.894. 工程科学学报，第40卷，第8期 众所周知，多机器人系统（又称群体机器人）的 机器人系统能够按照既定的路线运行，并且保持指 诞生主要是由于当时技术所限，单体机器人的智能 定的队形.队形的变换，通常是指在队形行进过程 性无法突破，因此希望藉由多机器人之间的协调、合 中，当多机器人系统遇到障碍物时，为了躲避障碍物 作来应对单体机器人无法完成的复杂任务.而这一 而需要临时变换成易于通过障碍物的队形，在通过 思想受到了科研界和工程界的高度关注.其中，编 障碍物之后，队形再变换回初始队形状态.在任务 队控制问题是多机器人系统协调、合作的基础和难 的执行过程中，由于环境的复杂性，队形的形成、保 点.多年来，诞生了大量的研究成果，并形成了以跟 持和变换三个子过程通常会切换发生.队形的形成 随领航者法山、虚拟结构法]、基于行为控制法[3)、 和队形的保持可以由不同编队控制策略完成，也可 人工势场法[4]为代表的多种编队控制方法.发展至 以由某一较为系统的编队控制策略完成.而队形的 今，上述编队控制方法已经相对成熟且各有优势. 变换因为受外部环境驱动，所以一般会选择另外一 针对具体工程问题，也常常将这些方法组合使用，以 种控制策略来实现.在同一复杂任务执行过程中， 达到期望的编队控制效果. 不同控制策略之间常常需要设计一定的判断条件， 然而，时至今日，科技发展速度之快超乎想象. 实现不同控制策略的切换.如图1所示，根据任务 当搭载了深度学习智能算法的阿尔法狗多次战胜当 执行环境的不同，编队控制问题可分为无人机编 今世界最顶级的棋手时，单体机器人的智能性被认 队[5-6)、机器鱼编队7-】、轮式机器人编队[0-)等 为已经有了飞速的提升，甚至具备完成某些复杂任 等.多机器人编队控制在工业、农业，甚至军事领域 务的能力.在这种形势下，以编队控制为代表的多 都具有重要的应用价值和广泛的应用前景， 机器人协同模式是否该退出历史舞台了呢？答案是 在多年编队控制的研究过程中，逐渐形成了以 否定的.与此形成鲜明对比的是，科研界和工程界 跟随领航者、基于行为法、人工势场法、虚拟结构法 对多智能体协同控制的关注比以前更为高涨，并且 为代表的多种成熟、稳定的编队控制策略，并广泛应 对多机器人编队控制有了新的认识和注解.因此， 用于边防巡逻、资源探测、搜索营救等各种实际应用 本文将重点从全新的角度对当前及未来多机器人编 中.跟随领航者法的基本思想是指定系统中某一个 队控制方法的研究进展进行阐述 或多个机器人为领航者，其余机器人为跟随者.跟 本文组织结构如下：第1部分概述传统编队控 随领航者的策略非常通俗易懂.领航者机器人一般 制的定义及常见控制方法的基本思想和优缺点，第 为可以得到全局信息或是接收到具体任务执行方式 2部分从全新角度阐述多机器人编队控制的新思 的机器人，而跟随者机器人通常以领航者的位置和 路，第3部分列举了当前多机器人编队控制领域的 姿态为基准，以指定的间距和相对姿态跟随领航者 最新研究成果，第4部分归纳总结多机器人编队控 的运动.因此，通过控制领航者的轨迹，就可以控制 制领域有待深入研究的关键问题， 整个机器人系统的整体行为.但跟随领航者方法具 有致命的缺陷，一旦领航者失效，系统就迅速瓦解， 1编队控制的定义及常见研究方法 不再具有任务执行能力.因此，跟随领航者法不能 机器人的出现是为了将人类从繁复、危险或是 单独使用.改进的方法通常有两种：一是与其他编 未知的工作环境中解脱出来.然而单体机器人在信 队控制方法结合，优势互补：二是通过增加领航者的 息的获取、处理、控制等方面的能力有限，随着工作 数量或引入领航者更替的规则来改进跟随领航者方 环境复杂程度的增加，迫切需要依靠多机器人的协 法.基于行为法的思想非常简单，即设计一系列机 同来提升系统的任务执行能力，完成单体机器人难 器人的基本行为，如避障、导航、巡航等，利用基本行 以独立完成的复杂任务 为的组合来实现全局的编队行为.基于行为法针对 多机器人编队控制是一种特殊的协同任务，即 具体问题常常非常有效，但也有为人诟病的缺点，比 在一定的编队控制策略的作用下，所有机器人能够 如很难对行为进行数学分析，且队形难以保持.虚 从某一初始状态逐渐形成期望的队形.机器人编队 拟结构法是将队形对应为刚性的虚拟结构体，每个 控制主要包含三个子任务，即队形的形成、队形的保 机器人以结构体中对应的顶点为跟随目标，从而将 持和队形的变换.队形的形成，即一群具有随机初 编队问题转化为跟踪问题来解决.该方法常用于无 始状态的机器人，在一定的编队控制策略作用下，逐 避障要求的编队任务中.人工势场法是通过在机器 渐形成有序的期望队形.一般所谓的编队控制都是 人系统内设计虚拟的势场来约束各个机器人的行 指队形的形成.队形的保持则是指队形形成之后， 为，常用的势场力有两种，一是吸引力，二是排斥力.