日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

一、機器人向智能化的發展

    機器人是多學科交叉的產物，集成了運動學與動力學、機械設計與制造 、計算機硬件與軟件、控制與傳感器、模式識別與人工智能等學科領域的先進理論與技術。同時，它又是一類典型的自動化機器，是專用自動機器、數控機器的延伸與發展。當前，社會需求和技術進步都對機器人向智能化發展提出了新的要求。

1．自動化應用領域的擴展對智能機器人及系統提出了新的需求
    隨著社會進步的步伐日益加快，對自動化的需求正在從制造業向工程、社會、生活等廣泛領域擴展。原來在工廠結構化環境下工作的自動機器或工業機器人，適合于大規模、較少柔性和變動的生產環境，對智能程度并無過高要求，而在廣泛領域內所需要的自動機器，則要滿足不同的非結構環境下的不同需求，必須具有綜合集成和自主的能力，向以技術集成為特征的智能機器人發展。

2．信息技術與機器人的互動發展提升了機器人的高技術含量
    信息技術需要載體，用信息化改造傳統工業和各行各業，最后都要落實到用自動機器去完成信息的物化，機器人就是其載體之一。而另一方面，信息技術的發展，特別是高性能計算機、通訊網絡和電子器件、模式識別和信號處理、軟件等技術的進展，又可促進機器人本身“智力”和“體質”的增強，為機器人向智能化、多樣化發展創造條件，機器人技術與信息技術的這種互動發展在信息技術飛速發展的今天更為突出，這使機器人的高技術含量不斷得到提升，始終處于高技術研究的前沿。

3．圍繞機器人的概念創新、技術創新是國際科技競爭的重要方面
    機器人由于本身具有無限的想象空間，歷來是概念創新、技術創新的源泉，無論是在空間、水下、救災、服務、醫療、娛樂 … 領域，都可根據需要設想出具有對應功能的智能機器人，而且這種想象空間由低到高，永無止境。當前，由于自動化的概念正在急速向廣泛領域擴展，而信息技術的發展又極大地提高了機器人的智能程度，使這種想象空間的擴展有了需求和實現的可能，從而會更加激勵圍繞機器人的概念創新和技術創新，并蘊含著產生各種競爭前核心技術的可能性，從而必然是國際科技創新的重要競爭點。

4．機器人是自動化領域中富有代表性和生命力的亮點
    機器人是多學科交叉的產物，但隨著機器人應用環境和任務的復雜化，在非結構復雜環境下的信息綜合與處理、針對復雜任務的規劃和協調的難度和影響變得突出，需要采用信息反饋、優化控制、協調集成的理論、方法與技術去解決，控制學科在系統優化和綜合集成方面的優勢，將越來越在智能機器人中發揮主導作用。而智能機器人作為一種自動化系統，無論在理論與技術的覆蓋面與前沿性、與各種先進信息技術的結合以及物理實現的多樣性方面，都是其它任何一類自動化系統所不能比擬的。因此，機器人在自動化科學技術中的代表性和地位將隨著其應用范圍的拓寬、所采用信息技術的更新和智能程度的提高，得到進一步的認可。

二、智能機器人協作系統及其關鍵技術

    在機器人向智能化的發展中，多機器人協作系統是一類具有覆蓋性的技術集成平臺。如果說單個機器人的智能化還只是使個體的人變得更聰明，那么多機器人協作系統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體智能，而且反映了集體智能，是對人類社會生產活動的想象和創新探索。

    多機器人協作系統有著廣泛的應用背景，它與自動化向非制造領域的擴展有著密切的聯系，由于應用環境轉向非結構化，多移動機器人系統應能適應任務的變化以及環境的不確定性，必須具有高度的決策智能，因而，對多移動機器人協作的研究已不單純是控制的協調，而是整個系統的協調與合作。在這里，多機器人系統的組織與控制方式在很大程度上決定了系統的有效性。

