CN115113626A - 一种机器人分布式控制***及其方法 - Google Patents
一种机器人分布式控制***及其方法 Download PDFInfo
- Publication number
- CN115113626A CN115113626A CN202210850293.7A CN202210850293A CN115113626A CN 115113626 A CN115113626 A CN 115113626A CN 202210850293 A CN202210850293 A CN 202210850293A CN 115113626 A CN115113626 A CN 115113626A
- Authority
- CN
- China
- Prior art keywords
- robot
- role
- task
- organizer
- control system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000006243 chemical reaction Methods 0.000 claims description 31
- 238000009826 distribution Methods 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 12
- 230000002860 competitive effect Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 38
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明涉及一种机器人分布式控制***及其方法,属于人工智能技术领域,其包括:至少两台机器人,其有多种角色:探索者角色、组织者角色、执行者角色,其均起始于探索者角色对目标物进行搜索,当探索者角色机器人发现目标物,则其转换为组织者角色,其余探索者角色机器人转换为执行者角色,组织者角色机器人组织执行者角色机器人对目标物执行任务;主协调器与机器人进行通信并监视判断机器人分布式控制***的任务状态,若其处于死锁状态,则协调组织者角色机器人的工作任务使机器人分布式控制***变为正常运行状态。本发明开发了一种机器人分布式控制***,用于组织协调多台机器人协同工作,提高工作效率,完成单台机器人所无法完成的工作任务。
Description
技术领域
本发明涉及人工智能技术领域,特别涉及一种机器人分布式控制***及其方法。
背景技术
近年来,随着人工智能特别是机器人科学的快速发展,机器人逐渐应用于社会的各个领域,人们发现单个机器人作业能力有限,导致其不能完成执行复杂多样的任务,为此设计一种机器人分布式控制***及其方法,用于组织协调多台机器人协同工作,提高工作效率,完成单个机器人所无法完成的工作任务。
发明内容
本发明为了解决现有的单台机器人***不能高效完成复杂多样性的工作问题,提供一种机器人分布式控制***及其方法。
为了解决以上技术问题,本发明采用以下技术方案来实现:
一方面,本发明实施例提供一种机器人分布式控制***,其包括:
至少两台机器人,其有多种角色:探索者角色、组织者角色、执行者角色;
所述机器人均起始于探索者角色对目标物进行搜索,当其中至少一台所述探索者角色机器人发现目标物,则其转换为组织者角色,其余所述探索者角色机器人转换为执行者角色,所述组织者角色机器人组织所述执行者角色机器人对目标物执行任务;
主协调器,其与所述机器人进行通信并监视判断所述机器人分布式控制***的任务状态,若其处于死锁状态,则协调所述组织者角色机器人的工作任务,使所述机器人分布式控制***变为正常运行状态。
在一些实施例中,机器人还设有支持者角色;
当其中至少一台所述探索者角色机器人发现目标物,则其转换为所述组织者角色并进行工作任务招标,其余所述探索者角色机器人转换为所述支持者角色并参加工作任务的竞标,选取竞标效用值最大的所述支持者角色机器人成为执行者角色,所述组织者角色机器人组织所述执行者角色机器人对目标物执行任务。
在一些实施例中,竞标效用值由竞标效用函数U计算所得,具体计算如下:
其中d为支持者角色机器人规划到达目标物位置处的最短路径距离,a为支持者角色机器人的工作任务能力,b为除去组织者角色机器人工作任务能力之后剩余需完成的工作任务量,k1、k2为竞标效用函数系数。
在一些实施例中,当支持者角色机器人接收到多台组织者角色机器人发布的工作任务招标信息时,其使用任务效用函数Ut计算每个招标工作任务的任务效用值,取任务函数值最大的工作任务参加竞标。
在一些实施例中,任务效用函数Ut的具体计算方式如下:
其中d为支持者角色机器人规划到达目标物位置处的最短路径距离,v为任务奖励值,m、n为任务效用函数系数。
