智能機(jī)器人協(xié)作系統(tǒng)及其關(guān)鍵技術(shù)

　　在機(jī)器人向智能化的發(fā)展中，多機(jī)器人協(xié)作系統(tǒng)是一類具有覆蓋性的技術(shù)集成平臺(tái)。如果說(shuō)單個(gè)機(jī)器人的智能化還只是使個(gè)體的人變得更聰明，那么多機(jī)器人協(xié)作系統(tǒng)則不但要有一批聰明的人，還要求他們能有效地合作。所以它不僅反映了個(gè)體智能，而且反映了集體智能，是對(duì)人類社會(huì)生產(chǎn)活動(dòng)的想象和創(chuàng)新探索。

　　多機(jī)器人協(xié)作系統(tǒng)有著廣泛的應(yīng)用背景，它與自動(dòng)化向非制造領(lǐng)域的擴(kuò)展有著密切的聯(lián)系，由于應(yīng)用環(huán)境轉(zhuǎn)向非結(jié)構(gòu)化，多移動(dòng)機(jī)器人系統(tǒng)應(yīng)能適應(yīng)任務(wù)的變化以及環(huán)境的不確定性，必須具有高度的決策智能，因而，對(duì)多移動(dòng)機(jī)器人協(xié)作的研究已不單純是控制的協(xié)調(diào)，而是整個(gè)系統(tǒng)的協(xié)調(diào)與合作。在這里，多機(jī)器人系統(tǒng)的組織與控制方式在很大程度上決定了系統(tǒng)的有效性。

　　多機(jī)器人協(xié)作系統(tǒng)還是實(shí)現(xiàn)分布式人工智能的典范。分布式人工智能的核心是把整個(gè)系統(tǒng)分成若干智能、自治的子系統(tǒng)，它們?cè)谖锢砗偷乩砩戏稚?，可?dú)立地執(zhí)行任務(wù)，同時(shí)又可通過(guò)通信交換信息，相互協(xié)調(diào)，從而同完成整體任務(wù)，這無(wú)疑對(duì)完成大規(guī)模和復(fù)的任務(wù)是富有吸引力的，因而很快在軍事、信及其他應(yīng)用領(lǐng)域得到了廣泛重視。多機(jī)器協(xié)作系統(tǒng)正是這種理念的具體實(shí)現(xiàn)，其中每機(jī)器人都可看作是自主的智能體，這種多智體機(jī)器人系統(tǒng)MARS（Multi—AgentRoboticSystems）現(xiàn)已成為機(jī)器人學(xué)中一個(gè)新的研究熱點(diǎn)。

　　多移動(dòng)機(jī)器人系統(tǒng)由于具有移動(dòng)功能，能在非結(jié)構(gòu)環(huán)境下完成復(fù)雜任務(wù)，是多機(jī)器人協(xié)作系統(tǒng)中最具典型意義和應(yīng)用前景、也是得到最廣泛研究的一類系統(tǒng)。以下就以多移動(dòng)機(jī)器人系統(tǒng)為代表，介紹智能機(jī)器人協(xié)作系統(tǒng)的主要關(guān)鍵技術(shù)：

　　1．體系結(jié)構(gòu)

　　體系結(jié)構(gòu)是系統(tǒng)中機(jī)器人之間邏輯上和物理上的信息關(guān)系和控制關(guān)系，以及問(wèn)題解能力的分布模式，它是多移動(dòng)機(jī)器人協(xié)作行為的基礎(chǔ)。一般地，多移動(dòng)機(jī)器人協(xié)作系統(tǒng)的體系結(jié)構(gòu)分為集中式（Centralized）和分式（Distributed）兩種。集中式體系結(jié)構(gòu)可用一個(gè)單一的主控機(jī)器人（Leader）來(lái)規(guī)劃，該機(jī)器人具有關(guān)于系統(tǒng)活動(dòng)的所有信息。而分布式體系結(jié)構(gòu)則沒(méi)有這樣一個(gè)機(jī)器人，其中所有機(jī)器人相對(duì)于控制是平等的。盡管集中式體系結(jié)構(gòu)可實(shí)現(xiàn)全局最優(yōu)求解，但因考慮到不確定性影響，實(shí)際上人們更偏好分布式結(jié)構(gòu)。近年采，在分布式體系結(jié)構(gòu)中，為了克服機(jī)器人在實(shí)際環(huán)境中對(duì)環(huán)境建模的困難，，提高多移動(dòng)機(jī)器人協(xié)作系統(tǒng)的魯棒性和作業(yè)能力，一些學(xué)者采用了基于行為的反應(yīng)式控制體力，一些學(xué)者采用了基于行為的反應(yīng)式控制體系結(jié)構(gòu)，將合作行為建立在一種反應(yīng)模式上，加快了移動(dòng)機(jī)器人對(duì)外界的響應(yīng)，避免了復(fù)雜的推理，從而提高了系統(tǒng)的實(shí)時(shí)性。

