Описана разработанная система управления группой мобильных роботов, использующая нейронные сети. Система управления выполняет оценку состояния среды функционирования, поиск оптимального метода планирования пути, планирование пути, коррекцию траекторий движения по результатам взаимодействия роботов группы. Выбор оптимального метода планирования и планирование пути группы роботов реализуется тремя нейронными сетями глубокого обучения.

Первая нейронная сеть классифицирует состояние среды на два класса. Для первого класса оптимальным методом планирования пути является метод построения кратчайшего пути. Для второго класса оптимальным методом является метод планирования безопасного пути. Выбор метода планирования пути базируется на составном критерии, который включает в себя время движения в целевую точку, длину пути и минимальное расстояние от роботов группы до препятствий в ходе движения. Предложен новый алгоритм обучения нейронной сети, позволяющий итерационно сконструировать обучающую выборку и структуры нейронной сети. Алгоритм включает в себя как элементы обучения с учителем, так и без учителя.

Вторая нейронная сеть реализует алгоритм планирования кратчайшего пути. Третья нейронная сеть реализует алгоритм планирования безопасного пути. Для обучения второй и третьей нейронных сетей используется итерационный алгоритм обучения с учителем. При этом нейросетевые планировщики движения не планируют весь путь целиком. Выходом этих нейронных сетей является текущее направление движения робота группы на k-м шаге. В силу этого не требуется пересчет всей траектории движения на каждом шаге, что позволяет использовать нейросетевые планировщики в динамической среде.

Также в данной статье разработан алгоритм формирования строя группы мобильных роботов в некартографированной среде с препятствиями. При водятся результаты моделирования и экспериментальных исследований.