检索结果-南通市图书馆

基于多智能体强化学习的多机器人协作策略研究

在线全文

学校读者我要写书评

暂无评论

系统工程理论与实践 2014年第5期34卷 1305-1310页

作者：段勇徐心和沈阳工业大学信息科学与工程学院沈阳110870 东北大学信息科学与工程学院沈阳110004

研究了一种基于智能体动作预测的多智能体强化学习算法.在多智能体系统中,学习智能体选择动作不可避免地要受到其他智能体执行动作的影响,因此强化学习系统需要考虑多智能体的联合状态和联合动作.基于此,提出使用概率神经网络来预测其... 详细信息

研究了一种基于智能体动作预测的多智能体强化学习算法.在多智能体系统中,学习智能体选择动作不可避免地要受到其他智能体执行动作的影响,因此强化学习系统需要考虑多智能体的联合状态和联合动作.基于此,提出使用概率神经网络来预测其他智能体动作的方法,从而构成多智能体联合动作,实现了多智能体强化学习算法.此外,研究了该方法在足球机器人协作策略学习中的应用,使多机器人系统能够通过与环境的交互学习来掌握行为策略,从而实现多机器人的分工和协作.

关键词：多智能体系统强化学习概率神经网络多机器人协作

在线全文

学校读者我要写书评

暂无评论

基于动作选择级的多机器人协作(英文)

软件学报 2002年第9期13卷 1773-1778页

作者：褚海涛洪炳熔哈尔滨工业大学计算机科学与工程系黑龙江哈尔滨150001

在多机器人环境中,由于每个机器人动作选择的重叠现象,让机器人之间的协作变得很差.提出了一个方法用于确定动作选择级别.在此基础上,可以很好地控制多机器人的协作行为的获取.首先,定义了用于动作选择级优先级的8个级别,这8个级别相应... 详细信息

在多机器人环境中,由于每个机器人动作选择的重叠现象,让机器人之间的协作变得很差.提出了一个方法用于确定动作选择级别.在此基础上,可以很好地控制多机器人的协作行为的获取.首先,定义了用于动作选择级优先级的8个级别,这8个级别相应的映射到8个动作子空间.然后,利用局部势场法,每个机器人的动作选择优先级被计算出来,并且因此,每个机器人获得了各自需要搜索的动作子空间.在动作子空间中,每个机器人利用加强学习方法来选择一个适当的动作.最终,把该方法用于机器人足球比赛的机器人局部协作训练中.试验的效果在仿真和实际比赛中得到了证实.

关键词：动作选择级多机器人协作多智能体加强密闭

在线全文

学校读者我要写书评

暂无评论

基于协进化路标法的多机器人协作运动规划

机器人 2006年第2期28卷 195-199,205页

作者：王梅吴铁军浙江大学工业控制技术国家重点实验室智能系统与决策研究所浙江杭州310027

针对多关节式机器人协作运动规划方面的难点,在随机路标法的启发下,提出了新颖的协进化路标规划法.这种方法充分利用了协进化算法在优化搜索方面的启发功能和遗传算法对约束条件的处理方法,解决了高维组合C空间的优化搜索问题、静态和... 详细信息

针对多关节式机器人协作运动规划方面的难点,在随机路标法的启发下,提出了新颖的协进化路标规划法.这种方法充分利用了协进化算法在优化搜索方面的启发功能和遗传算法对约束条件的处理方法,解决了高维组合C空间的优化搜索问题、静态和动态约束问题和运动轨迹的时间优化问题.并且,通过实验验证了算法的有效性.

关键词：协进化路标法运动规划多机器人协作

在线全文

学校读者我要写书评

暂无评论

多机器人协作无夹具焊接系统设计

控制工程 2013年第3期20卷 397-403页

作者：甘亚辉戴先中东南大学自动化学院复杂工程系统测量与控制教育部重点实验室江苏南京210096

与传统的单机器人系统相比,多机器人协作系统的设计存在诸如协作机器人之间的基坐标系标定、协作机器人末端位姿间的运动协调以及多机器人系统间的同步通讯控制等若干特殊性的关键问题。在初步论述多机器人协作系统设计中的若干问题的... 详细信息

