Preview

Мехатроника, автоматизация, управление

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

Методы управления групповым движением мобильных роботов (обзор)

https://doi.org/10.17587/mau.22.304-312

Полный текст:

Аннотация

Управление согласованным движением группы мобильных роботов является одной из актуальных проблем современной робототехники. В настоящем обзоре представлены результаты анализа наиболее перспективных направлений исследований в данной области. Рассмотрены основные методы управления движением группы мобильных роботов с сохранением заданной геометрии строя. Представлено краткое описание каждого метода, показаны основные преимущества и недостатки. Предложена многоуровневая классификация методов управления движением, охватывающая как централизованные, так и децентрализованные методы. В рамках централизованного управления движением группы мобильных роботов рассмотрена классификация топологий организации связи между роботами, кратко описаны наиболее значимые работы, посвященные применению данного подхода на практике. Отмечено, что большинство централизованных методов реализуют подход «ведущий-ведомый». Рассмотрены алгоритмы, учитывающие при управлении строем динамику движения отдельных роботов, приведены наиболее распространенные динамические модели роботов. В рамках децентрализованного подхода к управлению согласованным движением групп роботов рассмотрены как коллективные, так и стайные алгоритмы управления. Представлен обзор класса методов на основе использования "виртуальной структуры", включающего как централизованные, так и децентрализованные методы управления согласованным движением группы роботов. Продемонстрирована эволюция данного подхода, рассмотрены его модификации, применяющиеся в гибридных алгоритмах управления согласованным движением группы. Рассмотрены работы, посвященные методам управления движением группы роботов с учетом возникающих в каналах связи запаздываний, а также ограниченной пропускной способности, указана недостаточная проработанность данных методов. В работе показаны основные тенденции развития методов группового движения роботов. Отмечено, что наиболее перспективным является комбинирование различных алгоритмов группового управления, что позволяет нивелировать недостатки, возникающие при использовании их по отдельности. Показано, что наиболее распространенным недостатком существующих методов управления является недостаточная проработка алгоритмов управления группой мобильных роботов с точки зрения учета кинематических ограничений роботов, а также их динамики.

Об авторах

С. Ю. Курочкин
НУЦ "Робототехника" МГТУ им. Н. Э. Баумана
Россия

аспирант



А. А. Тачков
НУЦ "Робототехника" МГТУ им. Н. Э. Баумана
Россия

канд. техн. наук, начальник отдела "Автоматизированные транспортные системы"



Список литературы

1. Kavathekar P., Chen Y. Q. Vehicle platooning: A brief survey and categorization, International Design Engineering Technical Conferences and Computers and Information in Engineering Conference, 2011, pp. 829—845.

2. Alonso-Mora J., Baker S., Rus D. Multi-robot formation control and object transport in dynamic environments via constrained optimization, The International Journal of Robotics Research, 2017, vol. 36, no. 9, pp. 1000—1021.

3. Das B., Subudhi B., Pati B. B. Cooperative formation control of autonomous underwater vehicles: An overview, International Journal of Automation and computing, 2016, vol. 13, no. 3, pp. 199—225.

4. Rudianov N. A., Khrushchev V. S. Substantiation of the appearance of combat and support robotic complexes of the Ground Forces, Engineering journal: science and innovations, 2013, no. 8 (in Russian).

5. Young S., Kott A. Control of small robot squads in complex adversarial environments: A review. ARMY RESEARCH LAB ADELPHI MD, 2009.

6. Scharre P. Robotics on the battlefield part II, Center for New American Security, 2014.

7. Chartier C., Swarming N. E.C4ISR, and US Military Transformation, Proc. of Conf. on Swarming: Network Enabled C4ISR, 2003.

8. Dey K. C. et al. A review of communication, driver characteristics, and controls aspects of cooperative adaptive cruise control (CACC), IEEE Transactions on Intelligent Transportation Systems, 2015, vol. 17, no. 2, pp. 491—509.

9. Alonso-Mora J. et al.Reactive mission and motion planning with deadlock resolution avoiding dynamic obstacles, Autonomous Robots, 2018, vol. 42, no. 4, pp. 801—824.

10. Balch T., Arkin R. C. Behavior-based formation control for multirobot teams, IEEE transactions on robotics and automation, 1998, vol. 14, no. 6, pp. 926—939.

