多机器人系统及其路径规划方法综述

付梦家+游晓明

摘要摘要：随着科技的不断进步，机器人技术也飞速发展。伴随着移动机器人性能越来越强大，其应用范围和领域也不断扩展。特别是多机器人系统研究无论是在理论上还是在实践中都取得了突破性进展。对多机器人系统研究现状进行综述，重点对多机器人路径规划所需的关键技术包括环境建模、规划方法、协调避碰策略等问题作了分析和介绍，最后展望了多机器系统的研究方向和发展趋势。

关键词关键词：多机器人；路径规划；智能算法

DOIDOI：10.11907/rjdk.161914

中图分类号：TP301文献标识码：A文章编号文章编号：16727800（2017）001017703

引言

自20世纪80年代末以来，多机器人系统开始引起广大学者关注，并且得到了迅速发展。相较于传统的多个单机器人系统而言，多机器人系统具有更大的优势。比如，多机器人系统在时间和空间分布性上更加具有优越性。具有分布性的多机器人系统中单个机器人的传感器信息可以有效互补，因此整个机器人系统具备较高的数据冗余度和更强的自适应性、鲁棒性；在多机器人系统中，由于单个机器人可以不必具有极强的功能和极高的性能，因此多机器人系统本质上具备低成本、强鲁棒性的优势；尤其是在完成复杂任务时，多机器人的优势更加突出，通常多机器人系统能够借助先进的协作架构和协同策略，完成多个单台机器人难以实现的复杂任务等。

多机器人系统的主要特点有：由于高科技快速发展，机器人的研究和开发更加容易、自适应性更好。随着多机器人协作策略的不断进步，其完成复杂任务的成本更低、效率更高、可扩展性更好。近年来，由于材料科学等边缘科学及交叉科学的发展，机器人的研发成本逐年降低，同时多机器人的应用范围和领域更加广泛。因此，越来越多的学者们重视多机器人系统及其应用研究，多机器人系统已经成为机器人学研究中一个飞速发展、具有良好应用前景的研究方向。

近年来，随着科技不断进步，多机器人系统相关研究得到快速发展，多机器人系统中的实现技术也取得较大突破[12]。目前，多机器人系统的关键技术主要包括任务规划、运动规划、协调控制等[35]。

1多机器人系统国内外研究现状

目前，多机器人系统的研究无论在理论中还是在实践上都取得了很大进展，建立了许多仿真系统和硬件实验平台，为进一步研究机器人系统夯实了基础。日本属于较早开展多机器人系统研究与实践的国家之一，1989年设计出了著名的ACTRESS系统和CEBOT系统。图1为日本名古屋大学Fukuda等研制的CEBOT（Cellular Robotics System） 系统，该系统采用分布式体系结构设计，将多机器人系统中功能简单的自主机器人视为“细胞元”（Cells），研究“细胞元”机器人自组织地构成功能强大的多机器人系统。特别是通过传感器感知环境的动态变化，“细胞元”间相互耦合并自组织重构得以实现更加优化的体系结构。

1996年第一届机器人足球世界杯在韩国隆重举行，来自7个国家的23支参赛队参与了竞赛，如图2所示。1997年經过多方共同努力，成立了国际机器人足球联合会，联合会总部设在韩国，其任务包括：每年组织一次机器人足球世界杯大赛；同时还要举办相关学术会议，给参赛者提供充分交流的学习平台，探讨机器人足球研究方面的经验和技术，从而有效地促进该学科方向的不断发展。

图3为美国南加州大学Mataric等人研制的The Nerd Herd 系统。该系统由20个机器人组成，每个机器人上装有碰撞传感器、定位系统和通讯系统，可以实现游弋（Safe Wandering）、跟随（Following）、聚集（Aggregation）、分散（Dispersion）和回家（Homing）等行为。研究人员主要将该系统应用于多机器人学习、群体行为、协调与协作等方面的试验研究与探讨，图4为利用该系统进行的推箱子实验装置。

