[发明专利]群体机器人多目标围捕控制方法、装置和计算机设备

说明书

本申请涉及一种群体机器人多目标围捕控制方法、装置和计算机设备。所述方法包括：将当前机器人的位置信息、目标位置信息、障碍物位置信息以及感知区域中其他机器人发送的障碍物信息以及其他机器人的邻居位置信息输入预先构建的自适应协同基因调控网络，输出当前机器人的围捕模式和行动信息，基于人工电场算法，构建优化种群中个体位置和速度的更新公式；根据更新公式，对影响因子和权重进行优化计算，得到优化影响因子和优化权重；将优化影响因子和优化权重输入至自适应协同基因调控网络，以使自适应协同基因调控网络输出群体机器人进行目标围捕的机动信息。采用本方法能够提高群体围捕效率。

技术领域

本申请涉及机器人围捕导航技术领域，特别是涉及一种群体机器人多目标围捕控制方法、装置和计算机设备。

背景技术

多机器人系统(MRS)，又称为群体机器人，它是由大量小型、简单的机器人(伴随定语：任何一个都具有一定的自主性、有限的沟通能力和计算资源)构成的。因此，需要将MRS中的机器人个体系统化，通过紧密的相互合作和协同，能够带来单一机器人不具备的完成复杂任务、时空分布作业、功能与感知分布等优点。此外，由于单一机器人这些极具吸引的特性，如低成本、强适应性和高可靠性，MRS已经在广泛的领域中有了成功的应用，包括海洋探测、医疗服务、搜索和营救、定位和导航等。同时，随着MRS的理论与应用的快速发展，使用群体机器人对目标进行协同围捕正成为一个新兴的研究方向。

目前，目标围捕，尤其是对于随机移动的目标，是一项极具挑战的任务。这不仅仅需要MRS中的机器人密切合作以对目标紧密追踪，也需要它们对周围动态环境进行实时地感知与适应。因此，在检测到目标之后，如何且能更好地在目标周围生成一个完整和可靠的包围圈成为这项任务的关键和难点，这就导致了关于群体智能体的协同控制策略的研究引来越来越多的关注。目前，关于多机器人形状构造与模式形成的方法，按照控制方式可以大致地分为五类：1)虚拟结构方法；2)领导者-追随者方法；3)人工势场方法；4)基于行为的方法；5)受自然界生物激励的智能算法。

尽管以上对多机器人形状构造与模式形成的方法有了大量研究，但自组织MRS仍存在许多尚未解决的问题：如获取环境信息依靠智能体之间大量的通信、行为控制需要一个严密复杂的全局坐标系统、智能体协作难以考虑环境中周围的智能体或障碍物、动态目标易逃离包围圈等。

发明内容

基于此，有必要针对上述技术问题，提供一种群体机器人多目标围捕控制方法、装置和计算机设备。

一种群体机器人多目标围捕控制方法，所述方法包括：

将当前机器人的位置信息、目标位置信息、障碍物位置信息以及感知区域中其他机器人发送的障碍物信息以及其他机器人的邻居位置信息输入预先构建的自适应协同基因调控网络，输出当前机器人的围捕模式和行动信息；所述围捕模式是通过影响因子对目标位置信息、邻居位置信息以及障碍物位置信息加权得到，所述行动信息是通过权重对各个移动策略进行加权得到的；

基于人工电场算法，构建优化种群中个体位置和速度的更新公式；

根据所述更新公式，对所述影响因子和所述权重进行优化计算，得到优化影响因子和优化权重；

将所述优化影响因子和优化权重输入至所述自适应协同基因调控网络，以使所述自适应协同基因调控网络输出群体机器人进行目标围捕的机动信息。

在其中一个实施例中，还包括：将当前机器人的位置信息、目标位置信息、障碍物位置信息以及感知区域中其他机器人发送的障碍物信息以及其他机器人的邻居位置信息输入预先构建的自适应协同基因调控网络，输出当前机器人的围捕模式为：

P＝ω_tP^t+ω_nPⁿ+ω_oP^o