域这样的例子有机器人扫雷、清扫核废料及清扫灾区。农业机器人在艰苦条件下的重体力劳动、单调重复的工作，如喷洒农药、收割及分选作物等有望由多农业机器人系统完成，以解放出大量的人力资源。3多机器人系统的性能衡量指标各个应用领域要求多机器人系统要有很高的性能，这些性能由下列指标衡量[2]：(1)鲁棒性（Robustness）：对机器人出现故障具有鲁棒性。因为许多应用要求连续的作业，即使系统中的个别机器人出现故障或被破坏，这些应用要求机器人利用剩余的资源仍然能够完成任务。(2)最优化（Optimized）：对动态环境有优化反应。由于有些应用领域涉及的是动态的环境条件，具有根据条件优化系统的反应的能力成为能否成功的关键。(3)速度（Speed）：对动态环境反应要迅速。如果总是要求将环境信息传输到别的地方进行处理才能作出决策，那么当环境条件变化很快时，决策系统就有可能不能及时提供给机器人如何行动的指令。(4)可扩展性（Extensibility）：根据不同应用的要求易于扩展以提供新的功能，从而可以完成新的任务。(5)通信（Communication）：要有处理有限的或不太好的通信的能力。要求应用领域为机器人之间提供理想的通信，这在许多情况下是不现实的。因此，协调体系结构对通信失效要具有很强的鲁棒性。(6)资源（Resource）：合理利用有限资源的能力。优化利用现有的资源，是优化多机器人协调的重要因素。(7)分配（Allocation）：优化分配任务。多协调机器人系统中一个主要难点就是确定个体机器人的任务，这是设计体系结构时要考虑的重要因素。(8)异构性（Heterogeneity）：能够应用到异构机器人团队的能力。为了易于规划，许多体系结构以同构机器人为假设条件。如果是异构机器人的情况，协调问题将更困难。成功的体系结构应当对同构机器人和异构机器人都适用。(9)角色（Roles）：优化指定角色。许多体系结构将机器人限于完成一种角色的功能，但机器人拥有的资源可以完成多种任务。优化指定角色可以使机器人根据当时可以利用的资源尽可能地完成多个角色的功能，并且随着条件的变化而变化。(10)新输入（NewInput）：有处理动态新任务、资源和角色的能力。许多动态性应用领域要求机器人系统能够在运行过程中处理一些变化，如处理新分配的任务、增加新资源或引进新角色。所有这些都由体系结构支持。(11)灵活性（Flexibility）：易于适应不同的任务。由于不同的应用，有不同的要求，因此通用的体系结构需要有针对不同的问题可以轻松重新配置的能力。(12)流动性（Fluidity）：易于适应在操作过程中增加或减少机器人。一些应用要求可以在系统运行过程中添加新的机器人成员。同样，在执行任务的过程中系统也要具有适应减少成员或成员失效的现象。合理的体系结构可以处理这些问题。(13)学习（Learning）：在线适应特定的任务。虽然通用的系统非常有用，但将它用于特定应用上时，通常需要调整一些参数。因此具有在线调整相关参数的能力是非常吸引人的，这在将体系结构转移到其它应用时可以节省许多工作。(14)实现（Implementation）：能够在物理系统上实现和验证。和其它问题一样，用实际的系统证实更能令人信服。然而要想成功实现物理系统需要解决那些在仿真软件系统上不能发现的细节问题。表1.1是目前多机器人系统在一些应用领域的性能指标实现情况。其中，“√”表示对应的指标已实现或达到。表1.1多机器人系统的应用领域和性能指标应用领域鲁棒性最优化速度可扩展性通信资源分配异构性角色新输入灵活性流动性学习实现自主群体√√√√√√√√√√√√√√城市侦察√√√√√√√√√√√√√城市搜索与营救√√√√√√√√√√√√√仓库管理√√√√√√√√√√√智能环境√√√√√√√√√√√自动建造√√√√√√√√√√√√教育与娱乐√√√√√√√√自动工厂√√√√√√√√√√√探索危险区域√√√√√√√√√√√清除危险地点√√√√√√√√√√√农业机器人√√√√√√√√√√√4多机器人系统的研究现状和研究内容[1~14]正是因为多机器人系统有许多优点和应用领域，它才日益引起国内外学术界的兴趣与关注。在20世纪40年代中期，GreyWalter、Wiener和Shannon一起研究海龟一样的机器人，这些机器人装备有灯和接触传感器。通过对相互之间动作的反应，这些简单的机器人显示出“复杂的社会行为”。自从20世纪70年代，多智能体的研究在分布式人工智能领域得到重视，一些机器人学的研究者开始将分布式人工智能（DAI）理论应用到多机器人系统的研究中。由于多机器人系统的应用前景非常巨大，美、欧、日等发达国家从20世纪80年代中期就对多机器人系统投入了相当大的研究热情，协作机器人学得到发展，起初的项目有ACTRESS、DEBOT、GOFER、SWARM等。早期的研究主要以仿真为主，但近来的研究更强调实际的物理实现。如欧盟设立专门进行多机器人系统研究的MARTHA课题——“用于搬运的多自主机器人系统(MultipleAutonomousRobotsforTransportandHandlingApplication)”。美国海军研究部和能源部也对多机器人系统的研究进行了资助。国内在该领域的研究工作很少，只有少数的研究所和大学在进行相关的研究，且大部分的研究工作仍然停留在仿真和实验室阶段。20世纪80年代后期，协作多机器人系统的快速发展体现为三个方面的相互影响：问题、系统和理论。为解决一个给定的问题，想象出一个系统，然后进行仿真、构建，借用别的领域的理论进行协作。将这些实际应用中多机器人合作所面临的任务加以抽象，列出了一些代表性的任务，这些任务可分三类：交通控制(TrafficControl)当多个机器人运行在同一环境中时，它们要努力避碰。从根本上说，这可以看作是资源冲突的问题，这可以通过引进如交通规则、优先权或通信结构等来解决。从另一个角度来看，进行路径规划必须考虑其它机器人和全局环境。这种多机器人规划本质上是配置空间－时间中的几何问题。推箱子/协作操作(Box-Pushing/CooperativeManipulation)许多工作是讨论推箱子问题的。有的集中在任务分配、容错和强化学习上，而有的则研究通信协议和硬件。协作操作较大的物体也非常令人感兴趣，因为即使机器人之间相互不知道对方的存在也可以实现协作行为。采蜜(Foraging)