在一些实施例中,执行者角色机器人在到达目标物位置处开始搬运之前,还可接收其他组织者角色机器人发布的工作任务招标信息,并使用任务转换效用函数Qt计算每个招标工作任务的任务转换效用值,取任务转换效用值为最小正值的工作任务参加竞标。
在一些实施例中,任务转换效用函数Qt的具体计算方式如下:
其中d1为执行者角色机器人规划到达当前任务的目标物位置处的最短路径距离,v1为当前任务奖励值,c1为执行当前任务共发生转换的次数,d2为执行者角色机器人规划到达新任务的目标物位置处的最短路径距离,v2为新任务奖励值,c2为执行当前任务共发生转换的次数,λ为转换效用函数值系数,m、n为任务效用函数系数。
在一些实施例中,组织者角色机器人在其团队中的执行者角色机器人转换任务后,立刻在预定范围内进行工作任务招标,如果所述预定范围内无机器人能满足该工作任务,则按照比例k扩大预定范围继续进行工作任务招标,直到有机器人能满足该工作任务。
在一些实施例中,主协调器包括黑板结构单元,监控单元,协调单元;
组织者角色机器人将其对工作任务的分配信息发布在黑板结构单元上,监控单元定期监视判断黑板结构单元上所有组织者角色机器人的工作任务招标状态,若其连续两次发现所有组织者角色机器人的工作任务处于招标未成功状态,则判定机器人分布式控制***处于死锁状态,进而调用协调单元对组织者角色机器人的工作任务进行协调,更改黑板结构单元上的工作任务,使机器人分布式控制***变为正常运行状态,并更新黑板结构单元上的工作任务的分配信息。
另一方面,本发明实施例提供了一种机器人分布式控制方法,其包括如下步骤:
所有机器人均初始为探索者角色对目标物进行搜索;
当至少一台所述探索者角色机器人发现目标物,则其转换为组织者角色并进行工作任务招标,其余所述探索者角色机器人转换为支持者角色并参加工作任务的竞标;
选取竞标效用值最大的所述支持者角色机器人成为执行者角色;
所述组织者角色机器人组织所述执行者角色机器人对目标物执行任务并将其对工作任务的分配信息发送给主协调器;
所述主协调器接收所述工作任务的分配信息并判断各工作任务状态,若其处于死锁状态,则协调各工作任务使其变为正常运行状态。
本发明提供的一种机器人分布式控制***及其方法,与现有技术相比,本发明取得的技术效果包括:
1、本发明采用了一种多级分布式协作体系结构,该体系结构包括只提供全局信息的主协调器和至少两台机器人,其中每台所述机器人既可自主决策又可作为局部协调的组织者角色机器人组织其他探索者角色机器人进行工作并与主协调器进行交互,因此采用该体系结构的机器人控制***在组织结构上是分级的,但控制上是完全分布的,该机器人控制***可用于组织协调多台机器人协同工作,提高工作效率,完成单台机器人所无法完成的工作任务。
2、本发明机器人分布式控制***组织者角色机器人作为工作任务的组织者选取竞标效用值最大的支持者角色机器人成为执行者角色来完成工作任务,即用少量机器人完成复杂任务,以避免产生大量冲突和浪费生产资源,从而缩短任务完成时间,提供工作效率。
3、执行者角色机器人在到达目标物位置处开始执行任务之前,还可接收其他组织者角色机器人发布的工作任务招标信息,并使用任务转换效用函数Qt计算每个招标工作任务的任务转换效用值,取任务转换效用值为最小正值的工作任务参加竞标,从而缩短任务完成时间,提高***工作效率。
附图说明
图1为本发明的机器人分布式控制***结构示意图;
图2为本发明机器人各角色转换流程示意图;
图3为本发明机器人设有支持者角色的各角色转换流程示意图;
图4为本发明含黑板结构单元的机器人分布式控制***结构示意图;
图5为本发明机器人分布式控制方法流程图;
图6为本发明的双协调器机器人分布式控制***结构示意图。
具体实施方式
为了使本领域技术人员更好地理解本发明的方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的其他方案,都应当属于本发明的保护范围。
为了便于本领域人员理解本发明的实施例,以下对本发明涉及的技术术语做出解释。
机器人是一种能够半自主或全自主工作的智能机器,其具有感知、分析、决策、执行等基本特征,可以辅助甚至替代人类完成重复、危险、繁重、复杂的工作,提高工作效率与质量,服务人类生活,扩大或延伸人的活动及能力范围。
多机器人***是指多个具有动力学和运动学特性,并且能够和其他个体进行信息交互的机器人的集合。
实施例1
图1示出了本发明的机器人分布式控制***结构示意图,由图可知该机器人分布式控制***包括:
至少两台机器人,其有多种角色:探索者角色、组织者角色、执行者角色;
所有机器人均起始于探索者角色对目标物进行搜索,当其中至少一台探索者角色机器人发现目标物,则其转换为组织者角色,其余探索者角色机器人转换为执行者角色,组织者角色机器人组织执行者角色机器人对目标物执行任务;
主协调器,其与机器人进行通信并监视判断机器人分布式控制***的任务状态,主要是监视判断探索者角色机器人、组织者角色机器人和执行者角色机器人的任务状态,若其处于死锁状态,则协调组织者角色机器人的工作任务,使机器人分布式控制***变为正常运行状态。
