[发明专利]基于基因调控网络的群体机器人动态围捕控制方法及系统

说明书

本发明涉及群体智能技术领域，具体涉及一种基于基因调控网络的群体机器人动态围捕控制方法及系统，所述方法为：控制群体机器人在未知环境中进行搜索，直到搜索到目标；在群体机器人搜索到目标后，利用群体机器人机载的传感器对目标周围的环境信息进行探测，获得目标的相对位置以及目标周围的环境中障碍物的相对位置；接着，将目标的相对位置和障碍物的相对位置输入至基因调控网络模型中进行迭代训练，得到训练好的基因调控网络模型；最后，根据训练好的基因调控网络模型生成群体聚合形态，控制群体机器人按所述群体聚合形态对目标进行包围，本发明能够在复杂的、动态的、未知的环境下实时、高效地完成围捕任务。

技术领域

本发明涉及群体智能技术领域，具体涉及一种基于基因调控网络的群体机器人动态围捕控制方法及系统。

背景技术

现有技术中，基于生物演化机理的群体智能研究主要从两个层面展开，即基于动物群体行为的群体智能研究(宏观层面)和基于生物细胞演化机理的群体智能研究(微观层面)。群体聚合行为在生物群体中十分常见，其包括群体形态的形成以及群体形态的维持。具体而言，群体聚合形态的生成一般由多机器人通过相互协同，生成具有一定形状的群体聚合形态，这种聚合形态既可以是预定义的，也可以是群体机器人中单个机器人通过与邻居机器人进行局部信息交互从而自组织协同形成的。

过去十年，很多研究者对基于基因调控网络的群体聚合形态生成进行了大量的研究。例如Jin等人提出了机器人系统与DNA与细胞之间机制的隐喻。然后，分层基因调控网络用于表示群体机器人系统，成功地控制群体形态形成。Oh等人提出了一种基于进化分层基因调控网络模型的群体聚合形态形成方法，提高了群体聚合形态生成的灵活性和对各种场景的适应性。为了实现避障，Peng等人在分层基因调控网络的下层中加入一些避障机制，而分层基因调控网络的上层和Jin等人所提出的一样。

然而，目前大多数基因调控网络模型在设计之前，要么假设环境是已知的，要么是离线优化基因调控网络模型里的参数。这些假设使群体机器人系统很难利用基因调控网络模型在未知环境下完成围捕任务。大多数基因调控网络模型不仅需要依靠人为的知识经验来设计，有时还需要离线地进行优化。这些局限性使得在复杂的、动态的、未知的环境下群体机器人系统利用基因调控网络模型完成围捕任务往往成为一个繁复且低效的过程。

发明内容

本发明提供一种基于基因调控网络的群体机器人动态围捕控制方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

为了实现上述目的，本发明提供以下技术方案：

一种基于基因调控网络的群体机器人动态围捕控制方法，所述方法包括以下步骤：

控制群体机器人在未知环境中进行搜索，直到搜索到目标；

在群体机器人搜索到目标后，利用群体机器人机载的传感器对目标周围的环境信息进行探测，获得目标的相对位置以及目标周围的环境中障碍物的相对位置；

将目标的相对位置和障碍物的相对位置输入至基因调控网络模型中进行迭代训练，得到训练好的基因调控网络模型；

根据训练好的基因调控网络模型生成群体聚合形态，控制群体机器人按所述群体聚合形态对目标进行包围。

进一步，所述群体机器人机载的传感器包括：超声波传感器、气味传感器、红外传感器、摄像头中至少一种。

进一步，所述基因调控网络模型包括产生层和形成层，其中，产生层用于根据目标的相对位置以及障碍物的相对位置自适应生成群体聚合形态，形成层用于控制群体机器人维持由产生层产生的群体聚合形态。

进一步，所述产生层用于通过基因调控方程对基因调控网络模型进行迭代训练，所述基因调控方程为；