通信局限下基于分布式动态神经网络的多机器人协作研究

Multi-robot cooperation plays an important role in applications, such as cooperative rescue, robotic surgery, anti-terrorism, and is becoming a hot but tough topic in robotics. The conventional all-to-all communication based multi-robot cooperation scheme has the disadvantage of high communication load and large computational complexity, which imposes strong limitations to the scalability and robustness of multi-robotic systems. In extreme cases, it may even lead to the corruption of the multi-robot system.Considering the problem under constrained communication provides a promising direction to tackle this problem. However, how to investigate the communication constraints and set up a systematic theoretical framework, with the physical limitations of robots and the dynamic essence of a robotic system into account,is still an unsolved and challenging problem. Motivated by this application appeal, targeting at solving multi-robot cooperation task under the constraint of limited communication, absorbing the advantage of constrained optimization and constrained game in multi-robot cooperation, we plan to present dynamic neural network approach with guaranteed finite time convergence to solve this problem. It will be the first time to model dynamic neural networks in game theoretical approaches. The implementation of this project will extend the modeling of dynamic neural networks from conventional optimization theory to game theory and enrich the theoretical framework of neural networks.

多机器人协作在协同搜救、机器人手术以及联合反恐等方面发挥重要作用，是机器人研究的热点和难点。传统基于全局通信的协作方式存在通信负担大、计算复杂度高的缺陷，限制了多机器人系统的可扩展性，并对系统鲁棒性构成严重威胁，极端情况下甚至会导致系统崩溃。在通信局限下研究多机器人协作可以克服上述缺陷，然而如何在考虑机器人系统物理约束与动态限制前提下，对通信局限进行研究并建立一套系统的理论框架仍然是机器人领域一个具有挑战性的课题。本课题以此为出发点，吸收协同一致滤波与博弈论对通信约束处理的优势，分别利用约束优化和约束博弈的方法进行建模，构建出具有在线精确求解性能的有限时间收敛动态神经网络，提供解决通信局限下多机器人协作的理论框架。项目将充分研究基于多参与者博弈的动态神经网络建模方法，将神经网络研究工具从数值优化拓展到博弈理论，完善动态神经网络理论体系。项目预期成果将为多机器人研究提供理论基础和技术可能性。

多机器人协作在协同搜救、机器人手术以及联合反恐等方面发挥重要作用，是机器人研究的热点和难点问题。传统基于全局通信的协作方式具有通信负担大、计算复杂度高的缺陷，限制了多机器人系统的可扩展性，并对系统鲁棒性构成严重威胁，极端情况下甚至会导致系统崩溃。在通信局限下研究多机器人协作可以克服上述缺陷，是该问题最有前景的解决方案之一。然而如何在充分考虑机器人系统的物理约束与动态限制前提下，对通信局限进行研究并建立一套系统的理论框架仍然是机器人领域一个具有挑战性的课题。本课题以此为出发点，吸收协同一致滤波与博弈论对通信约束处理的优势，分别利用约束优化和约束博弈的方法进行建模，构建出具有在线精确求解性能的有限时间收敛动态神经网络，提供解决通信局限下多机器人协作问题的理论框架。最后又在词理论框架的基础上做了系统性扩展，围绕机器人实际应用解决了如下具体问题：(1) 多机械臂协同控制; (2)参数未知情况机器人的神经网络控制; (3) 有噪声情况机器人的神经网络控制; (4) 有加速度约束情况机器人的神经网络控制; (5) 机器人的近似最优控制; (6) 可操作度优化的机器人神经网络控制; (7) 收敛速度分析; (8) 并联机械臂控制; (9) 有障碍物情况机器人的神经网络控制等。本项目首次充分研究基于多参与者博弈的动态神经网络建模方法，将神经网络研究工具从数值优化拓展到博弈理论，完善动态神经网络理论体系。

内容获取失败，请点击重试