11. Sheikholeslam S., Desoer C. A. Longitudinal control of a platoon of vehicles, 1990 American control conference, IEEE, 1990, pp. 291—296.

12. Girard A. R. et al.A control architecture for integrated cooperative cruise control and collision warning systems, Proceedings of the 40th IEEE Conference on Decision and Control (Cat. No. 01CH37228),IEEE, 2001, vol. 2, pp. 1491—1496.

13. SAE On-Road Automated Vehicle Standards Committee. Taxonomy and definitions for terms related to driving automation systems for on-road motor vehicles, SAE International, (J3016), 2016.

14. Kalyaev I. A., Gaiduk A. R., Kapustyan S. G. Models and algorithms of collective control in groups of robots, Moscow, FIZMATLIT, 2009, 280 p. (in Russian).

15. Hirsch M. et al.Optimization and Cooperative Control Strategies, Proceedings of the 8th International Conference on Cooperative Control and Optimization,Springer Science & Business Media, 2009, vol. 381.

16. Beloglazov D. A. et al.Group control of mobile objects in uncertain environments, Moscow, Fizmatlit, 2015 (in Russian).

17. Reynolds C. W. Flocks, herds and schools: A distributed behavioral model, Proceedings of the 14th annual conference on Computer graphics and interactive techniques, 1987, pp. 25—34.

18. Li S. E. et al.An overview of vehicular platoon control under the four-component framework, 2015 IEEE Intelligent Vehicles Symposium (IV),IEEE, 2015, pp. 286—291.

19. ÖncüS. et al.Cooperative adaptive cruise control: Network-aware analysis of string stability, IEEE Transactions on Intelligent Transportation Systems, 2014, vol. 15, no. 4, pp. 1527—1537.

20. Salvi A., Santini S., Valente A. S. Design, analysis and performance evaluation of a third order distributed protocol for platooning in the presence of time-varying delays and switching topologies, Transportation Research Part C: Emerging Technologies, 2017, vol. 80, pp. 360—383.

21. Segata M. et al. Plexe: A platooning extension for Veins, 2014 IEEE Vehicular Networking Conference (VNC), IEEE, 2014, pp. 53—60.

22. Rajamani R. Vehicle Dynamics and Control. Springer, Boston, MA, 2012.

23. Santini S. et al.A consensus-based approach for platooning with intervehicular communications and its validation in realistic scenarios, IEEE Transactions on Vehicular Technology, 2016, vol. 66, no. 3, pp. 1985—1999.

24. Das A. K. et al.A vision-based formation control framework, IEEE transactions on robotics and automation, 2002, vol. 18, no. 5, pp. 813—825.

25. Zhu Hua.Motion control of a group of mobile robots in a "convoy" type formation. BMSTU, Moscow, 2018 (in Russian).

26. Wan S., Lu J., Fan P. Semi-centralized control for multi robot formation, 2017 2nd International Conference on Robotics and Automation Engineering (ICRAE),IEEE, 2017, pp. 31—36.

27. Siciliano B., Khatib O. Springer handbook of robotics, Springer, 2016.

28. Yamada S., Saito J. Adaptive action selection without explicit communication for multirobot box-pushing, IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews),2001, vol. 31, no. 3, pp. 398—404.

29. Egerstedt M. Behavior based robotics using hybrid automata, International Workshop on Hybrid Systems: Computation and Control, Springer, Berlin, Heidelberg, 2000, pp. 103—116.

30. Dong J., Chen H. T., Liu S.A behavior-based policy for multirobot formation control, Applied Mechanics and Materials. Trans Tech Publications Ltd, 2012, vol. 220, pp. 1181—1185.

31. Antonelli G. et al. Experiences of formation control of multi-robot systems with the Null-Space-based Behavioral Control //Proceedings 2007 IEEE international conference on robotics and automation. IEEE, 2007, P. 1068—1073.

32. Antonelli G., Arrichiello F., Chiaverini S. The NSB control: a behavior-based approach for multi-robot systems, Paladyn, Journal of Behavioral Robotics, 2010, vol. 1, no. 1, pp. 48—56.

