群機(jī)器人系統(tǒng)研究綜述

賈 濤，聞 新,2

(1.沈陽航空航天大學(xué) 航空宇航學(xué)院，沈陽 110136;2.南京航空航天大學(xué) 航天學(xué)院， 南京 210000)

機(jī)器人(Robot)這個詞匯最早來源于捷克斯洛伐克作家卡雷爾·恰佩克的科幻小說中，其主要被譯為可以代替人類勞役、苦工的奴隸。我國早在西周時期《列子·問湯》中就有對機(jī)器人的記載：偃師造機(jī)器玩偶。而現(xiàn)代機(jī)器人的藍(lán)本可以追溯到15世紀(jì)時期偉大的發(fā)明家達(dá)·芬奇對機(jī)器人的繪制，其所設(shè)計的機(jī)器人是通過機(jī)械間不斷傳遞而實現(xiàn)運(yùn)動的[1]。

群智能算法的命名大部分是由生物學(xué)界群居的昆蟲來命名的，這主要是源于其仿生學(xué)的特點(diǎn)，例如蟻群算法、人工蜂群算法、人工魚群算法、狼群算法、蝙蝠算法和布谷鳥搜索算法等。除以上算法外，其它常見算法還有粒子群算法、神經(jīng)網(wǎng)絡(luò)算法、免疫算法、遺傳算法和小波分析算法等。

群機(jī)器人學(xué)主要是由機(jī)器人學(xué)和群智能學(xué)兩大領(lǐng)域所組成，而群智能(SI)實質(zhì)是人工智能學(xué)(AI)的一個分支，其主要是受生物學(xué)和社會昆蟲學(xué)領(lǐng)域的影響而不斷發(fā)展。目前群機(jī)器人的研究已經(jīng)在醫(yī)療、教育、科學(xué)、生物、軍事、航空航天等多個不同的領(lǐng)域得到了廣泛的應(yīng)用。群機(jī)器人學(xué)主要研究的是使多個智能體(機(jī)器人)所組成的系統(tǒng)來完成特定的任務(wù)，而這其中的任務(wù)只能由機(jī)器人組成一個集體才能更有效地完成，單個機(jī)器人是無法完成的。經(jīng)過近20年的發(fā)展群機(jī)器人已經(jīng)從一個新興領(lǐng)域進(jìn)入到一個快速發(fā)展階段，機(jī)器人也從大型化、高昂化逐漸轉(zhuǎn)換為多元化、廉價化的小型機(jī)器人。

1 系統(tǒng)特性

(1)魯棒性

魯棒性是指即使在外界環(huán)境不斷干擾或者自身失去效力無法完成目標(biāo)的情況下，群機(jī)器人的系統(tǒng)仍可繼續(xù)工作。我們可以通過魯棒性的操作發(fā)現(xiàn)以下因素。①群集其實無論是在生物界還是群機(jī)器人學(xué)中都是一個冗余的系統(tǒng)，其在工作情況下不會因為個體的缺失而導(dǎo)致整體功能的失效，失效的個體會最后被另一個個體進(jìn)行補(bǔ)償。②群機(jī)器人系統(tǒng)是分散式控制，即使有一部分發(fā)生了缺失也不會對整個群機(jī)器人工作有較大影響或者停止工作。③群機(jī)器人中的單個機(jī)器人的功能較為單一，結(jié)構(gòu)較為簡單，大大降低了個體失效的概率。④群機(jī)器人的感知是分布式的，其對環(huán)境所帶來的部分?jǐn)_動具有一定的魯棒性。

(2)可擴(kuò)展性

可擴(kuò)展性指的是每組群機(jī)器人可根據(jù)實際情況擴(kuò)大一定機(jī)器人(智能體)的數(shù)量，在增加數(shù)量時也可以與其他機(jī)器人協(xié)同處理不同類型的任務(wù)，也就是說可在不改變策略和機(jī)制的情況下自主地持續(xù)處理問題。

