1、引言

80年代末，隨著機器人學(xué)、DAI和分布式系統(tǒng)的研究與發(fā)展，機器人已朝向分布式、系統(tǒng)化和智能化的方向發(fā)展.尤其是基于MAS的多機器人協(xié)作問題正受到越來越多的關(guān)注.目前智能體(Agent)還沒有統(tǒng)一的定義，一般被認(rèn)為是一個能作用于自身和環(huán)境，并能對環(huán)境做出反應(yīng)的物理的或抽象的實體[1]，是一個具有自主性、主動性、社會交互性及反應(yīng)性的對象模型.MAS則是Agent的集合.每個Agent都是一個具有相同的問題求解方法的自治系統(tǒng)，能利用局部信息進行自主規(guī)劃，并能通過規(guī)劃推理解決局部沖突實現(xiàn)協(xié)作，從而完成與自身相關(guān)的局部目標(biāo).依據(jù)MAS的特性來組織和控制多個機器人，使之能夠協(xié)作完成單個機器人無法完成的復(fù)雜任務(wù)是機器人學(xué)研究領(lǐng)域的新課題，具有重要的理論和現(xiàn)實意義.國外一些著名研究有：ACTRESS、CEBOT、 SWARM等系統(tǒng).

我們要實現(xiàn)的系統(tǒng)是以多個移動機器人為控制對象，以開闊區(qū)域為試驗環(huán)境，要完成多個隨機散布的機器人排成指定隊形的任務(wù)，每個機器人要有不同層次的合作能力.我們將機器人封裝為Agent和車體模型兩部分，其中Agent是廣義的機器人控制器，車體模型是機器人的物理實體.這樣，多機器人的合作就體現(xiàn)為多 Agent的合作，各機器人依據(jù)其子目標(biāo)，動態(tài)地規(guī)劃各自的運動序列，在自主狀態(tài)下采用自主行為，在沖突狀態(tài)下采用合作行為，從而協(xié)作完成系統(tǒng)任務(wù).本文就是基于這樣的背景提出了系統(tǒng)原型.

2、合作機制與控制結(jié)構(gòu)

群體的智能行為要求多機器人之間必須能夠有效合作，這涉及多方面的問題，首先是如何組織機器人去完成任務(wù)，這是任務(wù)級的合作，體現(xiàn)為高層的組織形式與運行機制[2].多機器人間關(guān)系明確后，合作又體現(xiàn)為具體的運動協(xié)調(diào)規(guī)劃與控制問題，這是控制級的合作，用來解決局部沖突. 根據(jù)系統(tǒng)任務(wù)的要求，我們選取協(xié)商和競爭的合作方式，實現(xiàn)如下合作機制：在任務(wù)層，實現(xiàn)了基于競爭的子任務(wù)指定;在行為層，通過采用動態(tài)優(yōu)先級設(shè)定技術(shù)消解局部沖突，實現(xiàn)了資源的合理分配[3].

恰當(dāng)?shù)剡x取系統(tǒng)控制結(jié)構(gòu)是實現(xiàn)多機器人合作的前提條件.一般地，以系統(tǒng)中是否有組織智能體為標(biāo)準(zhǔn)[4]，將系統(tǒng)分為集中式控制和分散式控制.集中式系統(tǒng)中由管理員負責(zé)規(guī)劃和決策，其協(xié)調(diào)效率比較高，但實時性、動態(tài)特性較差.而在分散式系統(tǒng)中，個體高度自治，并能借助于通訊手段合作完成任務(wù).這種方式在容錯能力、可靠性和伸縮性等方面比集中式結(jié)構(gòu)要好.根據(jù)單體機器人結(jié)構(gòu)的劃分是否遵從笛卡爾方法[5]，提出基于行為和基于功能的控制結(jié)構(gòu).基于行為的結(jié)構(gòu)亦叫縱式分解結(jié)構(gòu)，R.A.Brooks提出的包容結(jié)構(gòu)[6]是一個典型.該結(jié)構(gòu)具有靈活反應(yīng)能力，利于實時任務(wù)的完成，但幾乎不具有智能，規(guī)劃能力差.基于功能的控制結(jié)構(gòu)也叫橫式分解結(jié)構(gòu)，分層遞階結(jié)構(gòu)是一個典型.該結(jié)構(gòu)對外界的反應(yīng)不夠靈活，反應(yīng)速度慢，但具有規(guī)劃和推理能力，能對環(huán)境做出合理反應(yīng).為適應(yīng)系統(tǒng)分布式、智能化和協(xié)同化的要求，我們選取混合式控制結(jié)構(gòu)，即規(guī)劃與響應(yīng)相結(jié)合、橫式與縱式相結(jié)合、全局自主分布與局部集中管理相結(jié)合的結(jié)構(gòu).