　　2．感知

　　感知是智能機(jī)器人行動(dòng)的基礎(chǔ)，包括“感覺(jué)”（傳感）和“知道與理解”信息融合與利用）。在移動(dòng)機(jī)器人中最主要的感知問(wèn)題是定位和環(huán)境建模問(wèn)題［7］o雖然已有里程計(jì)推算、基于視覺(jué)的路標(biāo)識(shí)別、基于地圖匹配的全局定位、陀螺導(dǎo)航、GPS等多種定位方法，但在未知非結(jié)構(gòu)環(huán)境中，目前有GPS才能實(shí)現(xiàn)可實(shí)用的全局定位。但GPS同時(shí)受到精度、安全等因素的限制。如何借助機(jī)器人之間的配合提高定位和環(huán)境建模能力，是研究多移動(dòng)機(jī)器人系統(tǒng)智能的重要內(nèi)容。近年來(lái)，提出了多種環(huán)境地圖建立與定位的同步處理方法［8］，其中環(huán)境建模與定位過(guò)程是相互伴隨的，兩者在彼此迭代的過(guò)程中逐步清晰化，但往往要求苛刻的環(huán)境條件。此外，在不少協(xié)作任務(wù)中只需要合作者間的相對(duì)位置信息，如編隊(duì)及局部避碰等，因此基于傳感器的局部定位也受到關(guān)注，機(jī)器人之間通過(guò)超聲、紅外、激光或視覺(jué)等傳感器相互探測(cè)，然后通過(guò)統(tǒng)計(jì)、濾波等算法進(jìn)行信息融合，由此得到系統(tǒng)中各機(jī)器人的相對(duì)位置。

　　3．規(guī)劃

　　規(guī)劃問(wèn)題主要包括任務(wù)規(guī)劃和路徑規(guī)劃，一直是人工智能及機(jī)器人學(xué)研究的主要問(wèn)題，對(duì)其進(jìn)行了大量和長(zhǎng)期的研究，成果已應(yīng)用在多機(jī)器人協(xié)作系統(tǒng)的規(guī)劃問(wèn)題研究中E引，與體系結(jié)構(gòu)相對(duì)應(yīng)，多移動(dòng)機(jī)器人系統(tǒng)的規(guī)劃通常包括集中式規(guī)劃（Centra）—ized1anning）牙口分布式規(guī)戈 U（DistribUted“nning）兩種方式。集中式規(guī)劃一般能獲得效率高、全局最優(yōu)的規(guī)劃結(jié)果，但它主要適用于靜態(tài)環(huán)境，難以應(yīng)付環(huán)境的變化。分布式規(guī)劃中，每個(gè)機(jī)器人根據(jù)自身?yè)碛械沫h(huán)境信息規(guī)劃自己的行動(dòng)，其優(yōu)點(diǎn)是能適應(yīng)環(huán)境的變化，缺點(diǎn)是不能獲得全局最優(yōu)解和可能出現(xiàn)死鎖現(xiàn)象。

　　4．學(xué)習(xí)與演化

　　學(xué)習(xí)和演化是系統(tǒng)具有適應(yīng)性、靈活性等特性的體現(xiàn)。目前，在協(xié)作機(jī)器人學(xué)中主要采用增強(qiáng)型學(xué)習(xí)（ReinforcementLearning）方法和遺傳規(guī)劃（GeoeticPrgramming），并且在多機(jī)器人搬運(yùn)系統(tǒng)和機(jī)器人足球中獲得了成功應(yīng)用［10］［11］。目前的多機(jī)器人學(xué)習(xí)和演化還停留在比較低的行為層次，其學(xué)習(xí)和演化的任務(wù)和環(huán)境也非常簡(jiǎn)單，當(dāng)其面對(duì)更為復(fù)雜的任務(wù)和環(huán)境時(shí)，存在時(shí)滯評(píng)價(jià)和組合爆炸問(wèn)題，另外，對(duì)多智能體的分布式學(xué)習(xí)與演化，也與傳統(tǒng)的集中式的學(xué)習(xí)與演化方法有明顯區(qū)別，還有待尋找更為有效的行為優(yōu)化方法。