由图1可知,本实施例的机器人分布式控制***的机器人团队可由n(n≥2)台机器人组成,工作人员可根据实际工作任务需要,合理选择机器人台数。主协调器与各个机器人可通过无线网络、蓝牙、光纤等方式进行通信。利用该机器人分布式控制***控制机器人可执行任务包括搬运、抓捕、觅食、组装、拆卸、勘探等工作。
如图1所示,本实施例机器人分布式控制***采用一种多级分布式协作控制结构,其中主协调器只提供全局信息,各个机器人作为独立的个体即可自主决策又可相互协调。
如图2所示,各台机器人均起始于探索者角色机器人对目标物进行搜索,当一台机器人发现目标物时,其转换为组织者角色机器人,其他探索者角色机器人转换为执行者角色机器人,组织者角色机器人组织执行者角色机器人对目标物执行任务,以上过程中每台机器人平等,先发现目标物的机器人转换为组织者角色机器人,因此各台机器人间的控制是分布式的。肯定会出现多台机器人同时发现多个目标物,多台机器人同时转换为组织者角色机器人,可能会出现多台组织者角色机器人组织同一台执行者角色机器人执行任务出现***工作任务死锁状态,此时主协调器协调各台组织者角色机器人的工作任务,使该***工作任务恢复正常运行状态。
本实施例机器人分布式控制***由主协调器协调至少两台机器人协同工作,提高了工作效率,能完成单台机器人所无法完成的工作任务。
在本发明的一个实施例中,当其中多台探索者角色机器人同时发现同一目标物时,将任务效用值最大的探索者角色机器人转换为组织者角色机器人,组织执行者角色机器人对该目标物执行任务。其中任务效用值由任务效用函数T计算所得,具体计算如下:
其中di为探索者角色机器人或以该探索者角色机器人为中心预定范围内探索者角色机器人规划到达目标物位置处的最短路径距离,ai为探索者角色机器人或以该探索者角色机器人为中心预定范围内探索者角色机器人的工作任务能力,b为目标物需完成的工作任务量,p1、p2为任务效用函数系数,n为预定范围内可参与对目标物执行任务的探索者角色机器人数量。
本实施例中,当多台探索者角色机器人同时发现同一目标物时,各发现同一目标物的探索者角色机器人各自独立立刻在预定范围内,如1m、2m、5m、10m、50m等,统计可参与该目标物任务的探索者角色机器人规划到达该目标物位置处的最短路径距离和工作任务能力,通过任务效用函数T计算,将任务效用值最大的探索者角色机器人转换为组织者角色机器人,组织执行者角色机器人对该目标物执行任务。据经验分析,p1取值范围为(5,10),p2取值范围为(20,30)时***工作效率最高。n取值范围为(2,4)时***工作效率最高。
实施例2
图3示出了本发明机器人设有支持者角色的各角色转换流程示意图,由图3可知,本实施例机器人还设有支持者角色;
当其中至少一台探索者角色机器人发现目标物,则其转换为组织者角色并发布工作任务招标信息进行工作任务招标,其余探索者角色机器人转换为支持者角色并参加工作任务的竞标,选取竞标效用值最大的支持者角色机器人成为执行者角色,组织者角色机器人组织执行者角色机器人对目标物执行任务。其中竞标效用值由竞标效用函数U计算所得,具体计算如下:
其中d为支持者角色机器人规划到达目标物位置处的最短路径距离,a为支持者角色机器人的工作任务能力,b为除去组织者角色机器人工作任务能力之后剩余需完成的工作任务量,k1、k2为竞标效用函数系数。
本实施例组织者角色机器人在招标过程中,通过竞标效用函数U计算,始终选取效用值最大的支持者角色机器人来完成工作任务,即组织者角色机器人尽量独立完成工作任务,若工作任务量大需多台机器人合作完成工作任务时尽量选择少量机器人合作完成工作任务,以避免产生大量冲突,从而减少各台机器人间的协调时间,以提高整体的工作效率。根据经验分析,k1取值范围为(2,5),k2取值范围为(12,17)时***工作效率最高。
实施例3
本实施例中,当支持者角色机器人接收到多台组织者角色机器人发布的工作任务招标信息时,其使用任务效用函数Ut计算每个招标工作任务的任务效用值,取任务函数值最大的工作任务参加竞标。其中任务效用函数Ut的具体计算方式如下:
其中d为支持者角色机器人规划到达目标物位置处的最短路径距离,v为任务奖励值,m、n为任务效用函数系数。
本实施例支持者角色机器人使用任务效用函数Ut计算评估各个招标任务参加竞标,取可向***贡献最大绩效的工作任务即取任务函数值最大的工作任务参加竞标,以此减少支持者角色机器人无效的竞标行为,缩短工作任务完成时间,进一步地提高整体的工作效率。根据经验m取值范围为(2,5),n取值范围为(30,40)时***工作效率最高。
实施例4
在本实施例中,执行者角色机器人在到达目标物位置处开始执行任务之前,还可接收其他组织者角色机器人发布的工作任务招标信息,并使用任务转换效用函数Qt计算每个招标工作任务的任务转换效用值,取任务转换效用值为最小正值的工作任务参加竞标。其中任务转换效用函数Qt的具体计算方式如下:
