.898· 工程科学学报，第40卷，第8期 本文对于编队控制领域相关研究进展进行了简 来实现队形的演化，因此通信技术的发展至关重要. 要概述，重点介绍了由于多智能体技术的发展，给多 通信的模式、带宽、通信半径都可能对控制协议的设 机器人编队控制领域带来的新的研究成果.总结来 计形成约束，甚至影响任务完成的效果.特别是水 说，研究思路如下： 下通信技术依然尚未突破，这也严重制约了水下三 (1)首先明确研究对象，并对研究对象进行建 维编队协同控制技术的发展和应用.目前来看，视 模.建模方法有解析法和实验法两类.解析法即利 觉信息是学者们尝试解决通信技术瓶颈的突破点之 用已有数学模型代替被控对象，以便于通过数学推 一，但目前仍在探索阶段. 导或是仿真技术对被控对象的行为进行预测和分 (4)即使都基于多智能体技术，目前解决多智 析.实验法则是通过大量实验数据，建立被控对象 能体编队控制问题的方法仍然多样且关注点不一. 的精确模型，常用于仿真分析中 最重要的是最终控制效果仍然很大程度上依赖于硬 (2)其次，明确研究目标，即编队控制的具体任 件技术发展的程度.虽然目前已有学者尝试通过硬 务形式和相关约束条件.比如，被控对象的规模、被 件技术的提升和应用各种智能控制算法来规避这些 控对象的智能性和交互能力、通信网络的时延、运行 硬件条件不完善所带来的控制效果的差异，但仍然 环境中的静态或是动态障碍物、形成紧致或松散的 任重道远. 队形、围捕或跟踪任务等等 (5)前编队控制时代主要面向小规模的多智能 (3)根据具体任务，利用多智能体技术设计对 体系统.而来到后编队控制时代，如何解决大规模 应的通信机制和控制协议.例如最近邻居交互 系统的编队控制问题则成为首要解决的问题.分布 法[5]、一致性、人工势场法等等 式的控制协议非常有利于多智能体系统的扩展，适 (4)利用数学和控制理论，如李亚普诺夫定理 合解决大规模系统的协同问题.但仍然存在诸多难 等，对整个过程进行分析和证明，证明系统最终会达 点.例如，分布式控制协议针对大规模系统非常有 到期望的编队构型. 效，那么针对小规模系统的编队控制问题，分布式协 (5)利用MATLAB等仿真工具，对整个演化过 议和集中式协议哪个更有效？射频通信和视觉通信 程进行仿真验证 两种方式如何利用更有效？大部分分布式协议都是 (6)有条件的情况下，将所设计的控制协议在 基于智能体之间的相对位置、相对姿态等信息，如何 对应的机器人平台上进行验证 利用有限的硬件条件获得尽可能准确的上述信息？ 4未来研究方向 等等 对于编队控制及其应用的研究，尽管多年来有 参考文献 着众多突破性的研究进展，但仍然存在许多问题有 [1]Shao J,Xie G.Wang L.Leader-following formation control of 待进一步深入研究，主要有以下几个方面： multiple mobile vehicles.IET Control Theory Appl,2007,1(2): (1)大多数编队控制方法都是依赖于模型的设 545 [2]Lewis M A,Tan K H.High precision formation control of mobile 计方法，但机器人本身的物理模型和研究者所构建 robots using virtual structures.Autonomous Robots,1997,4(4): 的模型之间必然存在着或多或少的差距，这差距可 387 能会导致控制方法失效.虽然多智能体技术本身的 [3]Balch T,Arkin R C.Behavior-based formation control for multi- 鲁棒性和良好的抗干扰能力允许模型存在一定的误 robot teams.IEEE Trans Rob Autom,1998,14(6):926 差，仍需要开展深人地数学分析和仿真验证.能否 [4]Leonard N E,Fiorelli E.Virtual leaders,artificial potentials and 发展出系统地、不依赖于精确模型的编队控制方法 coordinated control of groups//Proceedings of the 40th IEEE Con- ference on Decision and Control.Orlando,2001:2968 依然是目前亟待解决的问题之一 [5]Kushleyev A,Mellinger D.Powers C,et al.Towards a swarm of (2)多智能体理论已经非常成熟，但大部分都 agile micro quadrotors.Autonomous Robots,2013,35(4):287 是基于线性模型展开的研究成果.由于机器人基本 [6]Dong X W,Yu B C.Shi Z Y,et al.Time-varying formation con- 上都是复杂的非线性系统，这些基于线性模型所得 trol for unmanned aerial vehicles:theories and applications.IEEE 到的研究成果并不能直接应用到机器人中，如何利 Trans Control Syst Technol,2015,23(1):340 [7]Shao J Y,Yu JZ,Wang L.Formation control of multiple biomim- 用已有的研究成果探索多机器人编队控制问题也面 etic robotic fish//IEEE/RSJ International Conference on Intelli- 临严峻挑战 gent Robots and Systems.Beijing.2006:2503 (3)由于多智能体技术是基于个体之间的交互 [8]Zhao W,Hu Y H,Wang L.Leader-following formation control of工程科学学报,第 40 卷,第 8 期 本文对于编队控制领域相关研究进展进行了简 要概述,重点介绍了由于多智能体技术的发展,给多 机器人编队控制领域带来的新的研究成果. 