多机器人系统的研究内容与发展趋势

与关注。在20世纪40年代中期，Grey Walter、Wiener和Shannon一起研究海龟一样的机器人，这些机器人装备有灯和接触传感器。通过对相互之间动作的反应，这些简单的机器人显示出“复杂的社会行为”。

自从20世纪70年代，多智能体的研究在分布式人工智能领域得到重视，一些机器人学的研究者开始将分布式人工智能（DAI）理论应用到多机器人系统的研究中。

由于多机器人系统的应用前景非常巨大，美、欧、日等发达国家从20世纪80年代中期就对多机器人系统投入了相当大的研究热情，协作机器人学得到发展，起初的项目有ACTRESS、DEBOT、GOFER、SWARM等。早期的研究主要以仿真为主，但近来的研究更强调实际的物理实现。如欧盟设立专门进行多机器人系统研究的MARTHA

课题——“用于搬运的多自主机器人系统(Multiple Autonomous Robots for Transport and Handling Application)”。美国海军研究部和能源部也对多机器人系统的研究进行了资助。国内在该领域的研究工作很少，只有少数的研究所和大学在进行相关的研究，且大部分的研究工作仍然停留在仿真和实验室阶段。

20世纪80年代后期，协作多机器人系统的快速发展体现为三个方面的相互影响：

问题、系统和理论。为解决一个给定的问题，想象出一个系统，然后进行仿真、构建，借用别的领域的理论进行协作。将这些实际应用中多机器人合作所面临的任务加以抽象，列出了一些代表性的任务，这些任务可分三类：

? 交通控制(Traffic Control)

当多个机器人运行在同一环境中时，它们要努力避碰。从根本上说，这可以看作是资源冲突的问题，这可以通过引进如交通规则、优先权或通信结构等来解决。从另一

个角度来看，进行路径规划必须考虑其它机器人和全局环境。这种多机器人规划本质上是配置空间－时间中的几何问题。

? 推箱子/协作操作(Box-Pushing/Cooperative Manipulation)

许多工作是讨论推箱子问题的。有的集中在任务分配、容错和强化学习上，而有的则研究通信协议和硬件。协作操作较大的物体也非常令人感兴趣，因为即使机器人之间相互不知道对方的存在也可以实现协作行为。

? 采蜜(Foraging)

它要求一群机器人去拣起散落在环境中的物体。这可以联想到有毒废物清除，收割，搜寻和营救等。采蜜任务是协作机器人学的规范的试验床。这个问题之所以感兴趣是因为，一方面这种任务可以由单个机器人来完成，另一方面可以从生物学获得灵感来研究协作机器人系统。解决方案有最简单的随机运动拾捡，还有将机器人沿着目标排成链型队形将目标传递到目的地。在研究这类问题时，群体的体系结构和学习也是主要的研究主题。

多机器人系统是一个复杂的系统，研究的内容涉及方方面面，主要有： (1) 群体的体系结构

体系结构是多机器人系统的最高层部分和基础, 多机器人之间的协作机制就是通

过它来体现的, 它决定了多机器人系统在任务分解、分配、规划、决策及执行等过程中的运行机制以及系统各机器人成员所担当的角色，如各机器人成员在系统中的相对地位如何，是平等、自主的互惠互利式协作还是有等级差别的统筹规划协调。总之，正

如社会制度作用于人类社会一样, 它决定了多机器人系统的运作机制, 事关协作效率

的高低。从系统设计的角度而言, 系统结构要有利于个体能力最大程度的发挥和任务的最高效完成。另外，协作机器人系统面向的是动态变化的环境，因而系统结构要对环境有自组织适应能力。

一般地，根据系统中是否有组织智能体为标准，将体系结构分为集中式控制和分布式控制，分别如图1.1和图1.2所示。

图1.1 集中式控制 图1.2 分布式控制

集中式结构以有一个组织智能体为特点，由该组织智能体负责规划和决策，其协调效率比较高，减少了用于协商的开销，最突出的优点是可以获得最优规划。但难以解决计算量大的问题，因此其实时性和动态特性较差，不适用于动态、开放的环境。

分布式结构没有组织智能体，个体高度自治，每个机器人根据局部信息规划自己的行为，并能借助于通信手段合作完成任务，其所有智能体相对于控制是平等的，这种结构较好地模拟了自然社会系统，具有反应速度快、灵活性高、适应性强等特点，适用于动态、开放的任务环境。但这种结构增加了系统的复杂性，由于没有一个中心规划器，所以难于得到全局最优的方案，还可能带来通信的巨大开销。目前，分布式结

构是主流。

普遍的看法是分布式结构在某些方面（如故障冗余、可靠性、并行开发的自然性和可伸缩性等）比集中式结构要好。

另外，有的学者将分布式结构和集中式结构相结合，相互取长补短，系统中的组织智能体对其它个体只有部分的控制能力。

Anthony Stentz和M. Bernardine Dias提出了用自由市场体系的方法协作一组机器人实现特定的目标[13]。自由市场体制已被证实是一种能组织大量个体，从而提高总体生产效率的机制。这种方法对特定任务的解决方案定义收入和支出函数，将任务分解成子任务，机器人在执行任务时，为了获得最大的个人收入就会出现合作和竞争，从而

实现目标。这种基于自由市场体系的控制方法由于没有集中控制而会有很高的鲁棒性，并且能够在动态环境中有效地利用资源。这种控制体系本质上是分布式的，但有时会形成集中式的子组以提高效率。

在群体体系结构中还涉及同构与异构的问题。如果群体中所有机器人的能力一样，则这样的系统为同构系统，如果群体中机器人的能力不尽相同，那么这样的系统为异构系统。相比之下，异构系统更具有普遍性，但它会使问题更复杂，任务分配更加困难，智能体更需要对群体中的其它个体建模。在异构系统中，任务分配一般按个体的能力来确定，在同构系统中，各智能体需要被区分为不同的角色，以便控制时加以识别。群体体系结构要能够适应动态自组织的要求。在系统拓扑结构可变情况下，动态选举组织智能体和建立多智能体之间的关系是建立体系结构时要考虑的问题之一。目前的研究中以同构系统居多。