(3)靈活性

靈活性是指在外部環(huán)境不斷變化下，群機(jī)器人可以自主處理外部環(huán)境所帶來的多樣性問題，并且能很快適應(yīng)新的環(huán)境。

2 系統(tǒng)協(xié)作機(jī)制特性

2.1 自組織性和激發(fā)工作

群機(jī)器人的系統(tǒng)協(xié)作機(jī)制主要源于物理和生物系統(tǒng)上的研究，機(jī)制上的約束可以很好地幫助群機(jī)器人在協(xié)作過程中解決問題。群機(jī)器人的系統(tǒng)協(xié)作機(jī)制主要由兩個協(xié)作機(jī)制組成：自組織性和激發(fā)工作。其中自組織性定義為一種大量系統(tǒng)低層組件交互獨(dú)一無二地產(chǎn)生系統(tǒng)全局模式的過程[4]。自組織性聚集也就是在一個共同的地方聚集了一些可以自治的個體的任務(wù)。群機(jī)器人形成自組織行為其實質(zhì)是使單個智能體在局部進(jìn)行有效的正負(fù)反饋，從而實現(xiàn)信息的相互傳遞，并且不斷修正信息，使完成任務(wù)的過程是快捷并且有效的。除了正負(fù)反饋調(diào)節(jié)機(jī)制，群機(jī)器人在協(xié)作過程中也會存在多重信息傳遞與交互機(jī)制，這樣可以在環(huán)境不斷變化的同時，使群機(jī)器人內(nèi)部結(jié)構(gòu)保持穩(wěn)定的狀態(tài)，并實現(xiàn)有效的目標(biāo)。

協(xié)作機(jī)制中的激發(fā)工作被定義為單個智能體通過對所處環(huán)境的了解所進(jìn)行的交互。格拉斯曾將其用來解釋白蟻建筑巢穴所執(zhí)行的協(xié)作機(jī)制[5]。

2.2 Flocking行為

Flocking這個詞來源于生物學(xué)，最初Reynolds將其應(yīng)用在群機(jī)器人學(xué)中，并且得到了廣泛的認(rèn)可，F(xiàn)locking行為是通過觀察自然界許多鳥類而得到的一種行為，它們形成大量個體一同向目標(biāo)位置移動，這種行為可以被視為相互協(xié)作機(jī)制中的一種。Flocking行為以一種分布式的方式出現(xiàn)在集體層面上的，這是自治代理之間的局部交互作用的結(jié)果。因此，群機(jī)器人的研究人員對這種行為非常感興趣，他們在動物行為的基礎(chǔ)上研究了這種機(jī)制，并試圖在群機(jī)器人中進(jìn)行復(fù)制。

在現(xiàn)有的群機(jī)器人項目中，具有有限感知能力的機(jī)器人必須通過測量距離和相對方位來保持緊湊的結(jié)構(gòu)，而在群體研究中，通常沒有考慮到單個或群體機(jī)器人在其它機(jī)器人的傳感和通信范圍之外的情況，通常的假設(shè)是所有的機(jī)器人至少有一個鄰近的機(jī)器人可將它們與群機(jī)器人的其余部分連接起來。

Flocking行為在群機(jī)器人的應(yīng)用中可以提高機(jī)器人完成目標(biāo)的準(zhǔn)確程度和成功率，并且使群機(jī)器人在運(yùn)動過程中有較高的生存概率，不易出現(xiàn)缺失或者個體失效等問題。

3 建模和仿真分析

3.1 建模

群機(jī)器人的系統(tǒng)建模主要是根據(jù)兩個方面來進(jìn)行考慮，一個是所要完成的項目情況，另一個是智能體根據(jù)自身級別進(jìn)行的行為設(shè)計。群機(jī)器人有多種建模方法，例如傳感器建模，微觀建模和宏觀建模等。

