多机器人目标围捕试验一试验任务说明多机器人目标围捕1试验.DOC

多机器人目标围捕实验一．实验任务说明多机器人目标围捕1) 实验目的:学习机器人仿真技术；掌握多机器人协作算法。2) 实验要求：建立一个仿真环境，环境中还包括一个随机运动的目标和四个机器人，四个机器人要对运动目标进行围捕，如果运动目标被机器人围在中心，或者被围靠在墙角，则机器人成功围捕了目标。查阅相关机器人协作算法，实现一种以上算法并相互比较。要求给出源代码、试验结果并且进行演示。二．资料查询情况1) 多机器人阅读论文《多移动机器人围捕算法的研究》（杨俊卿），了解到多机器人的相关信息：近年来，在协作机器人学研究中，基于分布式人工智能中的多智能体概念研究多机器人协作问题正受到越来越多的注意。多智能体系统理论是一种抽象层次较高的普遍理论，它可追溯到上世纪70年代的分布式人工智能及以后的分布式问题求解，其概念、体系结构、协调与协作方式和策略等的研究已取得了大量成果，但大部分都是在抽象层次上。多智能体系统理论的核心是把整个系统分成若干智能、自治的子系统，它们在物理和地理上分散，可独立地执行任务，同时又可通过通信交换信息，相互协调，从而共同完成整体任务，这无疑对完成大规模和复杂的任务是富有吸引力的，因而很快在军事、通信及其他应用领域得到了广泛的重视。用多智能体系统理论研究多机器人协作，其要点就是把系统中的每一机器人都看作是独立的智能体，这样的多机器人系统称为多智能体机器人系统MARS(Multi一Agent Robot Systems)。在MARS系统中，每个机器人都被视为一个具有自主能力的Agent，各机器人可根据系统总任务目标，动态地规划各自的运动序列，而不是由集中规划器进行规划，各机器人可充分发挥其智能和自主行为与其它机器人进行合作。多机器人系统的一个重要问题是多机器人协作，即组织多个机器人进行有效地合作去完成某个任务，当经过某种机制确定了各自任务与关系后，问题变为如何保持机器人间的运动协调一致，即多机器人协调。因此，多机器人协调和多机器人合作是多机器人系统研究中的两个不同而又有联系的概念。前者研究的重点是机器人之间合作关系确定后具体的运动控制问题，后者则是高层的组织与运行机制问题，重点是实现系统可以快速组织与重构的柔性控制机制。目前对多机器人系统控制的方法主要有两种：集中式控制和分布式控制。一集中式控制：多机器人组成一个团队，选出一个机器人或者其他智能体如中心计算机作为一个领导者，由这个领导者去指挥和规划整个机器人团队的行为。这个集中控制方法的优点是能够给出更为优化的总体行为规划，它致命的缺点是对于动态的环境反应迟缓，缺少灵活性。而且对于大规模的多智能体队伍，领导者承担过人的通讯量且计算量成倍增加，经常在此出现瓶颈，而导致任务失败。分布式控制：每个智能体凭借自身配备的局部传感器，感知器采集环境信息，独立动态地完成动作。它的主要缺点是在于缺少全局的信息，经常得到一个低智能的结果，也就得到的只是一个可行解，而不是最优解。2)人工势场法从论文《基于进化势场法的足球机器人路径规划系统》（金勇），得到人工势场的解释： 人工势场法是由Khatib于1986年提出的一种虚拟力法。这种方法基本思想是把机器人在环境中的运动视为一种在抽象人造受力场中的运动，即在环境中建立目标位置引力场和障碍物周围斥力场共同作用的人工势场，有哪些信誉好的足球投注网站势函数的下降方向来寻找无碰路径。目标点对移动机器人产生引力，障碍物对机器人产生斥力，其结果是使机器人沿“势峰”间的“势谷”前进。引力和斥力的合力作为机器人加速力来控制机器人的运动方向和计算机器人的位置。具体方法是首先在机器人的运动空间中创建一个势场U。该势场由两部分组成:一个是引力场Uatt，方向指向目标点Goal;另一个是斥力场Urep，方向指向远离障碍物obstacle的方向。整个势场U是其引力部分和斥力部分的叠加。移动机器人Robot就沿着合成的势场力方向运动，绕开障碍物，向目标点运动。如下图1所示。图13)Visual C++6.0界面设计为了模拟多机器人围捕场景，我们使用了Visual C++6.0制作围捕场地界面。在设计和实现过程中，我们的参考书本主要是《Viual C++ 6.0编程宝典》。三．实验内容和过程本程序主要分为两个相对独立模块，界面显示模块和围捕场景模块。界面显示模块负责围捕场景的同步显示和围捕场景参数的输入。围捕场景模块负责运行围捕过程。1）围捕场景模块 A) 介绍本程序的围捕规则。围捕场地为N×N的一个方格矩阵。（如下图2所示）机器人分为警察（方块）和贼（圆形）。机器人在方格中移动，每次移动一格，移动移动方向有五个，向上、向下、向左、向右，不动。机器人移动顺序为，先贼，然后警察1号，警察2号，…… 围捕结束的判定条件为：警察将贼包围，致使贼无法再走动（情况有三类，如图3）。图2