基于多機(jī)器人系統(tǒng)的K近鄰增強(qiáng)學(xué)習(xí)與運(yùn)動(dòng)控制.pdf

1、隨著計(jì)算機(jī)技術(shù)、控制理論、傳感器技術(shù)、人工智能的不斷發(fā)展，機(jī)器人技術(shù)在研究與應(yīng)用的雙重驅(qū)動(dòng)下得到迅速發(fā)展，其應(yīng)用在諸如工業(yè)、軍事、航空航天、醫(yī)療、服務(wù)行業(yè)等領(lǐng)域全面拓展。在機(jī)器人能力不斷的提升同時(shí)，單靠個(gè)體機(jī)器人應(yīng)對(duì)一些時(shí)間、空間、功能上呈現(xiàn)分布式特性的復(fù)雜任務(wù)有時(shí)難以勝任。自然界已經(jīng)將大量高效、自適應(yīng)、具有故障容錯(cuò)能力的分布式多智能體系統(tǒng)展現(xiàn)出來(lái)。從群體的角度，深入研究機(jī)器人個(gè)體之間的相互作用、協(xié)調(diào)配合與控制，實(shí)現(xiàn)對(duì)目標(biāo)、資源的有效配

2、置與調(diào)度，進(jìn)而提升系統(tǒng)的整體性能，極具現(xiàn)實(shí)意義。鑒于多機(jī)器人系統(tǒng)的巨大潛在的應(yīng)用價(jià)值，引起國(guó)內(nèi)外廣泛研究興趣和關(guān)注。
　　 由于資源分配和使用不合理出現(xiàn)的沖突和死鎖，機(jī)器人之間協(xié)作難度大等是多機(jī)器人系統(tǒng)研究面臨的挑戰(zhàn)和難題。多機(jī)器人系統(tǒng)研究目標(biāo)就是盡量發(fā)揮系統(tǒng)的優(yōu)勢(shì)，解決系統(tǒng)中存在的問(wèn)題，使多機(jī)器人能夠更加靈活、更加快速的響應(yīng)環(huán)境和任務(wù)的變化，從而在復(fù)雜環(huán)境中高效且可靠地完成控制任務(wù)。而且，由于機(jī)器人面臨的環(huán)境動(dòng)態(tài)變化、難以建模

3、等諸多復(fù)雜的不確定因素，傳統(tǒng)機(jī)器人控制模式已不能很好滿足實(shí)際作業(yè)環(huán)境的需要，從而通過(guò)機(jī)器人在線學(xué)習(xí)來(lái)提高對(duì)未知?jiǎng)討B(tài)復(fù)雜環(huán)境的適應(yīng)性變得非常重要。而增強(qiáng)式學(xué)習(xí)方法無(wú)需建立環(huán)境模型，它通過(guò)試錯(cuò)與環(huán)境交互來(lái)獲得策略的改進(jìn)和完善，使其成為機(jī)器人學(xué)習(xí)技術(shù)的一個(gè)重要方向。本碩士論文針對(duì)多機(jī)器人系統(tǒng)的學(xué)習(xí)算法和運(yùn)動(dòng)控制策略進(jìn)行了較為深入的研究，具有很好的理論價(jià)值和應(yīng)用前景。
　　 本碩士論文主要研究工作有:
　　 1、考慮未知?jiǎng)討B(tài)環(huán)境

4、下機(jī)器人系統(tǒng)的運(yùn)動(dòng)規(guī)劃問(wèn)題，提出了一種新的避障規(guī)劃策略。針對(duì)一類圓形動(dòng)態(tài)障礙，機(jī)器人通過(guò)激光傳感器采樣獲得障礙邊緣，采用最小二乘法對(duì)障礙邊緣進(jìn)行擬合;經(jīng)過(guò)多次估計(jì)動(dòng)態(tài)中心位置和大小，獲取障礙物的相對(duì)速度和方向。綜合考慮機(jī)器人、動(dòng)態(tài)障礙以及目標(biāo)點(diǎn)間的相對(duì)關(guān)系，確定機(jī)器人的最優(yōu)運(yùn)動(dòng)方向，以保證機(jī)器人安全運(yùn)行和任務(wù)完成。在此基礎(chǔ)上，進(jìn)一步給出了多機(jī)器人系統(tǒng)在未知?jiǎng)討B(tài)環(huán)境下的編隊(duì)控制策略。
　　 2、學(xué)習(xí)能力是個(gè)體機(jī)器人不可或缺的能力，

5、它為復(fù)雜環(huán)境下的理解、運(yùn)動(dòng)規(guī)劃與決策提供了一條有效解決途徑。由于系統(tǒng)中環(huán)境狀態(tài)、機(jī)器人自身狀態(tài)等，導(dǎo)致了系統(tǒng)狀態(tài)數(shù)目幾何級(jí)別的增長(zhǎng)。針對(duì)機(jī)器人運(yùn)動(dòng)控制，提出了一種基于環(huán)境感測(cè)和任務(wù)信息狀態(tài)描述的局部加權(quán)K近鄰狀態(tài)選擇方法。在此基礎(chǔ)上，結(jié)合TD增強(qiáng)式學(xué)習(xí)算法提出了基于局部加權(quán)K近鄰TD增強(qiáng)學(xué)習(xí)策略，從而減小kNN-TD方法狀態(tài)誤分類率，提高機(jī)器人的學(xué)習(xí)效率。
　　 3、針對(duì)多機(jī)器人系統(tǒng)，為加快單體機(jī)器人的學(xué)習(xí)速度，提出了一種基于局