基于Webots的多智能体群集避障算法的验证开题报告

1. 研究目的与意义（文献综述）

近年来，随着人工智能等技术的高速发展以及人们社会生产生活需求的进一步提高，只能解决单一问题的单个机器人越来越无法满足人们复杂的生产生活需要，多智能体技术由此产生。多智能体系统不是单个机器人的简单堆砌，而是多个机器人的有机组合。多智能体系统通过统筹协调，有效避免了单个机器人的不足，且充分发挥了多机器人的优势，相对于单个机器人具有极大的优越性。多智能体系统运用于多个领域，在多个场景发挥重要作用，例如：智能无人驾驶、无人机群、海底勘测等。二十世纪九十年代，群智能算法第一次提出。群体可以是鸟群、鱼群、蚁群等简单结构，也可以是人造多智能体群。 群体中的个体与个体相互作用，以及群体与外界环境的运动，造就了群体行为的复杂性与多样性。目前关于群体系统的研究已从计算机科学、数学、生物学等各领域全面展开。智能体群集的运动规划及自主导航成为一大研究热点，其重要组成部分避障避碰近年来受到了广泛关注。

多机器人系统的研究始于20世纪70年代，国外许多高校与科研机构开始对多机器人系统进行广泛研究。经过二十多年的发展，多机器人技术的研究在理论与实践方面都取得了大量成就。加拿大alberta大学开发的collective robotics实验系统能够就是一个例子，该系统将许多机器人组成团体用以完成一些更复杂的任务。国内的华中科技大学智能与复杂系统实验室针对移动机器人群集运动的实现以及避障，提出了一类融合跟踪模式的有序化群集控制算法。zavlanos等人讨论了群体保持连通的重要性，提出了一类是能常函数来保持个体间的连通性。

避障控制一直以来都是多智能体群集运动的难点，每个机器人都需要安全地绕过各种障碍物以到达目标节点。应用避障算法解决问题的具体步骤如下:首先要根据环境完成模型的建立，然后依据所建立的模型和全局信息完成全局路径规划，当全局规划的线路上出现障碍物时则进行局部路径规划完成避障。随着算法的改进和升级，人工势场法、遗传算法、模糊逻辑算法等被广泛应用于避障领域。李建文等为了解决遗传算法在规划避障路径时存在的计算数据量庞大和有尖峰现象等问题，提出了将障碍物简化为多边形并进一步分成三角形的改进型方法。pan 等为了提高遗传算法寻找最优避障路径的效率和精度，提出了遗传蚂蚁混合算法，通过该算法可缩短寻优时间，提高算法效率。r. olfati-saber 提 出 基 于flocking 的多智能体动态系统理论及算法，并针对不同情况提出了三种群集算法：（1）不存在目标时的群集算法；（2）存在追踪目标时的群集算法；（3）多障碍情况下的群集算法。在已知环境下，khatib首次提出了人工势场的概念，即假定场内的个体在受到目标和障碍的力的作用时，令其沿着势能函数值最小的方向运动。

2. 研究的基本内容与方案

2.1基本内容

1) 建立群体轮式机器人系统模型(包括机器人的行为建模)。

对机器人仿真模型的建立，首先需要提出仿真问题，即机器人学习躲避障碍物的行为，并根据特点将其转换为数学模型，建立机器人运用群集算法学习躲避障碍物的数学模型。其次需要创建其仿真模拟环境，通过软件webots及机器人控件及参数的设置，实现其环境创建。

3. 研究计划与安排

2020年1月3日至2020年2月28日：查阅相关文献，了解题目国内外研究现状，学习基本理论知识，进行开题报告的撰写以及英文文献的翻译；

2020年2月22日至2020年3月7日：搜集相关资料，完成文献综述。

2020年3月1日至2020年3月14日：学习并了解webots软件及人工势能场避障算法原理，进行仿真模拟环境搭建。

4. 参考文献（12篇以上）

[1]徐博,张娇,王超.一种基于人工势场多auv集群的实时避障方法[j].中国舰船研究,2018,13(06):66-71.

[2]周辉,李震,江本赤,钱乘.一种基于人工势场的简化算法[j].新乡学院学报,2018,35(09):41-44.

[3]刘婵,朱永川,白园,何健辉.基于flocking的多智能体群集与避障算法研究与仿真[j].通信技术,2019,52(07):1632-1638.