与传统的单机器人系统相比,多机器人协作系统的设计存在诸如协作机器人之间的基坐标系标定、协作机器人末端位姿间的运动协调以及多机器人系统间的同步通讯控制等若干特殊性的关键问题。在初步论述多机器人协作系统设计中的若干问题的基础上,特别针对协作机器人间的基坐标系标定、工具手位姿约束分析和控制器通讯同步3个问题,进行了深入讨论,并介绍了实验室相关研究工作的结论。基于本文提供的解决方法,利用VA1400弧焊专用机器人和HP20通用型机器人基于主从式的分布控制结构组成了无夹具焊接实验系统,初步验证了提出的各问题解决方法的有效性。

关键词：多机器人协作无夹具基坐标系标定运动协调同步通讯控制

在线全文

学校读者我要写书评

暂无评论

多机器人协作运动规划及相关问题研究

制造业自动化 2005年第5期27卷 42-47页

作者：王梅吴铁军浙江大学工业控制技术国家重点实验室智能系统与决策研究所杭州310027

多机器人协作运动规划是当前研究的热点之一。本文从机器人和障碍物的描述方式、碰撞检测、基本运动规划、多机器人协作运动规划等几个方面介绍了不同算法的特点,通过对不同技术进行比较和分析,指出各种算法的优点与不足。

关键词：多机器人协作运动规划

在线全文

学校读者我要写书评

暂无评论

直接脑控多机器人协作任务研究

生物医学工程学杂志 2018年第6期35卷 943-952页

作者：张超熊馨任泓锦伏云发昆明理工大学信息工程与自动化学院昆明650500

脑控是一种新的控制方法。传统脑控机器人主要是控制单个机器人完成特定任务,而脑控多机器人协作(MRC)任务是一个有待研究的新课题。本文介绍了参加世界机器人大赛"脑—机接口(BCI)脑控机器人比赛"获得"创新创意奖"的一个试验研究,试验... 详细信息

脑控是一种新的控制方法。传统脑控机器人主要是控制单个机器人完成特定任务,而脑控多机器人协作(MRC)任务是一个有待研究的新课题。本文介绍了参加世界机器人大赛"脑—机接口(BCI)脑控机器人比赛"获得"创新创意奖"的一个试验研究,试验设置了2个脑开关,采用基于稳态视觉诱发电位(SSVEP)的BCI(SSVEP-BCI)控制人形机器人和机械臂完成协作任务。通过10名受试者的控制试验结果表明,通过适当设置脑开关,采用性能优良的SSVEP-BCI能够实现MRC任务的有效完成。本研究可望为未来实用化的脑控MRC任务系统的研究提供启发。

关键词：脑控脑-机器人交互多机器人协作脑开关稳态视觉诱发电位

在线全文

学校读者我要写书评

暂无评论

多机器人协作的关键技术研究

多机器人协作的关键技术研究

作者：崔一鸣南京理工大学

学位级别：硕士

多机器人协作是解决一些复杂的、需要高效率的、并行完成的任务的重要方法之一,因此对它的研究正受到越来越多的关注。本文综述了多机器人协作的研究现状,总结了多机器人协作的相关技术的一些关键技术、主要研究结果和存在的问题。主... 详细信息

多机器人协作是解决一些复杂的、需要高效率的、并行完成的任务的重要方法之一,因此对它的研究正受到越来越多的关注。本文综述了多机器人协作的研究现状,总结了多机器人协作的相关技术的一些关键技术、主要研究结果和存在的问题。主要分为如下几个方面: 1、多机器人协作系统的体系结构:多个机器人要实现相互间的合作就必须确定机器人之间逻辑上的和物理上的信息关系和控制关系。文中提出了一种适用于多机器人协作追捕系统的体系结构,对结构中各部分进行了简单描述,并给出了系统中任务分配的方法。 2、多机器人协作定位:机器人的感知能力对多机器人间协作的主要作用有:通过感知可估计协作者意图和动作效果,从而降低对通信的依赖;感知是实现行为的基础,良好的感知是系统快速响应环境变化的前提。文中研究了基于相对观测量的定位方法,可实现多机器人协作自身定位,并在此基础上,对追捕目标进行定位。 3、多机器人路径规划的目标是为每一个机器人规划出与环境障碍以及其他机器人不发生碰撞的运动轨迹,多机器人系统路径规划分为全局路径规划和局部路径规划,文中以遗传算法进行全局路径规划,用滚动窗口法进行局部路径规划,在全局实现较优路径的生成,在局部保证了机器人和障碍物以及机器人之间没有碰撞。 4、针对追捕中目标可能逃跑的行为,为追捕机器人设计了行动策略,提出了基于动态虚拟范围的方法,提高了追捕的效率。以多机器人追捕系统为应用背景,对上面的多机器人协作相关技术进行了验证。最后,对本文工作进行了总结,同时对未来的研究工作进行了展望。

