基于领航—跟随法的编队机器人的研究

严皖宁，刘卿卿，周旭阳，左欣幼，孙高宇，葛 楷

（南京信息工程大学 自动化学院，江苏 南京 210044）

0 引 言

多机器人的编队研究始于20 世纪80 年代，多机器人系统是由多个彼此相关联的单机器人组成的，编队协作是指这些单机器人以固定队型形成编队,以编队的形式进行高效复杂的工作与服务，例如在林间作业、编队舞蹈等工作中，可以保持着固定队型实施导航定位与避障功能[1]。通过国内外学者多年的研究总结，如今多机器人编队有着多种多样的办法，例如领航—跟随法、虚拟结构法和模型预测法等，还有基于行为法、人工势场法等结合机器人运动控制的编队方式。这些方法都能实现多机器人的编队控制，但是也都存在自身的缺陷。

机器视觉是一种采集物体图像后对物体进行分析和处理的技术，其涉及计算机视觉、图像处理、模式识别、人工智能、信号处理、机电一体化等多个领域，在智能化的时代有着不可估量的前景[2]。因此，如果提供一个视觉定位系统，机器人通过设备获取图像，对图像进行识别，控制系统对图像进行分析与计算，并且对机器人发出指令，调节机器人的定位以减少位置偏差，从而可以克服机器人实际位置和理想位置之间相差很大的问题。

1 多机器人编队控制

多机器人编队控制是国内外学者们讨论多年的一个经典问题，因为编队控制在地雷排查、林业田间巡查、大规模简单生产流水线等领域具有极大发展潜能，其特点是需要人工多、任务简单重复等，在人工智能大数据时代里，运用编队控制机器人能极大解放人力资源。随着科技的发展与机器人研究的逐步深入，科学家将研究热点逐渐从单机器人转为多机器人协同合作，机器人编队控制便是其中的重中之重。

2 机器人编队控制方法

（1）领航—跟随法

领航—跟随法中，一台机器人被选定作为领航机器人，主要负责整个编队的路径规划任务，而其余机器人则被视为跟随机器人，跟随者通过控制自身与领航机器人之间的视距和视线角，保持想要的编队队形。

领航机器人主要由控制器模块、运动机构模块、电源模块、监测模块、通信模块以及人机交互模块组成。跟随机器人的大部分组成模块和领航机器人差不多，硬件设施配置与领航机器人相同，在软件方面则有l-φ 与l-l 两种编队模式。

（2）人工势场法

人工势场法是由Khatib[3]发明的，假设一个潜在的重力场，与机器人、跟随目标物体之间形成约束关系，通过构建势场函数，将路线规划、轨迹跟踪和内部协调计划整合成一个整体，再根据约束信息确定反馈控制规律，驱动编队而达到协同控制效果。

在斥力规则中，排斥力与距离平方成反比。也就是说，在人工势场法中，对于机器人而言，越接近障碍物，排斥力越大，排斥效果越明显。当然障碍物排斥力的影响存在范围限制，当距离超过给定范围时排斥力为零[4]。但人工势场法有着明显的缺点，若是不恰当地选择了势函数，包括对各种比例参数的不当调整，就会造成跟随队列之间的碰撞，特别是地处狭长之处时，跟随者会出现往复运动甚至停滞的现象。所以，该方法存在局限性。

（3）基于行为法

基于行为法是一种基于机器人行为的控制方法，主要是先对机器人进行局部控制的设计，再通过组合使机器人群体做出所需的集体行为。Balch[5]和Arkin 首次提出了将行为的控制方法用于机器人编队控制。基于行为法在控制机器人的行为时,首先全面具体的分析出其可能发生的所有预期行为。在对其作出了一定的分析后, 针对每一种具体行为进行控制器的设计, 则多机器人系统最终的控制由这些子行为的控制器融合而得到。子行为会根据环境和任务要求而产生不同的融合方法, 对各个子行为赋以相应的权值，从而有效实现多智能体系统的构形控制[6]。

3 编队控制的发展趋势

（1）高精度、低成本、全自主、高度协调性、融合了人工智能的机器人编队协作控制技术是今后发展趋势，具备更强鲁棒性能与更好抗干扰的能力。

（2）提高机器人编队系统的环境适应性，大、小型系统的协同问题可随时切换，硬科技大幅度升级，使用高灵敏度传感器，以提升可用度与精度。同时，更高的系统可靠性、更高数据更新速率，将是机器人编队协同控制的发展方向[7]。

（3）未来机器人编队与协同控制技术的发展,预计还会表现在系统高可靠性、通信功率增强、加解密和调制等技术上。

（4）多智能体系系统非线性性质更强，机器人本身物模型与所研究的现实情况更为接近，相对位置、相对相态等信息也更为精确，更好地实际应用到复杂工程中去。

4 总结与展望

综上所述，多机器人编队控制已经取得了一定的研究成果。然而编队控制涉及的知识面广泛，需要传感器和通信等技术的支持，而每个方面都很值得深入研究，这些方面使得多机器人系统更加智能化。

所以，我们提出将计算机视觉融入多机器人编队控制的方法。以领航跟随法为基础，对跟随机器人独有的摄像头模块进行设计和研究。使用摄像头采集图像，通过计算机将视频信号处理转化为数据特征，利用视角定位系统识别计算，从而调整机器人自身的位置。通过机器人摄像头模块的设计和研究，提高多个机器人相互协作的精确性。

我们提出的使用视觉的方法是低成本、全自主的一种方法，符合多机器人编队控制的发展趋势。相对而言，相机是功能强大且价格合理的传感器，同时选择基于图像计算，计算成本也相对较低[8]。领航者与跟随者都配备相机，前者获取外部环境，达到避障的功能，后者则获取领航者的图像，减小编队定位的误差。