工程科学学报,第 40 卷,第 8 期 众所周知,多机器人系统(又称群体机器人)的 诞生主要是由于当时技术所限,单体机器人的智能 性无法突破,因此希望藉由多机器人之间的协调、合 作来应对单体机器人无法完成的复杂任务. 而这一 思想受到了科研界和工程界的高度关注. 其中,编 队控制问题是多机器人系统协调、合作的基础和难 点. 多年来,诞生了大量的研究成果,并形成了以跟 随领航者法[1] 、虚拟结构法[2] 、基于行为控制法[3] 、 人工势场法[4]为代表的多种编队控制方法. 发展至 今,上述编队控制方法已经相对成熟且各有优势. 针对具体工程问题,也常常将这些方法组合使用,以 达到期望的编队控制效果. 然而,时至今日,科技发展速度之快超乎想象. 当搭载了深度学习智能算法的阿尔法狗多次战胜当 今世界最顶级的棋手时,单体机器人的智能性被认 为已经有了飞速的提升,甚至具备完成某些复杂任 务的能力. 在这种形势下,以编队控制为代表的多 机器人协同模式是否该退出历史舞台了呢? 答案是 否定的. 与此形成鲜明对比的是,科研界和工程界 对多智能体协同控制的关注比以前更为高涨,并且 对多机器人编队控制有了新的认识和注解. 因此, 本文将重点从全新的角度对当前及未来多机器人编 队控制方法的研究进展进行阐述. 本文组织结构如下:第 1 部分概述传统编队控 制的定义及常见控制方法的基本思想和优缺点,第 2 部分从全新角度阐述多机器人编队控制的新思 路,第 3 部分列举了当前多机器人编队控制领域的 最新研究成果,第 4 部分归纳总结多机器人编队控 制领域有待深入研究的关键问题. 1 编队控制的定义及常见研究方法 机器人的出现是为了将人类从繁复、危险或是 未知的工作环境中解脱出来. 然而单体机器人在信 息的获取、处理、控制等方面的能力有限,随着工作 环境复杂程度的增加,迫切需要依靠多机器人的协 同来提升系统的任务执行能力,完成单体机器人难 以独立完成的复杂任务. 多机器人编队控制是一种特殊的协同任务,即 在一定的编队控制策略的作用下,所有机器人能够 从某一初始状态逐渐形成期望的队形. 机器人编队 控制主要包含三个子任务,即队形的形成、队形的保 持和队形的变换. 队形的形成,即一群具有随机初 始状态的机器人,在一定的编队控制策略作用下,逐 渐形成有序的期望队形. 一般所谓的编队控制都是 指队形的形成. 队形的保持则是指队形形成之后, 机器人系统能够按照既定的路线运行,并且保持指 定的队形. 队形的变换,通常是指在队形行进过程 中,当多机器人系统遇到障碍物时,为了躲避障碍物 而需要临时变换成易于通过障碍物的队形,在通过 障碍物之后,队形再变换回初始队形状态. 在任务 的执行过程中,由于环境的复杂性,队形的形成、保 持和变换三个子过程通常会切换发生. 队形的形成 和队形的保持可以由不同编队控制策略完成,也可 以由某一较为系统的编队控制策略完成. 而队形的 变换因为受外部环境驱动,所以一般会选择另外一 种控制策略来实现. 在同一复杂任务执行过程中, 不同控制策略之间常常需要设计一定的判断条件, 实现不同控制策略的切换. 如图 1 所示,根据任务 执行环境的不同,编队控制问题可分为无人机编 队[5鄄鄄6] 、机器鱼编队[7鄄鄄9] 、轮式机器人编队[10鄄鄄13] 等 等. 多机器人编队控制在工业、农业,甚至军事领域 都具有重要的应用价值和广泛的应用前景. 在多年编队控制的研究过程中,逐渐形成了以 跟随领航者、基于行为法、人工势场法、虚拟结构法 为代表的多种成熟、稳定的编队控制策略,并广泛应 用于边防巡逻、资源探测、搜索营救等各种实际应用 中. 跟随领航者法的基本思想是指定系统中某一个 或多个机器人为领航者,其余机器人为跟随者. 跟 随领航者的策略非常通俗易懂. 领航者机器人一般 为可以得到全局信息或是接收到具体任务执行方式 的机器人,而跟随者机器人通常以领航者的位置和 姿态为基准,以指定的间距和相对姿态跟随领航者 的运动. 因此,通过控制领航者的轨迹,就可以控制 整个机器人系统的整体行为. 但跟随领航者方法具 有致命的缺陷,一旦领航者失效,系统就迅速瓦解, 不再具有任务执行能力. 因此,跟随领航者法不能 单独使用. 改进的方法通常有两种:一是与其他编 队控制方法结合,优势互补;二是通过增加领航者的 数量或引入领航者更替的规则来改进跟随领航者方 法. 基于行为法的思想非常简单,即设计一系列机 器人的基本行为,如避障、导航、巡航等,利用基本行 为的组合来实现全局的编队行为. 基于行为法针对 具体问题常常非常有效,但也有为人诟病的缺点,比 如很难对行为进行数学分析,且队形难以保持. 虚 拟结构法是将队形对应为刚性的虚拟结构体,每个 机器人以结构体中对应的顶点为跟随目标,从而将 编队问题转化为跟踪问题来解决. 该方法常用于无 避障要求的编队任务中. 人工势场法是通过在机器 人系统内设计虚拟的势场来约束各个机器人的行 为,常用的势场力有两种,一是吸引力,二是排斥力. ·894·