总结来 说,研究思路如下: (1)首先明确研究对象,并对研究对象进行建 模. 建模方法有解析法和实验法两类. 解析法即利 用已有数学模型代替被控对象,以便于通过数学推 导或是仿真技术对被控对象的行为进行预测和分 析. 实验法则是通过大量实验数据,建立被控对象 的精确模型,常用于仿真分析中. (2)其次,明确研究目标,即编队控制的具体任 务形式和相关约束条件. 比如,被控对象的规模、被 控对象的智能性和交互能力、通信网络的时延、运行 环境中的静态或是动态障碍物、形成紧致或松散的 队形、围捕或跟踪任务等等. (3)根据具体任务,利用多智能体技术设计对 应的通信机制和控制协议. 例如最近邻居交互 法[51] 、一致性、人工势场法等等. (4)利用数学和控制理论,如李亚普诺夫定理 等,对整个过程进行分析和证明,证明系统最终会达 到期望的编队构型. (5)利用 MATLAB 等仿真工具,对整个演化过 程进行仿真验证. (6)有条件的情况下,将所设计的控制协议在 对应的机器人平台上进行验证. 4 未来研究方向 对于编队控制及其应用的研究,尽管多年来有 着众多突破性的研究进展,但仍然存在许多问题有 待进一步深入研究,主要有以下几个方面: (1)大多数编队控制方法都是依赖于模型的设 计方法,但机器人本身的物理模型和研究者所构建 的模型之间必然存在着或多或少的差距,这差距可 能会导致控制方法失效. 虽然多智能体技术本身的 鲁棒性和良好的抗干扰能力允许模型存在一定的误 差,仍需要开展深入地数学分析和仿真验证. 能否 发展出系统地、不依赖于精确模型的编队控制方法 依然是目前亟待解决的问题之一. (2)多智能体理论已经非常成熟,但大部分都 是基于线性模型展开的研究成果. 由于机器人基本 上都是复杂的非线性系统,这些基于线性模型所得 到的研究成果并不能直接应用到机器人中,如何利 用已有的研究成果探索多机器人编队控制问题也面 临严峻挑战. (3)由于多智能体技术是基于个体之间的交互 来实现队形的演化,因此通信技术的发展至关重要. 通信的模式、带宽、通信半径都可能对控制协议的设 计形成约束,甚至影响任务完成的效果. 特别是水 下通信技术依然尚未突破,这也严重制约了水下三 维编队协同控制技术的发展和应用. 目前来看,视 觉信息是学者们尝试解决通信技术瓶颈的突破点之 一,但目前仍在探索阶段. (4)即使都基于多智能体技术,目前解决多智 能体编队控制问题的方法仍然多样且关注点不一. 最重要的是最终控制效果仍然很大程度上依赖于硬 件技术发展的程度. 虽然目前已有学者尝试通过硬 件技术的提升和应用各种智能控制算法来规避这些 硬件条件不完善所带来的控制效果的差异,但仍然 任重道远. (5)前编队控制时代主要面向小规模的多智能 体系统. 而来到后编队控制时代,如何解决大规模 系统的编队控制问题则成为首要解决的问题. 分布 式的控制协议非常有利于多智能体系统的扩展,适 合解决大规模系统的协同问题. 但仍然存在诸多难 点. 例如,分布式控制协议针对大规模系统非常有 效,那么针对小规模系统的编队控制问题,分布式协 议和集中式协议哪个更有效? 射频通信和视觉通信 两种方式如何利用更有效? 大部分分布式协议都是 基于智能体之间的相对位置、相对姿态等信息,如何 利用有限的硬件条件获得尽可能准确的上述信息? 等等. 参 考 文 献 [1] Shao J, Xie G, Wang L. Leader鄄following formation control of multiple mobile vehicles. IET Control Theory Appl, 2007, 1(2): 545 [2] Lewis M A, Tan K H. High precision formation control of mobile robots using virtual structures. Autonomous Robots, 1997, 4(4): 387 [3] Balch T, Arkin R C. Behavior鄄based formation control for multi鄄 robot teams. IEEE Trans Rob Autom, 1998, 14(6): 926 [4] Leonard N E, Fiorelli E. Virtual leaders, artificial potentials and coordinated control of groups / / Proceedings of the 40th IEEE Con鄄 ference on Decision and Control. Orlando, 2001: 2968 [5] Kushleyev A, Mellinger D, Powers C, et al. Towards a swarm of agile micro quadrotors. Autonomous Robots, 2013, 35(4): 287 [6] Dong X W, Yu B C, Shi Z Y, et al. Time鄄varying formation con鄄 trol for unmanned aerial vehicles: theories and applications. IEEE Trans Control Syst Technol, 2015, 23(1): 340 [7] Shao J Y, Yu J Z, Wang L. Formation control of multiple biomim鄄 etic robotic fish / / IEEE/ RSJ International Conference on Intelli鄄 gent Robots and Systems. Beijing, 2006: 2503 [8] Zhao W, Hu Y H, Wang L. Leader鄄following formation control of ·898·