论文部分内容阅读
对未知环境的探索是移动机器人研究领域一个基础性课题。许多复杂的应用场景中,例如:机器人路径规划和导航、行星探索、灾害搜救等,机器人能否完成任务取决于地图探索问题能否解决。与单机器人系统相比,多机器人系统因具有适应性强、可扩展性好、可靠性高等优点被广泛地应用于广阔、恶劣的复杂环境中,对它的研究已经成为国内外机器人学研究领域的热点。传统的多机器人地图探索协作算法,存在通信量大,有中心节点,全局通信,重复探索率高等问题,只适用于小规模的机器人群体。本课题提出一种基于群体智能的多机器人地图探索算法,其基本思想是:将待探索地图分成等大小的子区域,机器人群体首先从地图边缘某个小区域扩散到不同的子区域中,然后并行地执行对子区域的探索任务,直至所有子区域都探索完毕,在此过程中机器人根据粒子群优化模型选择下一步将要探索的子区域。本文所提出的算法使用无中心、同构、基于局部通信的多机器人系统执行地图探索任务,具有效率高、可扩展性好、重复探索率低等优点。本课题的主要研究工作包括:(1)基于气体扩散模型的多机器人部署算法的设计。其主要作用是:将处于待探索地图边缘某个小区域内的机器人群体扩散到地图的不同的子区域中去。(2)基于粒子群优化的多机器人地图探索算法的设计。主要解决了探索阶段的两个问题:对机器人所在未知子区域的覆盖策略以及机器人个体之间任务的分配。(3)算法的仿真环境实现和性能分析。针对所设定的实验场景,在Player/Stage仿真平台上实现了本文的算法和对比算法,并对实验数据作了详细地对比分析,验证算法的各项特性。仿真实验结果表明:本课题提出的多机器人部署算法,能够将聚集在一起的机器人群体快速地扩散到地图的不同子区域中去;而基于粒子群优化的地图探索算法,能够很好地协调多机器人完成对所有子区域的探索,与其他算法相比,具有更好的可扩展性、更强的适应性和更低的重复覆盖率,适用于多机器人地图探索的应用场景。