　　5．協(xié)調(diào)與協(xié)作策略

　　多移動(dòng)機(jī)器人系統(tǒng)在協(xié)作完成復(fù)雜任務(wù)時(shí)，涉及到各機(jī)器人任務(wù)、規(guī)劃、控制間的協(xié)調(diào)［12］［13］，多智能體理論的研究已為這些協(xié)調(diào)行為提供了思想與策略，但如何把這些抽象的思想與策略結(jié)合到具體系統(tǒng)中加以實(shí)現(xiàn)，同時(shí)又能體現(xiàn)普適性，涉及到用什么工具正確描述各層次的系統(tǒng)行為。目前在任務(wù)協(xié)調(diào)層最典型的描述工具是離散事件動(dòng)態(tài)系統(tǒng)理論中的有限狀態(tài)機(jī)（FSA）方法，但如何對(duì)不同層次的行為借鑒混合系統(tǒng)理論和方法進(jìn)行統(tǒng)一描述，還是在研究的熱門(mén)課題。此外，在同一環(huán)境中運(yùn)行的多個(gè)移動(dòng)機(jī)器人，經(jīng)常會(huì)產(chǎn)生資源利用時(shí)的沖突。如果沒(méi)有適當(dāng)?shù)膮f(xié)調(diào)策略，系統(tǒng)將不能正常工作。對(duì)于可預(yù)見(jiàn)的沖突，可通過(guò)規(guī)劃加以避免。但系統(tǒng)動(dòng)態(tài)運(yùn)行時(shí)的情況常常不能事先準(zhǔn)確預(yù)測(cè)，僅依靠規(guī)劃的方法解決沖突將十分有限。對(duì)于動(dòng)態(tài)沖突的消解主要包括磋商法、慣例法（Convention）和熟人模型法。在動(dòng)態(tài)環(huán)境中的死鎖檢測(cè)與消解，仍是十分具有挑戰(zhàn)性的難題。

　　6．系統(tǒng)軟件平臺(tái)開(kāi)發(fā)

　　多機(jī)器人系統(tǒng)的研究已經(jīng)持續(xù)進(jìn)行了近20年，前期的工作主要集中在系統(tǒng)硬件和與之相關(guān)的某些單項(xiàng)技術(shù)的研究，隨著多移動(dòng)機(jī)器人硬件系統(tǒng)的逐步完善，當(dāng)前的軟件研究明顯滯后，所開(kāi)發(fā)的軟件往往針對(duì)具體的硬件系統(tǒng)和單一任務(wù)，技術(shù)集成度低、通用性差，無(wú)法有效發(fā)揮硬件的效能。為此，人們迫切感到需要研制具有高度開(kāi)放性、通用性、機(jī)器人硬件無(wú)關(guān)性和可擴(kuò)展性的系統(tǒng)軟件平臺(tái)，對(duì)現(xiàn)有的零散技術(shù)成果進(jìn)行系統(tǒng)集成，同時(shí)為規(guī)范系統(tǒng)軟件的設(shè)計(jì)框架提供標(biāo)準(zhǔn)。美國(guó)和歐洲各國(guó)近3年來(lái)啟動(dòng)了多項(xiàng)針對(duì)多移動(dòng)機(jī)器人協(xié)作系統(tǒng)軟件開(kāi)發(fā)的大型項(xiàng)目，產(chǎn)生了一些有代表性的軟件開(kāi)發(fā)平臺(tái)，并已獲得應(yīng)用。

　　7．實(shí)驗(yàn)研究

　　多移動(dòng)機(jī)器人協(xié)作系統(tǒng)的實(shí)驗(yàn)研究最初是從計(jì)算機(jī)的模擬仿真起步，利用計(jì)算機(jī)軟件建立一個(gè)假想的機(jī)器人群體。通過(guò)這種途徑，可以較自由地賦予機(jī)器人主體以理想的機(jī)制，使其以不同的方式相互作用。但是，這種做法盡管能考察很多數(shù)理性或生物性原理對(duì)機(jī)器人群體協(xié)作行為規(guī)范的影響，卻很難直接應(yīng)用于構(gòu)造實(shí)際的作業(yè)系統(tǒng)。近年來(lái)，隨著機(jī)器人及其構(gòu)件性能的改善，使用實(shí)機(jī)多機(jī)器人系統(tǒng)的研究不斷增加，從而使理論研究與實(shí)際環(huán)境、現(xiàn)有物理機(jī)器人之間的距離逐漸縮小。目前，國(guó)際上多數(shù)機(jī)器人基礎(chǔ)研究實(shí)驗(yàn)室都在從計(jì)算機(jī)仿真和實(shí)機(jī)實(shí)驗(yàn)兩個(gè)途徑同時(shí)開(kāi)展研究。