关键词：多机器人协作体系结构协作定位路径规划追捕

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多机器人协作算法及仿真研究

多机器人协作算法及仿真研究

作者：李力坤哈尔滨工业大学

学位级别：硕士

多机器人系统是智能机器人研究领域的一个重要分支。与单个复杂机器人相比,多个简单的机器人组成的系统具有设计周期短,系统可靠性高,任务执行效率高,适应任务空间分布等优点,然而如果多个机器人之间没有一个好的协作算法对它们执行任... 详细信息

多机器人系统是智能机器人研究领域的一个重要分支。与单个复杂机器人相比,多个简单的机器人组成的系统具有设计周期短,系统可靠性高,任务执行效率高,适应任务空间分布等优点,然而如果多个机器人之间没有一个好的协作算法对它们执行任务进行协调,那么执行任务的效率会大大降低,甚至会有相互干扰和相互冲突的情况发生。本文立足于多机器人研究的典型环境,从目前比较热门的多机器人地图构建、多机器人编队和多机器人搜集任务等领域对多机器人算法进行了研究。地图构建是未知环境下机器人完成复杂任务的前提条件,多机器人协作地图构建比起单机器人地图构建无疑速度更快,然而如果没有一个好的协作算法,多机器人可能会因为重复搜索同一区域而造成效率降低和碰撞增加。利用遗传算法使多个机器人尽量保持相互远离并且距离原来的位置最近的状态下进行环境探索,仿真实验证明该算法可以减少多机器人重复探索的几率,并使机器人间碰撞几率得到很大程度的降低。人为制定复杂环境下机器人的行为规则比较困难,对于多机器人协作规则,进行人为制定更加困难,强化学习为这一问题提供了一条解决途径。机器人通过与环境交互,不断试错,能够学习到适应环境的行为规则。我们将强化学习应用到多机器人编队和多机器人搜集两个任务环境,通过仿真验证,当提供适合的强化函数时,机器人不仅能够学到正确的自身动作规则还能够学到较好的协作行为规则。本文建立了动态障碍物的避碰规则,并应用动态优先级法解决了机器人之间发生路径冲突时的冲突消解问题。通过仿真实验验证了动态避碰规则和动态优先级法的有效性。为复杂动态环境下的多机器人协作算法的研究奠定了一定基础。本论文还利用Visual C++语言建立了多机器人系统仿真平台,通过复杂环境下的仿真验证了该平台的通用性,并进一步验证了多机器人协作算法的有效性。

关键词：多机器人协作地图构建多机器人编队多机器人搜集遗传算法强化学习

多机器人协作地图构建问题研究与仿真平台设计

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多机器人协作地图构建问题研究与仿真平台设计

作者：孙中坚南京理工大学

学位级别：硕士

地图构建是智能自主移动机器人执行的基础任务之一，利用多机器人之间的协作可以更有效的完成地图构建任务。本文以移动机器人AS-R为仿真研究对象，对多机器人协作地图构建问题进行了研究。本文首先分析了多机器人的体系结构，设计了... 详细信息

地图构建是智能自主移动机器人执行的基础任务之一，利用多机器人之间的协作可以更有效的完成地图构建任务。本文以移动机器人AS-R为仿真研究对象，对多机器人协作地图构建问题进行了研究。本文首先分析了多机器人的体系结构，设计了由一个中心站和一组自治移动机器人组成的分层式多机器人群体体系结构。针对多机器人对未知环境的地图构建问题，提出了一种改进的基于栅格的地图描述方法，以确定某栅格所代表的区域是否属于待分区域;在此基础上设计了一种改进的基于动态分区的多机器人协作地图构建方法，以减少机器人的重复探测，提高系统的效率。为了验证算法的有效性，在Visual C++6.0的开发环境下，开发了基于局域网通信的多机器人仿真实验平台。仿真平台分为服务器与客户端两部分，分别模拟中心站与自治移动机器人，前者主要实现建立环境地图、规划机器人的任务等功能，后者主要实现机器人的路线规划、轨迹生成等功能，并且通过局域网通信实现二者之间的数据交换。最后，结合算法进行仿真实验，仿真结果显示机器人的轨迹可以遍历环境中的非障碍物区域，验证了算法的有效性。

关键词：机器人多机器人协作仿真地图构建动态分区