其中d1为执行者角色机器人规划到达当前任务的目标物位置处的最短路径距离,v1为当前任务奖励值,c1为执行当前任务共发生转换的次数,d2为执行者角色机器人规划到达新任务的目标物位置处的最短路径距离,v2为新任务奖励值,c2为执行当前任务共发生转换的次数,λ为转换效用函数值系数,m、n为任务效用函数系数。
本实施例中,根据经验分析λ取值范围为(0.6,0.8)时机器人分布式控制***工作效率最高,完成工作任务时间最少。本实施例考虑到机器人分布式控制***运行时环境是动态变化的,设计只要执行者角色机器人还没有开始执行任务,其即可通过任务转换效用函数Qt计算每个招标工作任务的任务转换效用值,若任务转换效用值小于等于零,执行者角色机器人依然执行原有工作任务不进行工作任务的转换,若任务转换效用值大于零,则取最小正值的工作任务参加竞标,以此更进一步地缩短工作任务完成时间,提高***工作效率。本实施例执行者角色机器人执行某一工作任务时会接收到其他组织者角色机器人发布的工作任务招标信息,若其转换执行新工作任务,此时其任务转换效用值为正值时,其即可再次参加工作任务的竞标,以便从整体上缩短工作任务完成时间,提高***的工作效率。
本实施例中,为了减少机器人分布式控制***的通信量,设计组织者角色机器人在其团队中的执行者角色机器人转换任务后,不使用全局广播的方法发布工作任务招标信息,而是立刻在预定范围内进行工作任务招标,如果预定范围内无机器人能满足该工作任务,则按照比例k扩大预定范围继续进行工作任务招标,直到有机器人能满足该工作任务。其中预定范围的选取根据实际工作的需要,比如其是以组织者角色机器人为中心,半径为1m、3m、10m、15m、50m等的圆覆盖的预定范围,预定范围也可以是灵活设定长、宽的正方形区域。本实施例设计原任务组织者角色机器人只在预定范围内进行局部招标,可减少本发明***的通行量。
实施例5
图4示出了本发明含黑板结构单元的机器人分布式控制***结构示意图,从图中可知主协调器包括黑板结构单元,监控单元,协调单元,存储单元,智能运算单元;
组织者角色机器人将其对工作任务的分配信息发布在该黑板结构单元上,监控单元定期监视判断黑板结构单元上所有组织者角色机器人的工作任务招标状态,若其连续两次发现所有组织者角色机器人的工作任务处于招标未成功状态,则判定机器人分布式控制***处于死锁状态,进而调用协调单元对组织者角色机器人的工作任务进行协调,更改黑板结构单元上的工作任务,使机器人分布式控制***变为正常运行状态,并更新黑板结构单元上的工作任务的分配信息。
本实施例中,当所有组织者角色机器人均处于招标未成功死锁状态时,优选地,根据所有任务的未分配任务量,选择未分配任务量最小值对应的任务优先协调,并采用类似实施例4中的方法,在预定范围内选取能胜任该工作任务的机器人,直到使该机器人分布式控制***处于正常运行状态,最后并将以上工作任务的分配信息更新到黑板结构单元上。
本实施例中采用黑板结构单元,监控单元,协调单元,只是为了提供全局信息,只在工作任务分配存在死锁状态时才协调各个机器人的工作任务分配即不存在全局控制机构,该机器人分布式控制***整体结构上是分级的,但控制是完全分布在机器人团队中的,使该机器人分布式控制***具有高度的实时性、动态性、容错性和可扩展性。
如图6所示,在本发明的一个实施例中,机器人分布式控制***拥有主协调器和从协调器,成为双协调器机器人分布式控制***。主、从协调器相连接,优选地,主、从协调器采用心跳线链接,从协调器与机器人通过网络互联沟通。从协调器为主协调器的备用***,主协调器周期性地将信息备份至从协调器,或可手动将主协调器中信息备份至从协调器,从协调器定时检测主协调器的保活状态和同步更新信息,在其他方面,从协调器与主协调器的功能相同,当主协调器发生故障或受到攻击失效时,从协调器暂时接替主协调器工作,使机器人分布式控制***继续正常运行,一旦从协调器检测到主协调器恢复正常,从协调器状态转换变回从属地位,主协调器恢复正常,开始执行任务,提高了***的抗打击、抗干扰能力,使***具有更好的稳定性。
实施例6
图5示出了本发明机器人分布式控制方法流程图,从图中可知机器人分布式控制方法包括如下步骤:
S1、所有机器人均初始为探索者角色对目标物进行搜索。
机器人分布式控制***启动时,所有机器人均初始为探索者角色,对目标物进行搜索。
S2、当至少一台所述探索者角色机器人发现目标物,则其转换为组织者角色并进行工作任务招标,其余所述探索者角色机器人转换为支持者角色并参加工作任务的竞标。
其中,当支持者角色机器人接收到多个组织者角色机器人发布的工作任务招标信息时,优选地,其使用任务效用函数Ut计算每个招标工作任务的任务效用值,取任务函数值最大的工作任务参加竞标。其中任务效用函数Ut的具体计算方式如下:
其中d为支持者角色机器人规划到达目标物位置处的最短路径距离,v为任务奖励值,m、n为任务效用函数系数。