3、系統(tǒng)模塊化設(shè)計原型

考慮到系統(tǒng)的分布式特點及機器人的同質(zhì)性，為了便于系統(tǒng)實現(xiàn)和擴充，我們采用模塊化設(shè)計思想，依據(jù)系統(tǒng)控制結(jié)構(gòu)的層次，按功能對系統(tǒng)進行模塊化分解，設(shè)計了具有可實現(xiàn)性的系統(tǒng)原型.從面向?qū)ο蠹夹g(shù)的角度來看，系統(tǒng)中的對象可分為機器人和系統(tǒng)管理員兩類，我們據(jù)此將系統(tǒng)分為管理員分系統(tǒng)和機器人分系統(tǒng)兩大部分.

3.1機器人分系統(tǒng)(包含多個機器人子系統(tǒng))

每個機器人子系統(tǒng)包含Agent和車體模型兩部分，其中，車體模型是包含了各種硬件設(shè)備的物理實體，在此不詳述.與之相對，Agent作為機器人智能的體現(xiàn)者，是推理、決策、規(guī)劃和控制的軟件執(zhí)行體，是一個功能完全的對象模型，由4部分組成.

3.1.1知識信息收集處理子系統(tǒng)

機器人在動態(tài)過程中規(guī)劃的依據(jù)就是Agent 具有的先驗知識和前一時刻收集的局部環(huán)境信息，機器人據(jù)此完成規(guī)劃和控制.主要包含下面幾個模塊：

(1) 讀取地圖信息 Read_Map()：一般包含部分靜態(tài)障礙的信息.在機器人的初始化部分完成.

(2) CCD視覺信息接收處理 Receive_CCD()：接收從攝像機中取得的視頻圖像，經(jīng)變換得RGB圖像，然后轉(zhuǎn)換為灰度圖像，經(jīng)數(shù)學(xué)形態(tài)學(xué)處理和邊界抽取等處理，最后可求得視域內(nèi)障礙物和機器人的位置信息.用來探測較遠距離的障礙.

(3)超聲波信息接收處理 Receive_US()：主要用于探測較近距離內(nèi)或突現(xiàn)的障礙，給出障礙物的距離及其方向，在避障過程中起自我保護和監(jiān)控作用，使之具有較好的靈活反應(yīng)能力.

(4)紅外信息接收處理 Receive_IR()：紅外探測器易受外界光線的干擾，且不能提供障礙物在敏感區(qū)域內(nèi)的具體位置，在本系統(tǒng)中起輔助避障的作用.

(5)Sensor信息融合 SensorInfo_Fusion()：將CCD、US、IR的處理結(jié)果經(jīng)綜合分析形成對環(huán)境的描述，放入規(guī)定的數(shù)據(jù)結(jié)構(gòu)中，以確定靜、動態(tài)障礙物的位置、方向等.

(6)車體定位 Cur_Pos()：從odometer中讀出車體的位置和前輪轉(zhuǎn)角，填入給定的數(shù)據(jù)結(jié)構(gòu).

上述幾個模塊主要完成了傳感器數(shù)據(jù)的采集與存儲，實際上還應(yīng)包括機器人之間的網(wǎng)絡(luò)通訊數(shù)據(jù)，這一部分?jǐn)?shù)據(jù)也是很重要的輸入信息，放在后續(xù)的通訊模塊中說明.

