多移动机器人编队及避障控制研究

作     者：解晨晨 

作者单位：西安理工大学 

学位级别：硕士

导师姓名：辛菁

授予年度：2024年

学科分类：080202[工学-机械电子工程] 08[工学] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 0835[工学-软件工程] 080201[工学-机械制造及其自动化] 

主      题：多移动机器人 深度强化学习 领航跟随 编队控制 多传感器信息融合 

摘      要：随着人工智能和机器人技术的长久发展,机器人具备更加快速的运算速率和多模态的信息感知能力,使得其能够完成更加复杂多样的自动化任务。为了进一步提高机器人系统的效率、稳定性和鲁棒性,多机器人编队成为一种备受关注的解决方案。在多样化的实际应用场景下,仅依赖全局坐标和地图信息来进行编队控制显得力不从心,特别是在面对未知环境时,这种方法难以有效扩展。因此,如何在复杂的未知环境中确保机器人能够安全地形成稳定的编队队形,并且在应对环境中动态障碍物时表现出强大的鲁棒性,以顺利完成编队任务,已然成为移动机器人广泛应用的核心挑战和亟待解决的问题。故本文依托移动机器人,提出一种领航跟随策略下基于多传感器融合的编队及避障控制算法,实现了动态障碍物场景下的移动机器人自适应编队,提高了移动机器人在复杂未知的动态环境下进行编队任务的稳定性和鲁棒性。 主要研究工作及成果总结如下: (1)针对无全局地图信息的复杂动态环境下多移动机器人编队难以维持稳定队形的问题,提出一种基于领航跟随的分布式多传感器融合编队控制方法。首先,以相机、激光雷达和超宽带传感器的融合信息为输入,并利用深度强化学习网络为主框架构建网络模型,形成一种端到端的编队控制框架。不同于传统的多传感器融合,本文采用无需标定和校准的深度学习的方法,将多模态的数据编码到统一空间输入至深度网络中进行特征提取。同时为了能够准确判别动态障碍物,引入长短期记忆网络和时间注意力机制增强编队控制网络对动态障碍物的时序特征感知能力。并采用多阶段训练方法,以各个训练阶段的任务为导向,逐步使智能体能够在动态障碍物下能够进行安全可靠的自适应编队队形管理。最后构建基于多传感器融合的编队及避障系统,并进行仿真和实物下的编队生成、维持和恢复实验,实验验证编队系统能够有效削弱环境中动态障碍物对系统作业的影响,提高编队的灵活性、适应性和抗干扰能力。 (2)搭建仿真和实物实验平台,验证算法在多种编队任务场景的性能。首先,基于机器人操作系统(ROS)下的Gazebo平台搭建模拟实验环境,然后分别进行编队生成、编队维持和编队恢复实验,以测试所训练的智能体维持编队成员间距恒定的稳定性和面对动态障碍物的队形形成以及打乱队形后重新恢复的鲁棒性。同时进行动态场景下的编队扩展实验验证所提算法的可拓展性。仿真实验结果表明所提算法能够在动态障碍物环境下自适应地生成并维持稳定的编队队形。为了进一步验证所提算法在现实环境中的泛化性能,本文基于TurtleBot4移动机器人搭建实物实验平台,实物实验结果表明所提编队控制算法能够有效规避动态障碍物,实现稳定的编队队形控制。