[发明专利]运行多智能体系统中的机器人的方法、机器人和多智能体系统

说明书

本发明涉及一种用于运行具有多个机器人（1）的多智能体系统的方法，其中所述机器人（1）中的每个机器人都循环地执行下列方法：‑以目前的系统状态（q1‑q10）为出发点，确定（S11）可能的选项，其中所述选项限定了通过其能够实现从当前的系统状态至随后的系统状态（q1‑q10）的转移的行动；‑针对可能的选项中的每个可能的选项，确定（S12）用于执行通过所述选项说明的行动的行动成本；‑执行（S14，S15）拍卖，其中由其余机器人（1）中的每个机器人来考虑针对每个选项所确定的行动成本值；以及‑根据所有对于有关选项所确定的或者接收到的成本值，执行（16）与所述选项中的一个选项相对应的行动，其中针对确定的选项的行动成本分别考虑经验参数，所述经验参数取决于多个机器人的针对过去的行动的成本，所述过去的行动已经被执行并且与确定的选项关联。

技术领域

本发明涉及多智能体系统，并且尤其是涉及用于通过借助协同拍卖方法（Auktionsverfahrens）分配任务来控制多智能体系统的机器人的方法。

背景技术

尤其是在环境状况存在不确定性的情况下以及在任务规范（Aufgabenspezifikation）中存在时间相关性的情况下，协调机器人团队来共同地完成一项任务是困难的。将任务规范分解成子任务要求合适的机制，其中尤其是由于真实环境的不确定性，不能令人满意地关联针对各个机器人的操作指令。

为了描绘在机器人的各个操作之间的时间相关性，已知一种描述语言、即所谓的线性时序逻辑（LTL，Linear Temporal Logic），所述描述语言以LTL 规范的形式描绘任务规范。从LTL规范中，可以以本身已知的方式导出行动计划、也就是说针对各个机器人的操作指令的集合。

针对机器人应用的LTL能够实现，尤其是利用马尔可夫决策过程（MDP：MarkovDecision Processes），将时间边界条件集成到概率模型中。利用马尔可夫决策过程，可以描绘包括执行行动的未知的持续时间和环境中的随机事件在内的不确定性。

为了在针对LTL任务规范的不确定性的情况下创建操作指令，可以设置针对如下单个机器人的规划：该单个机器人将任务规范的自动机表示（Automatenrepraesentation）与马尔可夫决策过程组合。也可以规划针对单个机器人的操作指令，以便使LTL任务描述的使用最大化。

为了与特定模型无关地协调多个机器人，通常已知的是拍卖方法。P.Schillinger等人的“Auctioning over Probabilistic Options for Temporal Logic-Based Multi-Robot Cooperation under Uncertainty”（IEEE InternationalConference on Robotics and Automation，2018年）公开了一种用于协调机器人团队来完成一项共同任务的方法。在此，可以考虑时间相关性和环境的不确定性。所示出的方法使得能够，通过借助拍卖方法来执行任务分配，在任务执行期间考虑不确定性和观测。

目前，有效的用于在非确定性环境中协调多智能体系统的机器人以解决具有在时间上相关的规范的任务的规划算法不是已知的。

发明内容

根据本发明，设置了一种根据权利要求1所述的用于运行多智能体系统中的机器人的方法，以及设置了根据并列独立权利要求所述的一种机器人和一种多智能体系统。

其他构建方案在从属权利要求中予以说明。

根据第一方面，设置了一种用于运行具有多个机器人的多智能体系统的方法，其中要执行通过一系列系统状态来限定的预先给定的任务（Mission），其中所述机器人中的每个机器人都循环地执行下列方法：

- 执行一个或者多个拍卖回合，其中在每个拍卖回合中都执行下列步骤：

○ 以所观测的系统状态为出发点，确定可能的选项，其中这些选项限定了如下行动：通过所述行动，可以实现从所观测的状态到后续状态的转移；