3.1.2規(guī)劃推理子系統(tǒng)

規(guī)劃與控制是自主機器人的核心功能，主要負責(zé)完成機器人的行為規(guī)劃與行為控制，體現(xiàn)其智能程度，所以這部分功能實現(xiàn)比較復(fù)雜，在此只給出主要的功能模塊 (Agent子類的成員函數(shù)).

(1)全局路徑規(guī)劃 Global_Planner()：是離線規(guī)劃，在系統(tǒng)初始化時完成.利用A*搜索算法給出一條在全局環(huán)境內(nèi)最優(yōu)的路徑，做為機器人在自主狀態(tài)下跟蹤的理想路徑.

(2)局部路徑規(guī)劃 Local_Planner()：運用動態(tài)子目標(biāo)規(guī)劃算法完成動態(tài)過程中的局部路徑規(guī)劃.根據(jù)當(dāng)前場景，按照算法調(diào)度下列模塊，求出動態(tài)子目標(biāo)點作動態(tài)跟蹤的目標(biāo).

(3)靜態(tài)障礙檢測 Static_Collision()：根據(jù)傳感器給出的當(dāng)前視域內(nèi)的靜態(tài)障礙(OBS)分布的相關(guān)數(shù)據(jù)信息，按照一定的碰撞檢測條件，判斷各OBS所在的空間是否與各機器人當(dāng)前規(guī)劃段相沖突，有，則置標(biāo)志，并返回與機器人相沖突的最近的OBS信息.

(4)靜態(tài)子目標(biāo)點選取 Static_Subgoal()：根據(jù)靜態(tài)障礙檢測的結(jié)果，按照一定原則，選取子目標(biāo)點.

(5)動態(tài)沖突預(yù)測 Dynamic_Collision()：利用傳感器給出的當(dāng)前視域內(nèi)的動態(tài)OBS分布的相關(guān)數(shù)據(jù)信息，依據(jù)利用通信交互的當(dāng)前通信域內(nèi)其他各機器人(也看作是動態(tài)OBS)的相關(guān)信息(位置、速度、目標(biāo))，求出各動態(tài)目標(biāo)間的最短距離以及取得時刻，以距離為檢測條件，判斷其他機器人和動態(tài)OBS是否與本機器人當(dāng)前規(guī)劃段相沖突，有，則置標(biāo)志，并返回與本機器人相沖突的最近的OBS信息.

(6)動態(tài)子目標(biāo)點選取 Dynamic_Subgoal()：根據(jù)動態(tài)沖突預(yù)測的結(jié)果，按照一定原則，選取子目標(biāo)點.

3.1.3控制子系統(tǒng)

控制子系統(tǒng)的任務(wù)就是實時地接收控制命令，驅(qū)動伺服系統(tǒng)完成目標(biāo)跟蹤的任務(wù).在此，我們只給出規(guī)劃子系統(tǒng)和底層伺服子系統(tǒng)的接口模塊. 驅(qū)動執(zhí)行 Excution()：實時地接收規(guī)劃結(jié)果，將其轉(zhuǎn)化成駛向子目標(biāo)點的各種執(zhí)行動作.

3.1.4通信子系統(tǒng)

由于目前使用的各種傳感器還不能提供足夠的關(guān)于其他機器人和環(huán)境的實時信息描述，所以通信成為實現(xiàn)多機器人合作的關(guān)鍵，是系統(tǒng)動態(tài)運行過程中獲取信息的最基本手段，也是一種高效的信息交互方法.根據(jù)任務(wù)要求，我們建立了局域網(wǎng)平臺，并分別從同步和異步Socket類派生了對象，在傳輸方式上也采用流式和數(shù)據(jù)報兩種方式.因其功能較為復(fù)雜，在此只給出主要的功能模塊.

(1)等待接收初始化消息和任務(wù)命令 RInitInfo()：機器人首先創(chuàng)建流式Socket，再建立與管理員和其他機器人的點對點的連接，最后等待接收管理員傳送的初始化消息和任務(wù)命令.

