移動障礙物中機器人因素的控制算法

機器人團隊的規劃算法分為兩類：集中式算法，其中單個計算機為整個團隊做出決策;以及分散算法，其中每個機器人根據本地觀察做出自己的決策。

\

使用集中式算法，如果中央計算機脫機，整個系統就會崩潰。分散算法可以更好地處理不穩定的通信，但是它們設計起來比較困難，因為每個機器人基本上都在猜測其他機器人會做什么。大多數關于分散算法的研究都集中在使集體決策更可靠，并推遲了避免機器人環境中的障礙的問題。

在5月舉行的機器人與自動化國際會議上，麻省理工學院的研究人員將為機器人團隊提出一種新的分散式規劃算法，該算法不僅要考慮固定障礙物，還要考慮移動障礙物。該算法還需要比現有分散算法少得多的通信帶寬，但保留了機器人避免沖突的強大數學保證。

在涉及迷你中隊中隊的模擬中，分散算法提出了與集中版本相同的飛行計劃。無人機通常保留了他們喜歡的陣型的近似值，即固定高度的正方形 - 盡管為了容納障礙物，正方形旋轉并且無人機之間的距離收縮。然而，偶爾，無人駕駛飛機會飛行單個銼刀或假設一對飛行器在不同的高度飛行。

“這是一個非常令人興奮的結果，因為它結合了許多具有挑戰性的目標，”麻省理工學院電氣工程和計算機科學系的Andrew和Erna Viterbi教授，計算機科學和人工智能實驗室主任Daniela Rus說道，他的小組開發了新的算法。“你的機器人組有一個本地目標，即保持陣型，以及一個全球目標，這是他們想要去的地方或你想要他們移動的軌跡。而且你允許他們在一個有靜態障礙的世界中運作，但也有意想不到的動態障礙，你可以保證他們將保留他們的本地和全球目標。他們將不得不做出一些偏差，但這些偏差很小。“

Rus的第一作者Javier Alonso-Mora是羅斯集團的一名博士后人。Mac Schwager，斯坦福大學航空航天學助理教授，曾與Rus一起擔任麻省理工學院機械工程博士學位; 和Eduardo Montijano，西班牙薩拉戈薩的Centro Universitario de la Defensa教授。

交易區域

在典型的分散組計劃算法中，每個機器人可以向其隊友廣播其對環境的觀察，然后所有機器人將執行相同的計劃算法，可能基于相同的信息。

但Rus，Alonso-Mora和他們的同事找到了一種方法來減少雙方同意計劃所帶來的計算和溝通負擔。基本思想是每個機器人根據自己的觀察，在其直接環境中繪制出無障礙區域，并將該地圖僅傳遞給最近的鄰居。當機器人從鄰居接收地圖時，它會計算該地圖與其自己的地圖的交點并將其傳遞給該地圖。

這樣可以減少機器人通信的大小 - 描述100個地圖的交集不需要比描述兩個交叉點的數據更多的數據 - 因為每個機器人只與其鄰居通信。盡管如此，每個機器人最終都會有一張地圖，反映了所有團隊成員檢測到的所有障礙物。

四個維度

然而，地圖沒有三個維度，而是四個 - 第四個是時間。這就是算法解釋移動障礙的方法。四維地圖描述了三維地圖如何在幾秒鐘的范圍內改變以適應障礙物的位置變化。但它以數學上緊湊的方式實現。

該算法確實假設移動障礙物具有恒定速度，這在現實世界中并非總是如此。但是每個機器人每秒更新一次地圖幾次，足夠短的時間跨度使加速對象的速度不太可能發生顯著變化。

在其最新地圖的基礎上，每個機器人計算的軌跡將最大化其本地目標 - 保持形成 - 及其全球目標。

研究人員還在輪式機器人上測試他們的算法版本，其目標是在人類也在四處移動的房間內集體攜帶物體，模擬人類和機器人一起工作的環境。