多機器人協(xié)作中角色動態(tài)分配機制的設計與實現(xiàn)

陳鵬慧 蔡 瓊

（湖南信息職業(yè)技術學院，湖南 長沙 410200）

習近平主席在中國科學院第十七次院士大會上講到，“機器人革命”有望成為“第三次工業(yè)革命”、“我們不僅要把我國機器人水平提高上去，而且要盡可能多地占領市場”，由此可以看出，機器人技術是各國研究的一個重要領域。機器人在完成復雜的任務時，單個機器人不能很好地完成，多機器人協(xié)作則可以解決這類問題。多機器人協(xié)作完成目標任務時，各個機器人在完成任務時角色的分配顯得尤為重要［1］。該文分析了多機器人協(xié)作中常見的幾種角色分配機制的優(yōu)缺點，并提出了一種基于多影響因素的角色動態(tài)分配機制。

1 常用角色分配機制分析

多機器人協(xié)作完成某項任務時，單個機器人完成哪個子任務，決定了該機器人在此次任務中的角色。角色分配是給機器人分配各自的角色，角色分配的是否合理決定了任務完成的好壞。常見的角色分配機制有兩大類：角色靜態(tài)分配機制與角色動態(tài)分配機制。

1.1 靜態(tài)角色分配機制

該分配機制是指整個任務完成過程中，單個機器人的任務是固定的，即角色是靜態(tài)的。其缺點是，當某個機器人在執(zhí)行所屬角色的子任務過程中，該機器人自身及周圍環(huán)境信息都發(fā)生了變化，已經(jīng)不適合去執(zhí)行這個任務，但還必須執(zhí)行，而其他更適合這個子任務的機器人也只能執(zhí)行自己角色的任務，該機制適應性不強，執(zhí)行效率較低［2］。但該機制也有優(yōu)點，靜態(tài)分配下各機器人的子任務確定，最終能將子任務完成，不會出現(xiàn)機器人執(zhí)行混亂的狀態(tài)。

1.2 一般角色動態(tài)分配機制

一般動態(tài)分配機制在執(zhí)行任務的過程中，各個機器人根據(jù)自身的信息、環(huán)境信息、其他機器人的信息來相互轉(zhuǎn)換角色，最終協(xié)作完成任務。該機制的優(yōu)點是，可以根據(jù)各種信息的變化選擇最為合適的機器人去執(zhí)行對應的子任務，達到有效完成任務的目的。

常見角色動態(tài)分配機制中，多以環(huán)境信息中跟子任務有關的坐標點信息與機器人中心坐標點之間的距離作為動態(tài)分配依據(jù)，離某一子任務坐標點最近的機器人去執(zhí)行這個子任務，但該機器人自身的角度或其他狀態(tài)不一定適合執(zhí)行該子任務［3］。且很多時候環(huán)境中的其他信息也很重要。該類機制的缺點則是在各種信息改變較快的情況下，機器人的角色轉(zhuǎn)換太快，導致不能穩(wěn)定地去執(zhí)行子任務，在角色之間徘徊，結果出現(xiàn)執(zhí)行不穩(wěn)定狀態(tài)［4］，難以獲得全局最優(yōu)解。

2 基于多影響因素的角色動態(tài)分配機制

從對常見角色動態(tài)分配機制可以看出，多機器人協(xié)作完成任務時，多個環(huán)境信息的考慮是很有必要的，并且角色動態(tài)分配要考慮全局最優(yōu)，即要得到所有機器人分配角色的一個最優(yōu)情況。因此，本文提出了一種基于多個影響因素的角色動態(tài)分配機制。

該機制的基本思路是：n個機器人，m個子任務，每個機器人對應執(zhí)行一個子任務，子任務可以多個機器人共同執(zhí)行。每個機器人執(zhí)行任意一個子任務的情況都全面地考慮到，并按影響因素來進行計算，計算得出一組數(shù)據(jù)值，再進行篩選，根據(jù)需要選出所需要的情況：最優(yōu)解，次優(yōu)解，再次優(yōu)等。

設定m個子任務目標點存放在數(shù)組t_Ptms中；n個機器人目標點信息存放在r_Ptms中，機器人身體朝向信息存放在r_dirs中。變量num記錄n與m中較小的值。計算n個機器人取num個元素的排列有r_PermuCount種，具體的排列存 放 在 鏈 表 r_Permut中； r_Permut［i］［0］...r_Permut［i］［num］表示表示排列的第i種情況，存放在鏈表r_Permut［i］中。計算m個子任務目標點取num個元素的排列t_PermuCount種，具體的排列存放在鏈表t_Permut［j］中。