(2)等待接收同步信號 RSyncSignal()：接收到管理員傳來的初始化信息和任務(wù)命令后，機器人自動完成數(shù)據(jù)加載，并完成自身的全部初始化，等待接收同步啟動信號.

(3)收/發(fā)協(xié)商數(shù)據(jù) Recieve/Send()：機器人啟動運行后，需要與其他機器人交互信息完成合作.在每個采樣周期都廣播發(fā)送機器人的當(dāng)前位置狀態(tài)數(shù)據(jù);當(dāng)檢測到動態(tài)沖突后，相互沖突的機器人就以點對點的方式分送協(xié)商數(shù)據(jù)，安全高效.

3.2管理員分系統(tǒng)

本系統(tǒng)中的管理員不同于集中式系統(tǒng)中的角色，它不做規(guī)劃和決策，只完成一些輔助功能：圖形仿真環(huán)境設(shè)置、初始化機器人(數(shù)據(jù)加載)、發(fā)送人工干預(yù)命令、圖形顯示、信息接收存儲等.

(1)環(huán)境設(shè)置 Set_Env()：可采用三種方式(讀數(shù)據(jù)文件、對話框交互和鼠標(biāo)點取)來設(shè)置圖形仿真環(huán)境(主要包含車、障礙及場景等)，操作靈活，使用簡單.

(2)加載機器人初始化數(shù)據(jù)InitRobot()：采用流式Socket建立和各機器人點對點的連接，然后向各機器人發(fā)送初始化信息和任務(wù)命令，完成數(shù)據(jù)加載.

(3)接收人工干預(yù)命令Command()：能夠?qū)崟r地接收人工干預(yù)命令,并即時地完成命令下達.

(4)發(fā)同步信號 SyncSignal()：給各機器人發(fā)同步啟動信號，啟動機器人系統(tǒng)開始運行.

(5)接收并存儲數(shù)據(jù) CurData()：周期性地接收各機器人的廣播數(shù)據(jù)，存入一定的數(shù)據(jù)結(jié)構(gòu).

(6)圖形顯示和復(fù)演 Display()：實時地顯示各機器人的運動狀態(tài)，以利于觀察和控制實際系統(tǒng)的運作，且能在事后依據(jù)存儲的數(shù)據(jù)，將現(xiàn)場及機器人完整的運動過程復(fù)現(xiàn).

4、仿真系統(tǒng)面向?qū)ο蟮某绦驅(qū)崿F(xiàn)

我們在局域網(wǎng)平臺上，按照C/S模型進行系統(tǒng)編程實現(xiàn).選用了面向?qū)ο蟮某绦蛟O(shè)計語言Visual C++ 5.0，共設(shè)計了九個類，其中兩個主類：管理員類Manager和機器人類Robot，Robot類中又包含Agent、Communication 、Sensor、CCD等七個子類，Agent類的成員函數(shù)對應(yīng)于規(guī)劃和控制執(zhí)行子系統(tǒng)，Communication類對應(yīng)于通訊子系統(tǒng)，其余的子類與知識信息收集子系統(tǒng)相關(guān)，是為真實系統(tǒng)預(yù)留的接口.Manager類的成員函數(shù)對應(yīng)于管理員分系統(tǒng).利用面向?qū)ο蠹夹g(shù)設(shè)計實現(xiàn)的系統(tǒng)原型，易于修改和移植，且結(jié)構(gòu)清晰、自然，貼近真實系統(tǒng).

5、小結(jié)

近年來多機器人協(xié)作問題已成為領(lǐng)域內(nèi)的研究熱點.本文旨在設(shè)計實現(xiàn)一個試驗系統(tǒng)，首先對多機器人的體系結(jié)構(gòu)與合作機制進行了探討，然后針對具體任務(wù)和環(huán)境，對多機器人系統(tǒng)的結(jié)構(gòu)和功能進行了模塊化分解，最后利用面向?qū)ο蠹夹g(shù)給出了系統(tǒng)原型，并通過仿真系統(tǒng)分析系統(tǒng)設(shè)計方案的可行性，逐步向建立實際系統(tǒng)過渡。

責(zé)任編輯：gt