(1) 傳感器建模

傳感器建模一般是通過實體進(jìn)行的建模仿真，其在單個機(jī)器人中引入傳感器、執(zhí)行器和一定的環(huán)境參數(shù)，使機(jī)器人之間和機(jī)器人與環(huán)境之間的感知進(jìn)行信息交互。傳感器建模方法的優(yōu)勢在于其真實性，但也有一定的復(fù)雜性，想要模擬好真實的實體環(huán)境較為復(fù)雜，所以在基于傳感器建模時盡量要將模擬狀態(tài)簡單化。簡單化的同時與真實性是相互沖突的，要想盡量減小沖突，就要在真實性與簡單化之間進(jìn)行一定的權(quán)衡。

(2) 微觀建模

微觀建模屬于一種數(shù)學(xué)建模方法，其建模方式是通過個體機(jī)器人實現(xiàn)的，這種方法在機(jī)器人狀態(tài)與狀態(tài)之間進(jìn)行不斷的分析，考慮環(huán)境作為外部因素與群機(jī)器人內(nèi)部因素相互作用所帶來的物理性變化。實際上微觀建模要比基于傳感器和執(zhí)行器建模要簡單快速得多，因此，一般會將微觀與宏觀建模的結(jié)果與基于傳感器建模的結(jié)果相互比較，達(dá)到群智能機(jī)器人運(yùn)動仿真的真實性。

(3) 宏觀建模

宏觀建模實質(zhì)上與微觀建模和基于傳感器建模都有不同之處，但其實質(zhì)也是一種數(shù)學(xué)建模。宏觀建模主要是在群智能體級別上進(jìn)行建模，只需要我們所仿真的模型狀態(tài)達(dá)到穩(wěn)定時來獲取數(shù)據(jù)，而微觀建模是需要考慮單個智能體迭代的問題。

3.2 仿真分析

對于群機(jī)器人的分析通常依賴于模型，群機(jī)器人的模型一般可以在兩個層面來實現(xiàn)：微觀層面，對個體機(jī)器人進(jìn)行建模仿真；宏觀層面，對機(jī)器人群體行為進(jìn)行建模仿真。

微觀建模主要是對群體機(jī)器人中的個體機(jī)器人進(jìn)行詳細(xì)描述，由于有時涉及到模擬機(jī)器人的數(shù)量巨大，微觀建模仿真其實是存在問題的，通常是通過計算機(jī)仿真進(jìn)行建模分析。

宏觀建模避免了群機(jī)器人內(nèi)部結(jié)構(gòu)的復(fù)雜性和可擴(kuò)展性等問題。最常見的建模方法之一就是利用速率方程或者微分方程。速率方程描述了群機(jī)器人在執(zhí)行特定的任務(wù)或者在特定的環(huán)境下機(jī)器人比率的演化，其被用作集體行為的建模，例如對象聚類和自適應(yīng)覓食等問題。另一個常見方法是使用馬爾可夫鏈，馬爾可夫鏈?zhǔn)且环N較為簡單的對隨機(jī)過程進(jìn)行建模的統(tǒng)計方式，研究人員可通過已有的信息群機(jī)器人運(yùn)動過程的特性進(jìn)行分析。近幾年控制理論也被用來分析群智能機(jī)器人是否能收斂到期望的宏觀狀態(tài)。

Hamann等人提出了一種基于?？藸枴绽士说姆匠毯屠扇f之方程混合式群機(jī)器人建模的方法，通過這兩個方程可以同時對單個機(jī)器人確定性組成部分建模，也可對群體機(jī)器人行為隨機(jī)組成部分進(jìn)行建模。