优选地,支持者角色机器人使用任务效用函数Ut计算评估各个招标任务,取可向***贡献最大绩效的工作任务即取任务函数值最大的工作任务参加竞标,以此减少支持者角色机器人无效的竞标行为,缩短工作任务完成时间,进一步地提高整体的工作效率。
S3、选取竞标效用值最大的所述支持者角色机器人成为执行者角色。
其中,竞标效用值由竞标效用函数U计算所得,具体计算如下:
其中d为支持者角色机器人规划到达目标物位置处的最短路径距离,a为支持者角色机器人的工作任务能力,b为除去组织者角色机器人工作任务能力之后剩余需完成的工作任务量,k1、k2为竞标效用函数系数。
组织者角色机器人在招标过程中,通过竞标效用函数U计算,始终选取效用值最大的支持者角色机器人来完成工作任务,即组织者角色机器人尽量独立完成工作任务,若工作任务量大需多个机器人合作完成工作任务时尽量选择少量机器人完成工作任务,以避免产生大量冲突,从而减少各个机器人间的协调时间,以提高整体的工作效率。
S4、所述组织者角色机器人组织所述执行者角色机器人对目标物执行任务并将其对工作任务的分配信息发送给主协调器。
S5、所述主协调器接收所述工作任务的分配信息并判断各工作任务状态,若其处于死锁状态,则协调各工作任务使其变为正常运行状态。
主协调器接收组织者角色机器人对工作任务的分配信息并定期监视判断所有组织者角色机器人的工作任务招标状态,若其连续两次发现所有组织者角色机器人的工作任务处于招标未成功状态,则判定机器人分布式控制***处于死锁状态,进而对组织者角色机器人的工作任务进行协调,使机器人分布式控制***变为正常运行状态,并更新所有组织者角色机器人的工作任务的分配信息。
本实施例中,当所有组织者角色机器人均处于招标未成功死锁状态时,优选地,根据所有任务的未分配任务量,选择最小值未分配任务量对应的任务优先协调,并采用类似实施例4中的方法,在预定范围内选取能满足该工作任务的机器人,直到使整个机器人***处于正常运行状态,最后并将以上工作任务的分配信息进行更新。
本实施例中只在工作任务分配存在死锁状态时才协调各个机器人的工作任务分配即不存在全局控制方法,该机器人分布式控制方法将控制权完全分布在机器人团队中,使应用该机器人分布式控制方法的***具有高度的实时性、动态性、容错性和可扩展性。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种机器人分布式控制***,其特征在于,包括:
至少两台机器人,其有多种角色:探索者角色、组织者角色、执行者角色;
所述机器人均起始于探索者角色对目标物进行搜索,当其中至少一台所述探索者角色机器人发现目标物,则其转换为组织者角色,其余所述探索者角色机器人转换为执行者角色,所述组织者角色机器人组织所述执行者角色机器人对目标物执行任务;
主协调器,其与所述机器人进行通信并监视判断所述机器人分布式控制***的任务状态,若其处于死锁状态,则协调所述组织者角色机器人的工作任务,使所述机器人分布式控制***变为正常运行状态。
2.根据权利要求1所述的机器人分布式控制***,其特征在于,所述机器人还设有支持者角色;
当其中至少一台所述探索者角色机器人发现目标物,则其转换为所述组织者角色并进行工作任务招标,其余所述探索者角色机器人转换为所述支持者角色并参加工作任务的竞标,选取竞标效用值最大的所述支持者角色机器人成为执行者角色,所述组织者角色机器人组织所述执行者角色机器人对目标物执行任务。
4.根据权利要求2所述的机器人分布式控制***,其特征在于,当所述支持者角色机器人接收到多台所述组织者角色机器人发布的工作任务招标信息时,其使用任务效用函数Ut计算每个招标工作任务的任务效用值,取任务函数值最大的工作任务参加竞标。
6.根据权利要求4所述的机器人分布式控制***,其特征在于,所述执行者角色机器人在到达目标物位置处开始执行任务之前,还可接收其他组织者角色机器人发布的工作任务招标信息,并使用任务转换效用函数Qt计算每个招标工作任务的任务转换效用值,取任务转换效用值为最小正值的工作任务参加竞标。
8.根据权利要求6所述的机器人分布式控制***,其特征在于,所述组织者角色机器人在其团队中的执行者角色机器人转换任务后,立刻在预定范围内进行工作任务招标,如果所述预定范围内无机器人能满足该工作任务,则按照比例k扩大预定范围继续进行工作任务招标,直到有机器人能满足该工作任务。
9.根据权利要求1-8中任一项所述的机器人分布式控制***,其特征在于,所述主协调器包括黑板结构单元,监控单元,协调单元;
所述组织者角色机器人将其对工作任务的分配信息发布在所述黑板结构单元上,所述监控单元定期监视判断所述黑板结构单元上所有所述组织者角色机器人的工作任务招标状态,若其连续两次发现所有所述组织者角色机器人的工作任务处于招标未成功状态,则判定所述机器人分布式控制***处于死锁状态,进而调用所述协调单元对所述组织者角色机器人的工作任务进行协调,更改黑板结构单元上的工作任务,使所述机器人分布式控制***变为正常运行状态,并更新所述黑板结构单元上的工作任务的分配信息。
10.一种机器人分布式控制方法,其特征在于,包括如下步骤:
