移动障碍物中机器人因素的控制算法

机器人团队的规划算法分为两类：集中式算法，其中单个计算机为整个团队做出决策;以及分散算法，其中每个机器人根据本地观察做出自己的决策。

\

使用集中式算法，如果中央计算机脱机，整个系统就会崩溃。分散算法可以更好地处理不稳定的通信，但是它们设计起来比较困难，因为每个机器人基本上都在猜测其他机器人会做什么。大多数关于分散算法的研究都集中在使集体决策更可靠，并推迟了避免机器人环境中的障碍的问题。

在5月举行的机器人与自动化国际会议上，麻省理工学院的研究人员将为机器人团队提出一种新的分散式规划算法，该算法不仅要考虑固定障碍物，还要考虑移动障碍物。该算法还需要比现有分散算法少得多的通信带宽，但保留了机器人避免冲突的强大数学保证。

在涉及迷你中队中队的模拟中，分散算法提出了与集中版本相同的飞行计划。无人机通常保留了他们喜欢的阵型的近似值，即固定高度的正方形 - 尽管为了容纳障碍物，正方形旋转并且无人机之间的距离收缩。然而，偶尔，无人驾驶飞机会飞行单个锉刀或假设一对飞行器在不同的高度飞行。

“这是一个非常令人兴奋的结果，因为它结合了许多具有挑战性的目标，”麻省理工学院电气工程和计算机科学系的Andrew和Erna Viterbi教授，计算机科学和人工智能实验室主任Daniela Rus说道，他的小组开发了新的算法。“你的机器人组有一个本地目标，即保持阵型，以及一个全球目标，这是他们想要去的地方或你想要他们移动的轨迹。而且你允许他们在一个有静态障碍的世界中运作，但也有意想不到的动态障碍，你可以保证他们将保留他们的本地和全球目标。他们将不得不做出一些偏差，但这些偏差很小。“

Rus的第一作者Javier Alonso-Mora是罗斯集团的一名博士后人。Mac Schwager，斯坦福大学航空航天学助理教授，曾与Rus一起担任麻省理工学院机械工程博士学位; 和Eduardo Montijano，西班牙萨拉戈萨的Centro Universitario de la Defensa教授。

交易区域

在典型的分散组计划算法中，每个机器人可以向其队友广播其对环境的观察，然后所有机器人将执行相同的计划算法，可能基于相同的信息。

但Rus，Alonso-Mora和他们的同事找到了一种方法来减少双方同意计划所带来的计算和沟通负担。基本思想是每个机器人根据自己的观察，在其直接环境中绘制出无障碍区域，并将该地图仅传递给最近的邻居。当机器人从邻居接收地图时，它会计算该地图与其自己的地图的交点并将其传递给该地图。

这样可以减少机器人通信的大小 - 描述100个地图的交集不需要比描述两个交叉点的数据更多的数据 - 因为每个机器人只与其邻居通信。尽管如此，每个机器人最终都会有一张地图，反映了所有团队成员检测到的所有障碍物。

四个维度

然而，地图没有三个维度，而是四个 - 第四个是时间。这就是算法解释移动障碍的方法。四维地图描述了三维地图如何在几秒钟的范围内改变以适应障碍物的位置变化。但它以数学上紧凑的方式实现。

该算法确实假设移动障碍物具有恒定速度，这在现实世界中并非总是如此。但是每个机器人每秒更新一次地图几次，足够短的时间跨度使加速对象的速度不太可能发生显着变化。

在其最新地图的基础上，每个机器人计算的轨迹将最大化其本地目标 - 保持形成 - 及其全球目标。

研究人员还在轮式机器人上测试他们的算法版本，其目标是在人类也在四处移动的房间内集体携带物体，模拟人类和机器人一起工作的环境。