图2机器人世界杯图3The Nerd Herd系统 C.R.Kube等人研制的Collective Robotics 系统如图5所示。该系统从自然界里昆虫的社会行为得到启发，利用多个功能简单的机器人组成功能强大的合作机器人群体。该系统在无显式通信的条件下，能够充分利用分布式控制策略实现移动机器人之间的协作。因此，单个简单智能的机器人通过交互作用实现了多机器人系统复杂的群体智能行为。

图6为美国MIT的计算科学和人工智能实验室（CSAIL）研制开发的多机器人系统。该实验室在多机器人系统上开展了协调多个机器人行为的算法设计、多机器人协调算法性能预测等问题的研究。这些关键问题及其研究成果形成多机器人控制算法的重要基础。

我国在多机器系统的研究方面也开展了卓有成效的工作，虽然起步相对较晚，但到目前为止也取得了丰硕的研究成果。沈阳自动化研究所以制造环境中多机器人的装配为研究背景，建立了多机器人协作装配系统MRCAS（Multi-Robots Cooperative Assembly System）。通过采用集中和分散相结合的分层体系结构，该系统可以完成自主编队行进、队形变换、自主避障等功能，进一步通过多机器人间协调与合作，完成装配工件任务。南京理工大学在早期开展的地面微小型机器人研究基础上，进行了移动机器人协作编队、自主定位、智能导航等关键技术研究，并取得一定成果。目前，由清华大学、国防科技大学、浙江大学和南京理工大学等著名高校联合研制的第四代无人驾驶车辆实现了多车无人干预下的编队行驶、超车行驶等核心技术。此外，上海交通大学、哈尔滨工业大学、中南大学等知名高校纷纷开展多机器人系统关键技术研究，也取得了一系列突破性研究成果，为我国机器人系统研究与发展奠定了重要基础。

2多机器人路径规划问题研究

多机器人路径规划问题是多机器人系统的关键技术，该技术也是多机器人协作完成任务的根本保障。多机器人路径规划问题定义为：利用已知的静态环境信息或者依靠传感器获得的动态环境信息，多机器人系统各个机器人自主规划一条从已知起点到目标终点的无碰撞最优路径，该最优路径不仅要求单个机器人与所有障碍物之间避障，而且还需满足多个机器人之间也无碰撞要求。

由单个机器人路径规划问题发展而来的多机器人路径规划问题，首先需要解决单个机器人路径规划问题，其次还要求解决多机器人之间的协调运动和多个机器人之间的协作问题，重点就是避免机器人之间的碰撞和避免出现机器人之间的路径死锁等问题。其中，环境建模方法、路径规划算法、协调避碰算法等都是关键技术问题[6]。

2.1环境建模

最有效的环境建模方法是建立环境地图，栅格地图、拓扑地图、特征地图等是目前常用的环境地图。

为了方便机器人的定位，栅格法将整个环境划分为许多大小相同的正方形单元格，并给予每个单元格唯一的整数标示。栅格地图模型最大的优点是简单，其缺点是栅格地图的粒度不好控制，若粒度较小，计算复杂度增加，若粒度较大，真实环境无法准确表示。

拓扑地图是利用节点间相关联的边所构成的拓扑结构来标示环境，拓扑地图模型将环境中的重要位置视为节点（如障碍物的棱角），将节点间存在的直接连接的路径视为地图中的边。拓扑地图虽然适用于环境比较简单的情况，也不需要机器人准确的位置信息。但拓扑地图通常难以直接获取，且对于相似环境的识别也比较困难。

特征地图模型不同于以上两种方法，本文利用抽象的几何特征（如点、直线、曲线等）表示机器人感知的外部环境。此模型便于位置估计和目标识别，但抽象的几何特征需要对感知的环境信息作进一步处理才能获取，一般适用于特定的环境。