3.3 仿真平臺

群機(jī)器人使用的仿真平臺有很多，仿真平臺的選擇對發(fā)展新的控制算法有著至關(guān)重要的作用，在選擇仿真平臺時要充分考慮所模擬機(jī)器人與環(huán)境之間的交互問題，并且逐漸接近于現(xiàn)實狀況。群機(jī)器人的仿真系統(tǒng)編寫一般采用的是面向?qū)ο蠹夹g(shù)的程序設(shè)計語言，同時也可以應(yīng)用一些商用軟件進(jìn)行匯編[6]，例如Player /stage、Gazebo、V-Rep、Webots和Microsoft Robotics Studio等仿真平臺。仿真平臺在仿真過程中要具有一定的可控性和靈活性，當(dāng)群機(jī)器人所需系統(tǒng)較為復(fù)雜時，運(yùn)用面向?qū)ο蟮某绦蛘Z言進(jìn)行自建將更方便，更容易處理變換的動態(tài)環(huán)境問題。當(dāng)需要處理大量的仿真數(shù)據(jù)時，一些商業(yè)軟件可模擬一種實驗平臺對數(shù)據(jù)進(jìn)行處理。一般情況下實體機(jī)器人在特定環(huán)境下進(jìn)行模擬仿真并和仿真軟件的數(shù)據(jù)進(jìn)行對比，以得到真實數(shù)據(jù)。

現(xiàn)有許多移動機(jī)器人模擬器仿真平臺，更具體地說，主要用于群機(jī)器人的模擬實驗。它們不僅在技術(shù)方面有所不同，而且在許可證成本方面也不盡相同。

(1)V-rep是一款動力學(xué)仿真平臺，主要定位機(jī)器人仿真建模領(lǐng)域，可以利用內(nèi)嵌腳本、ROS節(jié)點(diǎn)、遠(yuǎn)程API客戶端等實現(xiàn)分布式的控制結(jié)構(gòu)。控制器可以采用C/C++、Python、Java、Lua、Matlab等語言實現(xiàn)。V-rep的優(yōu)勢主要在于它含有大量的已經(jīng)建好機(jī)器人和特殊環(huán)境模型，也可自行建立三維模型，從而快速地對機(jī)器人進(jìn)行建模仿真。V-rep還可以與國內(nèi)研究人員較為熟悉的Matlab建立遠(yuǎn)程控制鏈接，大大方便國內(nèi)研究人員在仿真群機(jī)器人時的操作。其缺點(diǎn)是整體的仿真精度還有待于提高。

(2)Player/Stage/Gazebo是一款開放式源代碼模擬器，擁有大量機(jī)器人及其功能和傳感器可用，具有透明性、適應(yīng)性和快速性等特點(diǎn)，主要用于群機(jī)器人二維平面模擬實驗。最多時可達(dá)到10 000臺簡單機(jī)器人，且可以同時運(yùn)行1 000臺簡單機(jī)器人的程序[15]。這種平臺更適用于蜂群算法、蟻群算法和螢火蟲算法等。因其主要應(yīng)用于二維平面模擬實驗，對特殊環(huán)境模型的建立還較為簡單。

(3)Webots是Cyberbotics公司出品的一款商業(yè)便攜式三維機(jī)器人仿真平臺，可以在Windows、Mac和Linux上運(yùn)行，通過其內(nèi)置的3D編輯器，可自行構(gòu)建三維機(jī)器人模型，C++、JAVA和MATLAB等都可對其進(jìn)行匯編。Webots可以模擬出機(jī)器人的部分物理特性和碰撞，但是當(dāng)模擬機(jī)器人數(shù)超過100個其性能會大幅下降[16]。

(4)Microsoft Robotics Studio是一款由微軟公司開發(fā)的基于Windows平臺環(huán)境的多機(jī)器人模擬仿真器，它可以與諸多各類硬件一起簡單實現(xiàn)多機(jī)器人的應(yīng)用。研究人員可以在Microsoft Visual Programming語言中用傳統(tǒng)的.NET來對模擬機(jī)器人程序進(jìn)行編寫，Microsoft Robotics Studio的實時系統(tǒng)提供了一個實時環(huán)境，可以更好地模擬真實環(huán)境狀態(tài)，但只能在Windows上運(yùn)行[17]。

