[发明专利]基于人群交互行为的机器人集群运动控制方法

说明书

本发明提出一种基于人群交互行为的机器人集群运动控制方法，首先，基于社会力模型，在社会力模型中引入视觉引导算法提高集群系统在复杂环境下的组群能力；然后，在社会里模型中引入与视觉选择注意机制提高集群系统在复杂环境下的活动灵活性；随后，对模型中的运动关联参数采用遗传算法进行全局并行优化，获得集群运动效率提升的最优参数组合。本发明解决了局部最小问题导致的群内个体丢失，集群群组能力不足和协调一致性下降的问题，提高了群集系统在复杂环境下的组群能力；而且通过差异交互项区分了个体对视野域内外邻居的强弱交互，速度应激项增强了个体对视野域内运动特征突出的邻居的速度应激反应，提高了群集系统在复杂环境下的运动灵活性。

技术领域

本发明属于机器人运动控制领域，具体涉及一种基于人群交互行为的机器人集群运动控制方法。

背景技术

人群是群集的典型代表，由于人具备高度的自主性与智能性，人群在运动过程中，往往展现出区别于其他生物的高度智能化的行为。从人群交互行为的角度研究群集运动，有利于挖掘人群交互中的智能化行为，更好地刻画群集的运动特征。

社会力主要包括三种形式的力，即个体自驱力、个体间作用力以及个体与障碍物间的作用力，个体在这些力的共同作用下，产生朝着目标点运动的加速度。但传统的社会力模型采用的是人工势场法的建模思想，会导致局部最小问题，局部最小问题使得群内个体丢失，导致群集组群能力不足，群集的协调一致性下降。其次，传统社会力模型中，个体的速度受到周围交互邻居的共同影响而导致越发“平均化”。这不仅与人的视觉选择注意的特点相违背，而且越发“平均化”的建模思路，使得群体的灵活性大大下降，难以反映生物群集的运动特征。

发明内容

针对现有技术存在的问题，本发明从人群交互行为出发，在揭示其内在交互规则的基础上，基于社会力模型构建群集运动模型，并针对基于社会力模型的群集系统在复杂环境下的运动控制问题进行研究，从而提出一种基于人群交互行为的机器人集群运动控制方法。

其基本原理是：首先，基于社会力模型，在社会力模型中引入视觉引导算法提高集群系统在复杂环境下的组群能力；然后，在社会力模型中引入与视觉选择注意机制提高集群系统在复杂环境下的活动灵活性；随后，对模型中的运动关联参数采用遗传算法进行全局并行优化，获得集群运动效率提升的最优参数组合。

本发明的技术方案为：

所述一种基于人群交互行为的机器人集群运动控制方法，包括以下步骤：

步骤1：建立传统社会力模型，社会力主要包括三种形式的力，即个体自驱力、个体间作用力以及个体与障碍物间的作用力；

社会力的表达模型为：

其中m_i为个体i的质量；为个体i在t时刻的速度；为个体i在t时刻受到的自驱力；为个体i在t时刻受到感知域内邻居的作用力的总和；为个体i在t时刻受到感知域内障碍物的作用力的总和；为个体i在t时刻受到个体j的社会距离力；为个体i在t时刻受到个体j的物理力；为个体i在t时刻受到障碍物w的社会距离力；为个体i在t时刻受到障碍物w的物理力。

(2)加入视觉引导算法，增强个体对障碍物的感知和规避能力，避免个体由于陷入局部最小而导致群内个体丢失，进而提升群集整体的组群能力。算法主要分为以下三步骤：视觉建立、障碍物探测、导航点选择。

视觉建立：根据社会力模型中个体的受力特征，以所受的合力方向为基准，建立个体视觉感知区域，由于人探知区域约为左右各90°，90°，所以每隔45°在外围圆弧区域设立探测点，共5个。这些视野探测点将作为视觉前沿探测点，用来探测障碍物的位置。