其中：k=0，1，2，…，num。

夾角影響因子ka；距離影響因子kd。

atemp［k］= 由 r_Ptms［r_Permut［i］［k］］，t_Ptms［t_Permut［i］［k］］兩點形成的向量，與r_dirs［r_Permut［i］［k］］之間的夾角。

dtemp=r_Ptms［r_Permut［i］［k］］，t_Ptms［t_Permut［i］［k］］兩點之間的距離。

影響因素暫時考慮機器人中心坐標點與子任務目標點的距離、機器人中心坐標點與子目標點形成的向量與機器人方向之間的夾角。根據(jù)公式（1）進行計算。計算出來的Funs［i，j］就是機器人為第i種排列、子任務目標點為第j種排列的權值，將這樣的值進行遍歷，首先找出最小值，記錄下其i，j，根據(jù)i，j值找到對應的排列，即找到了最優(yōu)解，最后將這個Funs［i，j］重新用一個不會出現(xiàn)的很大的值進行賦值，接著重新遍歷Funs數(shù)組，找出次優(yōu)解，依次類推，需要多少組解，就遍歷多少次。

3 實驗效果

筆者將多影響因素的角色動態(tài)分配機制應用到中國水中機器人2D仿真水中搬運項目［5］。水中搬運項目在水池仿真環(huán)境中實現(xiàn)，是一個機器人協(xié)作項目（圖1），機器人的任務是共同將6個彩色球搬運到指定標號的位置，比賽時間為10min，完成任務所需時間越少者獲勝。

圖1 水中搬運項目開始界面

根據(jù)基于多影響因素的角色動態(tài)分配機制公式，設置合理的影響因子。當球與目標點位置如圖2所示時，機器人的頂球在I、II區(qū)域是最優(yōu)區(qū)域，III、IV區(qū)域次優(yōu)，最不合適的就是V、VI，給出不同的值，最優(yōu)區(qū)域的值最小，次優(yōu)稍大，不合適的最大。距離的遠近也分成多個檔位，距離越遠，檔位值越大，反之值越小。每種機制在同樣的條件下，進行20組測試，記錄了20次完成任務的平均時間、完成任務耗時最長和最短的時間，未完成任務的那幾次不參與到平均時間的計算中。計算得到如下表1中的數(shù)據(jù)。

表1 實驗數(shù)據(jù)表

影響任務的完成時間與機器人頂球的基本動作也有關，因此實驗中三種分配方式均采用的是同一個頂球函數(shù)。靜態(tài)角色分配中，出現(xiàn)不能完成任務主要是因為有些時候球的位置很不適合頂，機器人也會去頂，導致時間不夠沒有完成任務；而一般距離的角色動態(tài)分配中會出現(xiàn)兩個機器人離某個球的距離值大小搖擺不定，導致角色分配不穩(wěn)定，不能正常去頂球完成任務。從表格中可以看出，基于多影響因素的角色動態(tài)分配，更有效地利用了場上的環(huán)境，和目標任務之間的關系，沒出現(xiàn)不能完成任務的情況，而且任務完成的時間比較短。

4 結論

從實驗效果可以看出基于多影響因子的動態(tài)角色分配在多機器人協(xié)作完成任務的效果比較好，在2015年中國水中機器人2D仿真水中搬運項目中獲得了較好的成績。筆者在試驗中主要考慮的是距離與角度等影響因子，機器人相關的其他因素線速度、角速度、加速度等也是今后研究動態(tài)角色分配的一些方面。同時考慮到該算法主要考慮的是已知環(huán)境的問題，也要將環(huán)境未知的情況考慮進來，這就需要應用人工智能中的一些算法：如強化學習算法等［6］，當然實際應用中運算速度的問題也是需要考慮的。

［1］吳麗娟，翟玉人，徐心和.足球機器人系統(tǒng)中角色分配策略的設計［J］.基礎自動化，2000，7（1）：4-6.

［2］Healey A.J，Kim J.Control and random searching with multiple robots［C］.The 39th IEEE Conference on Decision and Control.Sydney Australia.2002，9：340-345.

［3］程立英，趙姝穎，潘峰，等.足球機器人動態(tài)角色分配策略仿真研究［J］.計算機仿真，2013，30（5）：383-386.

［4］NunoLau.Multi-RobotTeam Coordinationthrough Roles，Positionings and Coordinated Procedure［C］.IEEE/RSJ International Conference on Intelligent Robots and Systems，2009.

［5］肖權.機器魚位姿控制與協(xié)作頂球研究［M］.柳州：廣西工學院，2012.

［6］陳澤平.基于MSRS 5vs5仿真足球機器人決策系統(tǒng)的研究［D］.長沙：長沙理工大學，2010.