    多機器人協作系統還是實現分布式人工智能的典范。分布式人工智能的核心是把整個系統分成若干智能、自治的子系統，它們在物理和地理上分散，可獨立地執行任務，同時又可通過通信交換信息，相互協調，從而共同完成整體任務，這無疑對完成大規模和復雜的任務是富有吸引力的，因而很快在軍事、通信及其他應用領域得到了廣泛重視。多機器人協作系統正是這種理念的具體實現，其中每一機器人都可看作是自主的智能體，這種多智能體機器人系統MARS（Multi-Agent Robotic Systems）現已成為機器人學中一個新的研究熱點。

    多移動機器人系統由于具有移動功能，能在非結構環境下完成復雜任務，是多機器人協作系統中最具典型意義和應用前景、也是得到最廣泛研究的一類系統。以下就以多移動機器人系統為代表，介紹智能機器人協作系統的主要關鍵技術：
1.體系結構
    體系結構是系統中機器人之間邏輯上和物理上的信息關系和控制關系，以及問題求解能力的分布模式，它是多移動機器人協作行為的基礎。一般地，多移動機器人協作系統的體系結構分為集中式（Centralized）和分布式（Distributed）兩種。集中式體系結構可用一個單一的主控機器人（Leader）來規劃，該機器人具有關于系統活動的所有信息。而分布式體系結構則沒有這樣一個機器人，其中所有機器人相對于控制是平等的。盡管集中式體系結構可實現全局最優求解，但因考慮到不確定性影響，實際上人們更偏好分布式結構。近年來，在分布式體系結構中，為了克服機器人在實際環境中對環境建模的困難，提高多移動機器人協作系統的魯棒性和作業能力，一些學者采用了基于行為的反應式控制體系結構[4][5]，將合作行為建立在一種反應模式上，加快了移動機器人對外界的響應，避免了復雜的推理，從而提高了系統的實時性。

2.感知
    感知是智能機器人行動的基礎，包括“感覺”（傳感）和“知道與理解”（信息融合與利用）。在移動機器人中最主要的感知問題是定位和環境建模問題[7]。雖然已有里程計推算、基于視覺的路標識別、基于地圖匹配的全局定位、陀螺導航、GPS等多種定位方法，但在未知非結構環境中，目前只有GPS才能實現可實用的全局定位。但GPS同時受到精度、安全等因素的限制。如何借助機器人之間的配合提高定位和環境建模能力，是研究多移動機器人系統智能的重要內容。近年來，提出了多種環境地圖建立與定位的同步處理方法[8]，其中環境建模與定位過程是相互伴隨的，兩者在彼此迭代的過程中逐步清晰化，但往往要求苛刻的環境條件。此外，在不少協作任務中只需要合作者間的相對位置信息，如編隊及局部避碰等，因此基于傳感器的局部定位也受到關注，機器人之間通過超聲、紅外、激光或視覺等傳感器相互探測，然后通過統計、濾波等算法進行信息融合，由此得到系統中各機器人的相對位置。

3.規劃
    規劃問題主要包括任務規劃和路徑規劃，一直是人工智能及機器人學研究的主要問題，對其進行了大量和長期的研究，成果已應用在多機器人協作系統的規劃問題研究中[9]，與體系結構相對應，多移動機器人系統的規劃通常包括集中式規劃（Centralized Planning）和分布式規劃（Distributed Planning）兩種方式。集中式規劃一般能獲得效率高、全局最優的規劃結果，但它主要適用于靜態環境，難以應付環境的變化。分布式規劃中，每個機器人根據自身擁有的環境信息規劃自己的行動，其優點是能適應環境的變化，缺點是不能獲得全局最優解和可能出現死鎖現象。

4.學習與演化
    學習和演化是系統具有適應性、靈活性等智能特性的體現。目前，在協作機器人學中主要采用增強型學習（Reinforcement Learning）方法和遺傳規劃（Genetic Programming），并且在多機器人搬運系統和機器人足球中獲得了成功應用[10][11]。目前的多機器人學習和演化還停留在比較低的行為層次，其學習和演化的任務和環境也非常簡單，當其面對更為復雜的任務和環境時，存在時滯評價和組合爆炸問題，另外，對多智能體的分布式學習與演化，也與傳統的集中式的學習與演化方法有明顯區別，還有待尋找更為有效的行為優化方法。

