forager有多少个机器人_第二十课 多机器人规划

20.1 多机器人规划分类

如果按照机器人的是否是中心化的控制方式，可分为中心化和去中心化：

• 中心化：中央控制器控制所有机器人
• 去中心化：所有机器人规划决定自己的行为
• 去中心化的优势
  • 应对通讯丢失或限制
  • 应对节点丢失问题
  • 计算上可扩展
• 去中心化的挑战
  • 如何保证所有的机器人都完成整体的任务

按照目标来分：

• 多机器人路径规划：为多个机器人规划出不碰撞的路径
• 多机器人协作任务规划：完成整体协作任务的多个机器人的规划

按照机器人的规模来划分：

• 小规模：2-10
• 大规模：10-1000，去中心化

中心化的规划方式又可以分成关节状态空间规划和分布式规划

• 关节空间规划：在关节位型状态空间中规划
• 分布式规划：分成几个单独的规划器，然后共享规划结果，从而生成最终规划

20.2 多机器人路径规划

20.2.1 简单场景

给定两个机器人的起始和终点位置，请规划出路径使两个机器人无碰撞地到达目标。

20.2.2 关节状态空间规划

最简单的方法就是构建图，然后在图上进行搜索。每一个状态编码的是所有机器人的位置，每个行为对应的是所有可能的移动，扩展过程如下图所示。

• 假设是4联通图，最大的分支系数（行为/后继者）是多少？
• 图的大小？
• 可扩展性是一个很大的问题

20.2.3 分布式规划

在分布式规划中，一个比较流行的方法是优先级规划，每一次规划都需要把时间当作规划的一个维度。

For i = 1:N

Compute path for robot

that avoids collisions with paths for robots

• 是否完备？
• 是否最优？
• 复杂性如何？

20.3 多机器人协作/任务分配

• N个机械臂合作去移动物体
• N个机器人在未知环境中探索建图

20.3.1 分布式贪婪建图

One approach: Distributed Greedy Mapping

For i = 1:N

Compute a path using Greedy Mapping approach for robot

taking into account what paths were computed for

(and what cells they would see)

单个机器人贪婪建图

• 按照最短路径移动机器人至最近未探索位置
• 获得信息增益
• 保证能达到的位置建图

20.3.2 基于市场的方法

基于市场的方法是一种非常流行的分布式方法，其具有以下特点

• 考虑将任务分配给N个机器人
• 通用策略：机器人同队友竞价任务以提高自己的收入

给定N个机器人

和M个任务

和机器人

执行任务

的成本

，规划器需要决定哪个任务由哪个机器人执行，其目标是找到最优策略

满足

• 开始以任意策略执行
• 所有的机器人以最高价来竞拍任务
• 所有的机器人
  按照出价
• 机器人将任务卖给出家低于最大价格
  的最小买家然后获得利润

20.3.3 基于领导的方法

基于领导的方法是一种完全去中心化的方法，不需要机器人之间的通讯

• 只需要规划“领头”机器人
• 其他机器人只是在避障的同时执行“跟随领导”或者“跟随视野内邻居机器人”指令

20.4 总结

学完本课，你应该知道

• 多机器人规划的不同类型
  • 中心化和去中心化
  • 关节状态空间规划和分布式规划
  • 多机器人路径规划和协作式任务规划
• 优先级多机器人路径规划
• 基于市场的多机器人规划方法