4 研究現(xiàn)狀

群機(jī)器人中常用的軟件體系結(jié)構(gòu)是概率有限狀態(tài)機(jī)。概率有限狀態(tài)機(jī)已經(jīng)被應(yīng)用在多個群集行為中，包括 Soysal和Sahin對群機(jī)器人的聚集行為、Nouyan等所做的鏈狀隊形的形成和Liu and Winfield對群機(jī)器人任務(wù)的分配。另一種常見的方法是基于虛擬物理環(huán)境。在這種方法中，機(jī)器人和環(huán)境通過一種虛擬力量進(jìn)行相互作用，這種方法特別適用于組織空間的群體行為，如Ferrante等人在此環(huán)境下通過虛擬力對群機(jī)器人集體運(yùn)動進(jìn)行了有效的控制。

Pinciroli等人利用計算機(jī)在微觀層面建模對群機(jī)器人中每個機(jī)器人狀態(tài)進(jìn)行詳細(xì)描述，由于機(jī)器人微觀層面的建模涉及大量的機(jī)器人，微觀建模還存在著一定的問題[13-14]。

Lerman等人利用速率方程和微分方程兩種模式進(jìn)行宏觀建模，使群機(jī)器人在特定的環(huán)境下執(zhí)行特定的動作。宏觀模型避免了必須對每個機(jī)器人進(jìn)行建模的復(fù)雜性和可伸縮性問題，只需要考慮集體行為即可[15]。

Prorok等人提出了一種基于Fokker-Plankand和Langevin方程來模擬機(jī)器人群的混合模式。利用這些方程，對個體機(jī)器人的行為模式進(jìn)行建模[16]。

Luneque Silva Junior等人提出了一種波群的分布式系統(tǒng)，將波算法應(yīng)用于群機(jī)器人的導(dǎo)航，機(jī)器人之間的通信是通過鄰近機(jī)器人來實現(xiàn)的，將任務(wù)分成若干個子任務(wù)以提高任務(wù)完成的效率，并在機(jī)器人執(zhí)行任務(wù)時不斷得到信息的反饋，從而不斷修正任務(wù)路線等[17]。

近幾年劍橋大學(xué)的Xin-She Yang等人提出了幾種基于生物學(xué)啟發(fā)式搜索優(yōu)化算法，例如蝙蝠算法(BA)、布谷鳥搜索算法(CS)和螢火蟲算法(FFA)等。

蝙蝠算法在集群中是一種搜索全局最優(yōu)解的實用方法，但其存在著收斂精度小、速度慢、且容易陷入局部極小點(diǎn)等缺點(diǎn)。為了提高收斂精度和收斂速度，Xing-shi He等人結(jié)合模擬退火(SA)算法的全局搜索能力強(qiáng)和收斂速度快等特點(diǎn)，擴(kuò)大了其應(yīng)用性[18]。

Yang等人通過觀察布谷鳥侵略性繁殖的特點(diǎn)衍生出了布谷鳥算法，其主要是為了解決連續(xù)優(yōu)化等問題而提出的一種啟發(fā)式優(yōu)化算法。布谷鳥將每次產(chǎn)的一枚鳥蛋隨機(jī)放入固定宿主鳥窩中，而宿主鳥識別異種鳥蛋的平均概率是隨機(jī)的，并且實時更新[20-21]。布谷鳥算法因為其良好的全局搜索能力和收斂速度，經(jīng)常與蟻群算法、蝙蝠算法和單純型搜索相互融合，提升收斂速度和局部搜索能力[22-25]。

Yang所提出的螢火蟲算法(FFA)是通過模擬自然界的螢火蟲發(fā)光物理特性來進(jìn)行信息交互的優(yōu)化算法。螢火蟲根據(jù)自身發(fā)光的特性對同類進(jìn)行吸引，因其沒有性別區(qū)分，在分析時排除了性別吸引的干擾因素。通過亮度可以自動將種群劃分，亮度越大其目標(biāo)函數(shù)值越大。為了防止螢火蟲算法陷入局部最優(yōu)解等問題，Shaik等人將蟻群算法與螢火蟲算法相結(jié)合，可以避免局部最優(yōu)[26]。