2.2规划方法

按照多机器人系统运动规划的控制方式，多机器人的运动规划方法可以分为以下4种类型：①完全集中的规划：需要一个集中控制器来规划所有机器人的运动；②不完全集中的规划：每个机器人规划好自己的路径，但是有一个集中控制器来管理多机器人系统中单个机器人如何走自己的路径以保证机器人间不发生冲突；③不完全分散的规划：多机器人系统中单个机器人规划各自的路径以及如何走好自己规划的路径，在不安全情况下才由集中控制器进行统一规划；④完全分散的规划：单个机器人的运动完全自主规划，不存在集中控制器。

2.3协调避碰策略

协调避障是多机器人系统路径规划问题的重要技术之一，也是多机器人系统路径规划和多个单机器人路径规划的本质区别体现。多机器人系统协调避障问题除了要解决单个机器人自身路径规划问题，还必须解决多个机器人之间的碰撞、堵塞及死锁问题。目前，学者们提出的协调策略主要有速率调整法、交通规则法、优先级法、几何修正法以及基于行为的避碰方法等。随着“智能制造2025”的深入推进，服务机器人应用领域还在不断扩展，多机器人系统协调避碰策略亟需进一步探讨。

3多机器人系统展望

多机器人系统是一个多学科高度交叉的前沿学科，多机器人系统的进一步发展也必定会受到相关学科发展的限制。研究多機器人系统需要借鉴这些学科或学科中解决某些问题的理论和方法，才能产生突破性进展，这是未来研究多机器人系统的发展方向和重要趋势，具体而言，这些学科有：分布式系统、生物学、传感器技术、机械工程等。可从以下几个方面探讨多机器人路径规划问题：

（1）先进的传感技术。移动机器人中传感器设备被视为人类的五官，实现移动机器人的视觉、听觉、嗅觉等功能。在环境建模中依靠先进的传感技术，机器人能完成高效实时采集环境信息的任务。

（2）多传感器的信息融合技术。移动机器人导航方式正在向多传感器发展，使用多个传感器可以同时采集和处理信息，从而提高机器人系统的速度和性能。通过合理支配并充分利用传感器及其采集信息，并采用信息融合技术以获得环境的一致性解释及描述形式，可以提高机器人路径规划的精准度和鲁棒性。

（3）智能优化算法的发展。随着复杂问题规模呈现指数级增长，智能优化方法迅速成为多机器人系统路径规划研究新的发展方向。但由于算法实时性、自适应性、鲁棒性还不够好，智能优化算法在实际应用中必然存在一定的局限性。因此，多机器人系统路径规划问题研究中，智能优化算法还有很大的发展空间。

4结语

多机器人系统的研究与应用已经对人类社会产生深刻影响，随着科学技术的不断进步，其还将会对人类生活和社会进步带来巨大变革。不久的将来，人们的生活质量和工业、农业和国防现代化水平都将得到极大提高。但目前对于多机器人系统的研究还处于初级阶段，多机器人系统关键技术研究还亟需深入探讨，特别是多机器人系统路径规划算法还有待进一步改进，多机器人系统无论在理论研究上还是技术实现上都需要更多学者进行不懈努力和积极探索。

参考文献：

[1]吴军，徐昕，连传强，等.协作多机器人系统研究进展综述[J].智能系统学报，2011，6（1）：1326.

[2]原魁，李园，房立新.多移动机器人系统研究发展近况[J].自动化学报 2007，33（8）：785795.

[3]蔡自兴，崔益安.多机器人覆盖技术研究进展[J].控制与决策，2007，2（3）：17.

[4]张嵛，刘淑华.多机器人任务分配的研究与进展[J].智能系统学报，2008，3（2）：115120.

[5]刘晓南，刘斌.基于结构自适应的多机器人协作机制研究[J].传感器与微系统，2010，29（11）：5456.

[6]潘薇，蔡自兴，陈白帆.一种非结构环境下多机器人构建地图的方法[J].高技术通讯，2009，19（5）：506510.

责任编辑（责任编辑：孙娟）

第1期 卿勇：智能家居发展及关键技术综述软 件 导 刊2017年标题