所有机器人均初始为探索者角色对目标物进行搜索;
当至少一台所述探索者角色机器人发现目标物,则其转换为组织者角色并进行工作任务招标,其余所述探索者角色机器人转换为支持者角色并参加工作任务的竞标;
选取竞标效用值最大的所述支持者角色机器人成为执行者角色;
所述组织者角色机器人组织所述执行者角色机器人对目标物执行任务并将其对工作任务的分配信息发送给主协调器;
所述主协调器接收所述工作任务的分配信息并判断各工作任务状态,若其处于死锁状态,则协调各工作任务使其变为正常运行状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210850293.7A CN115113626B (zh) | 2022-07-20 | 2022-07-20 | 一种机器人分布式控制***及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210850293.7A CN115113626B (zh) | 2022-07-20 | 2022-07-20 | 一种机器人分布式控制***及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115113626A true CN115113626A (zh) | 2022-09-27 |
CN115113626B CN115113626B (zh) | 2023-04-11 |
Family
ID=83331594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210850293.7A Active CN115113626B (zh) | 2022-07-20 | 2022-07-20 | 一种机器人分布式控制***及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115113626B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116185044A (zh) * | 2023-04-26 | 2023-05-30 | 威康(深圳)智能有限公司 | 一种机器人集群***的控制方法、装置、设备及*** |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1487871A (zh) * | 2001-10-22 | 2004-04-07 | 索尼公司 | 机器人装置及其控制方法 |
CN1877475A (zh) * | 2005-06-09 | 2006-12-13 | 索尼株式会社 | 网络***、移动体装置及其控制方法、以及计算机程序 |
US20090015404A1 (en) * | 2007-07-13 | 2009-01-15 | Industrial Technology Research Institute | Method for coordinating cooperative robots |
CN102033536A (zh) * | 2010-12-22 | 2011-04-27 | 大连理工大学 | 一种多机器人***的调度组织协作***及方法 |
CN105843227A (zh) * | 2016-04-15 | 2016-08-10 | 上海大学 | 一种基于任务密集度动态调整的多机器人协作围捕任务分配方法 |
KR20190011856A (ko) * | 2017-07-25 | 2019-02-08 | 전자부품연구원 | 효율적인 로봇 운영을 위한 작업 분배 장치, 시스템 및 방법 |
CN109814556A (zh) * | 2019-01-22 | 2019-05-28 | 东南大学 | 一种多机器人协作探索未知环境与地图构建的装置与方法 |
CN111240319A (zh) * | 2019-12-31 | 2020-06-05 | 南京理工大学 | 室外多机器人协同作业***及其方法 |
CA3035556A1 (en) * | 2019-03-04 | 2020-09-04 | Von's Buffet Inc. | A motion interpretation system |
CN111633655A (zh) * | 2020-06-06 | 2020-09-08 | 杭州电子科技大学 | 一种分布式自主移动机器人交通调度方法 |
CN111931384A (zh) * | 2020-09-01 | 2020-11-13 | 中国人民解放军国防科技大学 | 基于触角模型的群体协同围捕方法和存储介质 |
CN112671987A (zh) * | 2021-01-22 | 2021-04-16 | 王海权 | 一种紧急救援呼叫*** |
