[发明专利]一种基于多智能体邻近交互与轨迹预测的路径规划方法

说明书

本发明公开了一种基于多智能体邻近交互与轨迹预测的路径规划方法，通过两阶段规划在线得到多智能体协同路径，在MACPP‑MPC算法分散阶段，各智能体结合感知半径、行为引导点与目标函数对覆盖路径进行决策，在MACPP‑MPC算法搜索阶段，各智能体采用模型预测控制技术，对自身及可交互范围内个体的未来轨迹进行预测，并对预测结果进行融合、评价、排序，得到下一步行为决策方案；与现有算法相比，本发明中的算法架构在智能体移动距离、转弯数量与路径重复率方面均占优；同时，在态势突变情况下，如机体损毁和动态障碍物等环境中，所提算法具有较好的适应性和鲁棒性。

技术领域

本发明属于多智能体路径规划和智能优化等技术领域，具体涉及一种基于多智能体邻近交互与轨迹预测的路径规划方法。

背景技术

覆盖路径规划(coverage path planning,CPP)主要研究如何使(多)智能体在避碰和避障的条件下规划其路径，以实现对所给环境的完全覆盖。近年来，此项技术在众多行业中得到了广泛的应用，如灾区搜索和救援、窗户清洁器、扫地机器人、自动收割机以及复杂水下结构的检查等。

本发明主要针对灾区救援任务场景展开研究。考虑到地震、核泄漏和其他灾难场景具有较强的动态性和随机性，因此，单智能体系统无法满足上述环境的覆盖任务要求，也无法应对诸如机体受损等紧急情况。在生物界，生物种群使用简单的规则和局部的交互可形成自适应性强、鲁棒性高的群体行为，从而完成单体无法执行的复杂任务，如迁移和对抗等。因此，本发明借鉴生物种群的交互与协作模式，对复杂动态环境中的多智能体协同覆盖路径规划问题展开研究。通过对现有文献的调研，我们发现目前关于多智能体覆盖路径规划问题的研究主要存在以下几方面局限。

(1)任务环境先验已知

根据对任务环境信息掌握程度的差异，覆盖路径规划问题可以分为离线规划和在线规划两种。前者假定环境是先验已知的，而后者则根据所搭载传感器对环境信息进行动态感知。在大多数应用场景中，尤其是在复杂战场或灾区救援场景中，任务环境是未知的或部分可观测的，即使可提前获得环境数据，态势发展的不可预测性也给任务执行增加了很多不确定性。因此，研究未知动态环境中的在线覆盖路径规划技术至关重要。

(2)智能体间任务分工不均衡

现有的关于多智能体覆盖路径规划技术的研究多数在任务执行前结合任务需求和智能体数量对环境进行分割，各智能体依照预先分派的结果到相应任务区域执行覆盖任务。这种任务分配方式可能存在工作载荷分配不均的问题，且一旦遇到机体损毁等突发情况，这种分配不均或方案失效的局限将越发明显。

(3)缺少智能体间的有效交互与协同机制设计

如前所述，现有技术通过对任务载荷划分来降低单体工作量，进而缩短任务执行时间。但上述这种“通过数量换取时间”的分配方式没有较好的利用多体间的协同性和系统的鲁棒性，设计合理且高效的多体交互与协同机制对于有效提高多体系统在复杂动态环境中的工作效率是至关重要的。

研究复杂动态环境中的多智能体覆盖路径规划问题具有挑战性，主要由于：①与单主体CPP问题不同，在多体系统中，各单体的决策会受到其他个体行为的动态影响，即从任意个体的角度看，环境状态是不稳定的。②任务环境具有极大的不确定性和随机性，并且智能体仅对环境存在一点先验知识。因此，需通过传感器探测来逐渐加深对环境的了解，并根据态势的变化对自身策略进行动态调整。③为了以最小的任务执行时间实现完全覆盖，智能体间需进行交互与合作，从而减少移动距离、降低转弯次数、避免重复路径和碰撞等。

发明内容

有鉴于此，本发明提供了一种基于多智能体邻近交互与轨迹预测的路径规划方法，能够通过引入交互机制和模型预测控制技术，智能体可与关联个体进行交互与协作，从而最大程度地减少任务时间。

实现本发明的技术方案如下：

一种基于多智能体邻近交互与轨迹预测的路径规划方法，包括以下步骤：