5.協調與協作策略
    多移動機器人系統在協作完成復雜任務時，涉及到各機器人任務、規劃、控制間的協調[12] [13]，多智能體理論的研究已為這些協調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合到具體系統中加以實現，同時又能體現普適性，涉及到用什么工具正確描述各層次的系統行為。目前在任務協調層最典型的描述工具是離散事件動態系統理論中的有限狀態機（FSA）方法，但如何對不同層次的行為借鑒混合系統理論和方法進行統一描述[14]，還是在研究的熱門課題。此外，在同一環境中運行的多個移動機器人，經常會產生資源利用時的沖突。如果沒有適當的協調策略，系統將不能正常工作。對于可預見的沖突，可通過規劃加以避免。但因系統動態運行時的情況常常不能事先準確預測，僅依靠規劃的方法解決沖突將十分有限。對于動態沖突的消解主要包括磋商法、慣例法（Convention）和熟人模型法。在動態環境中的死鎖檢測與消解，仍是十分具有挑戰性的難題。

6.系統軟件平臺開發
    多機器人系統的研究已經持續進行了近20年，前期的工作主要集中在系統硬件和與之相關的某些單項技術的研究，隨著多移動機器人硬件系統的逐步完善，當前的軟件研究明顯滯后，所開發的軟件往往針對具體的硬件系統和單一任務，技術集成度低、通用性差，無法有效發揮硬件的效能。為此，人們迫切感到需要研制具有高度開放性、通用性、機器人硬件無關性和可擴展性的系統軟件平臺，對現有的零散技術成果進行系統集成，同時為規范系統軟件的設計框架提供標準。美國和歐洲各國近3年來啟動了多項針對多移動機器人協作系統軟件開發的大型項目，產生了一些有代表性的軟件開發平臺[16－18]，并已獲得應用。

7.實驗研究
    多移動機器人協作系統的實驗研究最初是從計算機的模擬仿真起步，利用計算機軟件建立一個假想的機器人群體。通過這種途徑，可以較自由地賦予機器人主體以理想的機制，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理性或生物性原理對機器人群體協作行為規范的影響，卻很難直接應用于構造實際的作業系統。近年來，隨著機器人及其構件性能的改善，使用實機多機器人系統的研究不斷增加，從而使理論研究與實際環境、現有物理機器人之間的距離逐漸縮小。目前，國際上多數機器人基礎研究實驗室都在從計算機仿真和實機實驗兩個途徑同時開展研究[19－20].

三、發展趨勢

概括來講，多移動機器人協作系統研究的主要發展趨勢可以歸納為以下幾點：
(1)分布式多智能體的體系結構逐步占據優勢；
(2)從硬件和單項技術的研究向建立通用性軟件開發平臺的方向發展；
(3)基于行為的方法將與傳統的規劃和控制方法相互融合；
(4)強調面向任務多變、非結構化環境、局部感知條件的群體協作理論、方法與技術研究；
(5)要求具有較高的自組織、自學習、自適應能力；
(6)在強調自主性的同時，仍需不斷提高人與多機器人間的協調性；
(7)在實驗研究中強調實機途徑，開發在真實環境下具有高魯棒性和高適應能力的實用技術；
(8)特種應用、制造業和服務業的需求日益迫切。

    我國在該領域的研究工作已經起步，在863計劃、自然科學基金等資助下，經過多年的持續研究，國內已經有一批單位，在局部領域達到了較高的研究水平，實驗研究情況也有了明顯改善[6]，[21]，在體系結構、協調控制和實驗研究等方面都取得了初步成果。

    經過20來年的發展，多移動機器人協作系統領域研究取得了一定成績，但也遇到了諸多困難，尤其是在復雜系統控制與分布式智能領域的相關基礎研究明顯不足，缺乏強有力的理論和技術支持，而且大部分技術對環境的要求比較苛刻，實驗多是在人工或半人工的環境下進行的，這諸多原因限制了多移動機器人系統的發展和向實用系統的轉化。綜上所述，面對真實世界的非結構化和動態特點，高適應性、高魯棒性、高柔性的協作理論、方法與技術將是今后的研究重點。