US20210133663A1 (en) * | 2017-03-07 | 2021-05-06 | B.G. Negev Technologies And Applications Ltd., At Ben-Gurion University | Market equilibrium mechanism for task allocation |
CN113671987A (zh) * | 2021-07-29 | 2021-11-19 | 北京理工大学 | 基于非死锁合同网算法的多机分布式时序任务分配方法 |
CN114336980A (zh) * | 2022-03-07 | 2022-04-12 | 威康(深圳)智能有限公司 | 一种基于指令发信的智能云配电方法与*** |
-
2022
- 2022-07-20 CN CN202210850293.7A patent/CN115113626B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1487871A (zh) * | 2001-10-22 | 2004-04-07 | 索尼公司 | 机器人装置及其控制方法 |
CN1877475A (zh) * | 2005-06-09 | 2006-12-13 | 索尼株式会社 | 网络***、移动体装置及其控制方法、以及计算机程序 |
US20090015404A1 (en) * | 2007-07-13 | 2009-01-15 | Industrial Technology Research Institute | Method for coordinating cooperative robots |
CN102033536A (zh) * | 2010-12-22 | 2011-04-27 | 大连理工大学 | 一种多机器人***的调度组织协作***及方法 |
CN105843227A (zh) * | 2016-04-15 | 2016-08-10 | 上海大学 | 一种基于任务密集度动态调整的多机器人协作围捕任务分配方法 |
US20210133663A1 (en) * | 2017-03-07 | 2021-05-06 | B.G. Negev Technologies And Applications Ltd., At Ben-Gurion University | Market equilibrium mechanism for task allocation |
KR20190011856A (ko) * | 2017-07-25 | 2019-02-08 | 전자부품연구원 | 효율적인 로봇 운영을 위한 작업 분배 장치, 시스템 및 방법 |
CN109814556A (zh) * | 2019-01-22 | 2019-05-28 | 东南大学 | 一种多机器人协作探索未知环境与地图构建的装置与方法 |
CA3035556A1 (en) * | 2019-03-04 | 2020-09-04 | Von's Buffet Inc. | A motion interpretation system |
CN111240319A (zh) * | 2019-12-31 | 2020-06-05 | 南京理工大学 | 室外多机器人协同作业***及其方法 |
CN111633655A (zh) * | 2020-06-06 | 2020-09-08 | 杭州电子科技大学 | 一种分布式自主移动机器人交通调度方法 |
CN111931384A (zh) * | 2020-09-01 | 2020-11-13 | 中国人民解放军国防科技大学 | 基于触角模型的群体协同围捕方法和存储介质 |
CN112671987A (zh) * | 2021-01-22 | 2021-04-16 | 王海权 | 一种紧急救援呼叫*** |
CN113671987A (zh) * | 2021-07-29 | 2021-11-19 | 北京理工大学 | 基于非死锁合同网算法的多机分布式时序任务分配方法 |
CN114336980A (zh) * | 2022-03-07 | 2022-04-12 | 威康(深圳)智能有限公司 | 一种基于指令发信的智能云配电方法与*** |
Non-Patent Citations (1)
Title |
---|
胡俊;朱庆保;: "基于动态预测目标轨迹和围捕点的多机器人围捕算法" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116185044A (zh) * | 2023-04-26 | 2023-05-30 | 威康(深圳)智能有限公司 | 一种机器人集群***的控制方法、装置、设备及*** |
CN116185044B (zh) * | 2023-04-26 | 2023-06-27 | 威康(深圳)智能有限公司 | 一种机器人集群***的控制方法、装置、设备及*** |