5 結(jié)論和展望

5.1 結(jié)論

在現(xiàn)今的社會中，我們需要機(jī)器人根據(jù)不同環(huán)境與情景處理不同類型的任務(wù)以實現(xiàn)既定目標(biāo)，盡管每個單獨(dú)的任務(wù)可以由專門的機(jī)器人相對容易地處理，但是將它們?nèi)拷Y(jié)合在相同的機(jī)器人控制器中會不可避免地使問題復(fù)雜化，例如在不同的和變化的環(huán)境中操作，機(jī)器人可能需要基于當(dāng)前的操作條件自動重新配置它們自己(例如從控制算法切換到另一個算法)。伴隨著復(fù)雜情況的增加，在意外情況下機(jī)器人的行為可能出現(xiàn)不可預(yù)測的風(fēng)險，這些復(fù)雜問題還尚未被充分研究。

隨著技術(shù)持續(xù)發(fā)展，真實群智能機(jī)器人的分布不是烏托邦式的，并且在未來我們將可能會看到大量機(jī)器人以分布式形式在環(huán)境中得到應(yīng)用，例如覆蓋大面積區(qū)域或執(zhí)行對于人類來說不可行或危險的活動：掃雷，監(jiān)測大型生產(chǎn)、配電廠以檢測泄漏，水下環(huán)境監(jiān)測和清理漏油所影響的地區(qū)等等。但是以目前的經(jīng)濟(jì)和技術(shù)想實現(xiàn)大規(guī)模群機(jī)器人的部署還是比較困難的。

現(xiàn)今我們的現(xiàn)實生活已經(jīng)離不開智能這兩個字，群智能也會成為我們今后的發(fā)展趨勢，進(jìn)入21世紀(jì)，國內(nèi)在群智能領(lǐng)域有著近20年的飛速發(fā)展，在部分應(yīng)用方面群智能已經(jīng)有了突破性的進(jìn)展，并且在未來的20年群智能也將進(jìn)入一個跨步式發(fā)展階段。

5.2 未來的研究方向

學(xué)者們在群機(jī)器人系統(tǒng)許多不同方面都進(jìn)行了大量的研究工作，通過設(shè)計各種算法來實現(xiàn)集群現(xiàn)象。同時為了驗證所提出方案的有效性，數(shù)學(xué)建模、計算機(jī)模擬仿真和實體機(jī)器人實驗都已被廣泛應(yīng)用。雖然實驗可以使機(jī)器人系統(tǒng)有一定的意義，并且在該領(lǐng)域大規(guī)模部署群機(jī)器人會對群機(jī)器人在不同因素下的運(yùn)動有新的認(rèn)識而激發(fā)下一步的研究，但是到目前為止，在實際生活中還是缺乏群機(jī)器人的使用。

如今，群機(jī)器人系統(tǒng)也將進(jìn)入另一個新興的領(lǐng)域，將群機(jī)器人學(xué)轉(zhuǎn)移到微觀和納米級別進(jìn)行表示。群納米機(jī)器人采用基于蛋白質(zhì)和DNA的藥劑等不同的形式，它們將對物理和化學(xué)上的刺激有一定的反應(yīng)，群納米機(jī)器人由強(qiáng)磁性的材料構(gòu)建，在磁場引導(dǎo)下群納米機(jī)器人擁有強(qiáng)大的推進(jìn)機(jī)制，可以利用外部刺激(如磁場)控制天然細(xì)菌。群納米機(jī)器人在醫(yī)學(xué)中還可應(yīng)用于藥物的傳遞，產(chǎn)生最大化的治療效率和最小化的負(fù)面作用，并且進(jìn)行細(xì)胞修復(fù)，對于早期的診斷和腫瘤的治療會有很大幫助。

不僅僅是在醫(yī)學(xué)上，在航天探索(具有體積小和容錯性是至關(guān)重要的)和石油勘探上，群納米機(jī)器人都會在未來發(fā)揮著至關(guān)重要的作用。