33. Antonelli G. et al. CAVIS: a Control software Architecture for cooperative multi-unmanned aerial VehIcle-manipulator System, IFAC Proceedings Volumes, 2014, vol. 47, no. 3, pp. 1108—1113.

34. Baizid K. et al. Behavioral control of unmanned aerial vehicle manipulator systems, Autonomous Robots, 2017, vol. 41, no. 5, pp. 1203—1220.

35. Muscio G. et al. Coordinated control of aerial robotic manipulators: theory and experiments, IEEE Transactions on Control Systems Technology, 2017, vol. 26, no. 4, pp. 1406—1413.

36. Lei B., Li W. Formation control for multi-robots based on flocking algorithm, International Conference on Intelligent Robotics and Applications, Springer, Berlin, Heidelberg, 2008, pp. 1238—1247.

37. Hayashi Y., Namerikawa T. Flocking algorithm for multiple nonholonomic cars, 2016 55th Annual Conference of the Society of Instrument and Control Engineers of Japan (SICE), IEEE, 2016, pp. 1660—1665.

38. La Salle J. P. The stability of dynamical systems, Society for Industrial and Applied Mathematics, 1976.

39. Bonabeau E. et al.Swarm intelligence: from natural to artificial systems, Oxford university press, 1999, no. 1.

40. Soni A., Hu H. Formation control for a f leet of autonomous ground vehicles: A survey, Robotics, 2018, vol. 7, no. 4. pp. 67.

41. Kennedy J., Eberhart R. Particle swarm optimization, Proceedings of ICNN’95-International Conference on Neural Networks.IEEE, 1995, vol. 4, pp. 1942—1948.

42. Shi Y., Eberhart R.A modified particle swarm optimizer, 1998 IEEE international conference on evolutionary computation proceedings. IEEE world congress on computational intelligence.IEEE, 1998, pp. 69—73.

43. Sengupta S., Basak S., Peters R. A. Particle Swarm Optimization: A survey of historical and recent developments with hybridization perspectives, Machine Learning and Knowledge Extraction, 2019, vol. 1, no. 1, pp. 157—191.

44. Poli R., Kennedy J., Blackwell T. Particle swarm optimization, Swarm intelligence, 2007, vol. 1, no. 1, pp. 33—57.

45. Dorigo M., Caro G. D., Gambardella L. M. Ant algorithms for discrete optimization, Artificial life, 1999, vol. 5, no. 2, pp. 137—172.

46. Mohan B. C., Baskaran R. A survey: Ant Colony Optimization based recent research and implementation on several engineering domain, Expert Systems with Applications, 2012, vol. 39, no. 4,pp. 4618—4627.

47. Karaboga D., Basturk B.A powerful and efficient algorithm for numerical function optimization: artificial bee colony (ABC) algorithm, Journal of global optimization, 2007, vol. 39, no. 3,pp. 459—471.

48. Karaboga D. et al.A comprehensive survey: artificial bee colony (ABC algorithm and applications, Artificial Intelligence Review, 2014, no. 1, pp. 21—57.

49. Passino K. M. Biomimicry of bacterial foraging for distributed optimization and control, IEEE control systems magazine, 2002, no. 3, pp. 52—67.

50. Rani B. S., Kumar C. A.A comprehensive review on bacteria foraging optimization technique, Multi-objective Swarm Intelligence,Springer, Berlin, Heidelberg, 2015, pp. 1—25.

51. Krishnanand K. N., Ghose D. Detection of multiple source locations using a glowworm metaphor with applications to collective robotics, Proceedings 2005 IEEE Swarm Intelligence Symposium, 2005. SIS 2005. IEEE, 2005, pp. 84—91.

52. Karegowda A. G., Prasad M. A survey of applications of glowworm swarm optimization algorithm, International journal of computer applications, 2013, vol. 975, pp. 39—42.

53. Mirjalili S., Mirjalili S. M., Lewis A. Grey wolf optimizer, Advances in engineering software, 2014, vol. 69, pp. 46—61.

54. Faris H. et al.Grey wolf optimizer: a review of recent variants and applications, Neural computing and applications, 2018, vol. 30, no. 2, pp. 413—435.

55. Karpenko A. P. Modern algorithms for search engine optimization. Algorithms inspired by nature, Moscow, BMSTU, 2014 (in Russian).