Also Published As
Publication number | Publication date |
---|---|
CN115113626B (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | A heuristic distributed task allocation method for multivehicle multitask problems and its application to search and rescue scenario | |
CN111465475B (zh) | 用于运行多代理***中的机器人的方法、机器人以及多代理*** | |
CN115113626B (zh) | 一种机器人分布式控制***及其方法 | |
CN109814556A (zh) | 一种多机器人协作探索未知环境与地图构建的装置与方法 | |
Medina-Rodríguez et al. | Tool Path Optimization for Computer Numerical Control Machines based on Parallel ACO. | |
CN110070235A (zh) | 一种多移动机器人的柔性调度方法 | |
CN108985580B (zh) | 基于改进bp神经网络的多机器人灾害搜救任务分配方法 | |
CN110442134B (zh) | 一种基于双层网络的多智能体群集控制方法 | |
CN112731942A (zh) | 一种基于改进领航者虚拟结构法的多auv编队控制方法 | |
Frasheri et al. | Adaptive autonomy in a search and rescue scenario | |
CN111798097B (zh) | 一种基于市场机制的自主移动机器人任务分配处理方法 | |
Ahn et al. | Coordination of two robotic manipulators for object retrieval in clutter | |
CN112101773A (zh) | 一种用于流程工业的多智能体***任务调度方法及*** | |
CN108415760A (zh) | 一种基于移动机会网络的群智计算在线任务分配方法 | |
Zhu et al. | Deep reinforcement learning for fairness in distributed robotic multi-type resource allocation | |
Ayari et al. | A dynamic decentralised coalition formation approach for task allocation under tasks priority constraints | |
CN107423810B (zh) | 基于骆驼群算法的作业车间调度排产方法及*** | |
CN109886574B (zh) | 一种基于改进阈值法的多机器人任务分配方法 | |
Sudacevschi et al. | Distributed Decision-Making Multi-Agent System in Multi-Dimensional Environment | |
Liu et al. | Multi-robot task allocation based on utility and distributed computing and centralized determination | |
Malik | Dynamic load balancing in a network of workstations | |
CN112180974A (zh) | 基于小型无人机的资源分布式协作方法及*** | |
Kang et al. | Recen: resilient manet based centralized multi robot system using mobile agent system | |
Camelo et al. | A scalable parallel Q-learning algorithm for resource constrained decentralized computing environments | |
Su et al. | Dynamic task allocation for heterogeneous agents in disaster environments under time, space and communication constraints |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |