[发明专利]一种面向复杂场景的多智能体在线轨迹优化方法及系统

说明书

本公开提供了一种面向复杂场景的多智能体在线轨迹优化方法及系统，涉及多智能体运动规划技术领域，方法包括智能体的初始位置、障碍物环境等先验信息的初始化设置；利用ECBS算法获取多智能体预设的路径点信息集合；每个智能体根据初始化信息、参考的路径点信息以及实时通信获取的其他智能体的状态信息从自身安全和任务效率出发迭代更新中间目标点；融合实时得到的所有信息构建安全性约束和轨迹的性能约束，并以轨迹弯曲程度和到预设中间点距离最小为优化目标进行求解，循环更新并优化满足约束条件的轨迹以及智能体自身运动状态，直至所有智能体均到达最终预设的目标位置。本公开有更高的规划成功率保证，而且规划速度更快。

技术领域

本公开涉及多智能体运动规划技术领域，具体涉及一种面向复杂场景的多智能体在线轨迹优化方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

目前，现代工业对自动化、智能化装备要求越来越高，更加要求多个智能体的协同合作。目前，多智能体系统广泛应用于材料转运、仓储邮寄等任务，在灵活性、任务执行效率以及容错性上具有显著优势。然而，实现多智能体的协同作业，关键在于如何科学合理的构建多智能体运动规划方案。

近年来，多智能体运动规划研究发展迅速，但是现有的多智能体规划方案仍然有一定的局限。离线的多智能体规划方法，虽然可以保证轨迹全局的优化，但是无法适应复杂且实时变化的外部环境；一些在线规划方法虽然保证了较好的实时性，但是整体规划成功率不高，而且生成的轨迹光滑度不够使得智能体在线执行；一些集中式的在线规划方案考虑了智能体的运动需求，但是数量超过了10个时，计算压力激增，无法满足大规模应用场景的实际需求。而且面向更高效率和更大规模的实际应用需求，现有的一些多智能体运动规划方案不能较好的在确保安全无碰撞和满足智能体动力学要求的前提下，来尽可能优化多智能体的行径时间和路径长度，无法保证多智能体协同作业的安全性和高效性。

发明内容

本公开为了解决上述问题，提出了一种面向复杂场景的多智能体在线轨迹优化方法及系统，引入ECBS(Enhanced Conflict Based Search)算法得到的离散路径点作为中间目标点的预设，有效规避碰撞且提出的在线轨迹优化方法可以根据环境的改变对轨迹实时更新，能够更好的适应杂乱的环境。

根据一些实施例，本公开采用如下技术方案：

一种面向复杂场景的多智能体在线轨迹优化方法，包括：

智能体的初始位置、障碍物环境的先验信息的初始化设置；

获取预设的离散路径点，并基于环境先验信息和设定的规划目标利用ECBS算法获取多个智能体离散的路径点集合；

实时更新中间目标点，每个智能体根据初始化信息和预设的路径点信息，以及实时获取的其他智能体的状态信息，结合自身当前的运动状态及历史轨迹信息，通过启发式搜索和碰撞检测策略确定并更新中间目标点；

构建优化模型并循环更新优化，基于环境先验及通信信息实时构建碰撞和避碰约束，以轨迹弯曲程度和到预设中间点距离最小为优化目标进行求解，循环更新并优化满足约束条件的轨迹以及智能体自身运动状态，直至所有智能体均到达最终预设的目标位置。

根据一些实施例，本公开采用如下技术方案：

一种面向复杂场景的多智能体在线轨迹优化系统，包括：

初始化模型模块，用于智能体的初始位置、障碍物环境的先验信息的初始化设置；

离线规划模块，用于获取预设的离散路径点，并基于环境先验信息和设定的规划目标利用ECBS算法获取多个智能体离散的路径点集合；