文献笔记 - A Survey on Aerial Swarm Robotics

最新推荐文章于 2025-12-08 21:00:45 发布

原创

最新推荐文章于 2025-12-08 21:00:45 发布 · 1k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#笔记

总结了空中集群机器人的特点：

3-D Flow and Swarm Autonomy: Motion planning and con trol methods for aerial swarms rely on autonomously generated 3-D traffic flows that do not have fixed edges or roads. Real time flight control and swarm operation must also take into account high-fidelity six-degree-of-freedom (6-DOF) flight dy namicmodels,trafficvariations,weather,andothertime-varying operational conditions found in crowded urban environments.

Scalability Through Hierarchy and Multimodality:

Hierarchical approaches are pervasive in both the machine learning and con trol fields for dealing with complexity and high dimensionality (e.g., hierarchical task networks [11], hierarchical tree or lattice networks employed in sequential game theory [12], and sin gular perturbation theory [13], [14]). They are also especially well-suited for aerial robots due to the inherent diversity of time scales in the system.

II. MODELS,STABILITY AND CONTROLLABILITY OF SWARMS

A. Types of Multiagent Systems

In a team, the behavior and strategies of each individual agent seek to explicitly maximize a local objective.

在一个团队中，每个个体的行为和策略都试图明确地最大化一个局部目标。

In contrast to a team, a formation almost always consists of cooperative interactions, and the relationship between the states of the agents is well-defined for objectives such as energy efficiency (e.g., flocks of birds in an aerodynamically optimum V-formation [17]).

与团队相比，编队几乎总是由合作相互作用组成，对于能源效率等目标，代理人状态之间的关系是明确的（例如，处于空气动力学最佳V编队中的鸟群[17]）。

A swarm generally refers to a group of sim ilar agents that displays emergent behavior arising from local interactions among the agents

群体通常是指一组相似的智能体，它们表现出由智能体之间的局部交互引起的新行为

B. Models for Swarm Dynamical Systems

关于集群飞行下的流体可视化

关于队形保持

这张图里的方程其实描述的是无人机集群协同控制的核心原理，核心思想是让每个无人机根据邻居的位置/状态调整自己，最终实现整体一致或编队稳定。我来拆解一下关键点，尽量用通俗的语言解释：

一、方程核心含义

方程表达式：

x˙i=j∈Ni∑wij(xj−xi)

物理意义：每个无人机 i 的状态变化（比如位置或速度）取决于它和邻居无人机 j 的状态差异。
符号解释：
- xi：无人机 i 的状态（如位置坐标）。
- x˙i：状态随时间的变化率（如速度）。
- Ni：无人机 i 的邻居集合（通过传感器或通信能感知到的其他无人机）。
- wij：权重（表示对邻居 j 的信任程度或通信强度）。

举个栗子🌰：
假设无人机 i 发现自己右边的邻居 j 离自己太远（即 xj−xi>0），它会加速向右移动（x˙i>0），反之则减速。通过这种局部调整，整个集群会逐渐趋于一致（比如保持相同速度或间距）。

二、拉普拉斯矩阵（Laplacian Matrix）

方程可以写成矩阵形式：

x˙=−Lx

其中 L 是拉普拉斯矩阵，它的作用是描述无人机之间的连接关系：

矩阵构造：
- 对角线元素 Lii=∑jwij（所有邻居权重之和）。
- 非对角线元素 Lij=−wij（如果 j 是 i 的邻居，否则为0）。
关键性质：L1n=0，即所有无人机状态相同时（x=c1n），状态不再变化（x˙=0），系统达到稳态。

物理意义：拉普拉斯矩阵把局部交互规则转化为全局动力学行为，比如收敛到一致状态或形成特定编队。

三、通信拓扑与时间变化

固定拓扑（L 是常数矩阵）：
无人机之间的通信关系固定（比如始终与固定几个邻居通信）。此时系统收敛性取决于 L 的特征值（需满足稳定性条件）。
动态拓扑（L(t) 随时间变化）：
通信关系可能因障碍物、信号中断等变化（比如邻居集合 Ni(t) 随时间改变）。此时需要分析时变系统的稳定性。

四、与无人机集群的关联

编队控制：
通过调整权重 wij 和通信拓扑，可以让无人机集群形成特定队形（如三角形、雁阵）。例如，权重大的邻居对当前无人机影响更大。
避障与一致性：
如果某个无人机检测到障碍物，可以通过临时改变邻居集合 Ni 或权重 wij 实现避障，同时保持整体稳定。
收敛性分析：
通过拉普拉斯矩阵的特征值（如第二小特征值代表收敛速度），可以判断集群能否达成一致，或需要多长时间达成。

还有对于任务分区域的算法

核心思想

这段描述的是如何将复杂环境划分成多个“功能区域”（functional bins），并基于这些区域设计无人机集群的任务分配和路径规划策略。类似快递分拣仓库划分不同区域，每个区域只能容纳有限机器人。

关键概念拆解

1. Functional Bins（功能区域）

定义：将任务环境划分为多个逻辑区域（例如：战区中的关键据点、仓库中的货架区、城市中的充电站）。
作用：
- 每个区域（bin）有最大容量限制（比如区域1最多容纳3架无人机，区域2最多容纳5架）。
- 简化路径规划和任务分配的复杂度（只需关注区域间的转移，而非具体坐标）。

举个栗子🌰：
假设战场被划分为5个据点（bins），每个据点最多停放2架无人机（容量限制）。现在有10架无人机需要分配到这些据点执行任务。

C. Physics-Based Models for Robotic Agents

集群系统的欧拉-拉格朗日方程：

符号解释与物理意义

1. 广义状态 qi

定义：描述机器人i位姿的广义坐标，可以是：
- 机械臂的关节角度（如θ1,θ2,...）
- 无人机的位置+姿态（如x,y,z,ϕ,θ,ψ）
- 轮式机器人的轮子转角+车身位置
举例🌰：
四旋翼无人机的qi=[x,y,z,ϕ,θ,ψ]T（位置+欧拉角）。

2. 惯性矩阵 Mi(qi)

物理意义：描述机器人在当前位姿下的“惯性”（质量分布+转动惯量）。
- 类似牛顿定律中的质量m，但扩展到高维（矩阵形式）。
举例🌰：
机械臂伸展时，末端惯性大（Mi对角元素大）；收缩时惯性小。

3. 科里奥利力与离心力项 Ci(qi,q˙i)q˙i

物理意义：由机器人运动产生的“虚拟力”：
- 离心力（旋转时向外甩的力，如旋转的摩天轮）
- 科里奥利力（非惯性系中的偏转力，如北半球的台风旋转方向）
举例🌰：
无人机快速横滚（ϕ˙大）时，会产生离心力，需电机额外出力补偿。

4. 重力项 gi(qi)

物理意义：重力对机器人的作用（如机械臂下垂趋势）。
- 与位姿相关（例如机械臂抬高时重力势能大）。
举例🌰：
起重机吊起重物时，重力项gi向下，需要电机提供反向力矩。

5. 外部力矩 τi

定义：控制输入（如电机力矩、推力）和外部耦合力的总和。
- 包含两部分：
  1. 自身控制输入：电机/执行器提供的力或力矩。
  2. 邻居耦合项：来自其他机器人j∈Ni的影响（如集群协同中的交互力）。
公式右侧：
τi(qi,q˙i,qd,qj∈Ni,q˙j∈Ni)
- qd：期望轨迹（如目标位置/姿态）
- qj∈Ni：邻居机器人的状态（用于协同控制）