56. Yang L., Gongyou T., Peidong W. Formation distance problem in multi-agents control, 2012 Fifth International Conference on Intelligent Computation Technology and Automation, IEEE, 2012, pp. 181—184.

57. Oikawa R., Takimoto M., Kambayashi Y. Distributed formation control for swarm robots using mobile agents, 2015 IEEE 10th Jubilee International Symposium on Applied Computational Intelligence and Informatics. IEEE, 2015, pp. 111—116.

58. Li G., Xu H., Lin Y. Application of bat algorithm based time optimal control in multi-robots formation reconfiguration, Journal of Bionic Engineering, 2018, vol. 15, no. 1, pp. 126—138.

59. Furukawa T. et al.Time-optimal coordinated control of the relative formation of multiple vehicles, Proceedings 2003 IEEE International Symposium on Computational Intelligence in Robotics and Automation. Computational Intelligence in Robotics and Automation for the New Millennium (Cat. No. 03EX694). IEEE, 2003, vol. 1,pp. 259—264.

60. Borhaug E., Pavlov A., Pettersen K. Y. Cross-track formation control of underactuated autonomous underwater vehicles, Group Coordination and Cooperative Control, Springer, Berlin, Heidelberg, 2006, pp. 35—54.

61. Roy D., Maitra M., Bhattacharya S. Study of formation control and obstacle avoidance of swarm robots using evolutionary algorithms, 2016 IEEE International Conference on Systems, Man, and Cybernetics (SMC). IEEE, 2016, pp. 3154—3159.

62. Tan K. H., Lewis M. A. Virtual structures for highprecision cooperative mobile robotic control, Proceedings of IEEE/RSJ International Conference on Intelligent Robots and Systems. IROS’96, IEEE, 1996, vol. 1, pp. 132—139.

63. Lau K. H. Jet Propulsion Lab, Personal Communication, 2000.

64. Qian X., De La Fortelle A., Moutarde F.A hierarchical model predictive control framework for on-road formation control of autonomous vehicles, 2016 IEEE Intelligent Vehicles Symposium (IV),IEEE, 2016, pp. 376—381.

65. Low C. B. Adaptable virtual structure formation tracking control design for nonholonomic tracked mobile robots, with experiments, 2015 IEEE 18th International Conference on Intelligent Transportation Systems,IEEE, 2015, pp. 1868—1875.

66. Essghaier A. et al.Co-leaders and a f lexible virtual structure based formation motion control, International journal of vehicle autonomous systems, 2011, vol. 9, no. 1—2, pp. 108—125.

67. Chen L., Baoli M.A nonlinear formation control of wheeled mobile robots with virtual structure approach, 2015 34th Chinese Control Conference (CCC), IEEE, 2015, pp. 1080—1085.

68. Benzerrouk A. et al.Navigation of multi-robot formation in unstructured environment using dynamical virtual structures, 2010 IEEE/RSJ International Conference on Intelligent Robots and Systems. IEEE, 2010, pp. 5589—5594.

69. Vilca J., Adouane L., Mezouar Y. Stable and Flexible Multi-Vehicle Navigation Based on Dynamic Inter-Target Distance Matrix, IEEE Transactions on Intelligent Transportation Systems,2018, vol. 20, no. 4, pp. 1416—1431.

70. Benzerrouk A., Adouane L., Martinet P. Stable navigation in formation for a multi-robot system based on a constrained virtual structure, Robotics and Autonomous Systems, 2014, vol. 62, no. 12, pp. 1806—1815.


Для цитирования:


Курочкин С.Ю., Тачков А.А. Методы управления групповым движением мобильных роботов (обзор). Мехатроника, автоматизация, управление. 2021;22(6):304-312. https://doi.org/10.17587/mau.22.304-312

For citation:


Kurochkin S.Yu., Tachkov A.A. Methods of Formation Control for a Group of Mobile Robots (a Review). Mekhatronika, Avtomatizatsiya, Upravlenie. 2021;22(6):304-312. (In Russ.) https://doi.org/10.17587/mau.22.304-312

Просмотров: 146


ISSN 1684-6427 (Print)
ISSN 2619-1253 (Online)