碰撞锥检测改进的多智能体避障算法

doi:10.3778/j.issn.1002-8331.1908-0281

计算机工程与应用 ›› 2020, Vol. 56 ›› Issue (18): 63-68.DOI: 10.3778/j.issn.1002-8331.1908-0281

碰撞锥检测改进的多智能体避障算法

许元云，何明，刘锦涛，周波，杨铖

中国人民解放军陆军工程大学指挥控制工程学院，南京 210007

出版日期:2020-09-15 发布日期:2020-09-10

Multi-agent Obstacle Avoidance Algorithm Improved by Collision Cone Detection

XU Yuanyun, HE Ming, LIU Jintao, ZHOU Bo, YANG Cheng

College of Command and Control Engineering, The Army Engineering University of PLA, Nanjing 210007, China

Online:2020-09-15 Published:2020-09-10

摘要/Abstract

摘要：

避障是多智能体能够适应复杂环境并顺利完成任务的必要条件之一。为使多智能体更快通过障碍物并达到一致，提出了一种多智能体避障控制算法。算法引入了避障系数，该系数由基于角度比较的碰撞锥检测方法来确定，并通过牵制控制输入完成多智能体的避障。证明了在该算法作用下所有智能体最终会避开障碍，避免碰撞并最终达到一致。通过实验仿真分析和对比，该方法能够使得多智能体更快避开障碍物。

关键词: 多智能体, 避障, 一致性, 碰撞锥检测

Abstract:

Obstacle avoidance is one of the necessary conditions for multi-agents to adapt to complex environments and successfully complete tasks. In order to make multi-agents pass obstacles faster and achieve consensus, a multi-agent obstacle avoidance control algorithm is proposed. An obstacle avoidance coefficient is proposed, which is determined by the collision cone detection method based on angle comparison, and the obstacle avoidance of the agent is completed by the control input and the obstacle avoidance coefficient. It is proved that all the agents in the algorithm eventually avoid obstacles, avoid collisions and reach consensus. Through experimental simulation analysis and comparison, this method can make multi-agents pass obstacles more quickly.

Key words: multi-agent, obstacle avoidance, consensus, collision cone detection

许元云，何明，刘锦涛，周波，杨铖. 碰撞锥检测改进的多智能体避障算法[J]. 计算机工程与应用, 2020, 56(18): 63-68.

XU Yuanyun, HE Ming, LIU Jintao, ZHOU Bo, YANG Cheng. Multi-agent Obstacle Avoidance Algorithm Improved by Collision Cone Detection[J]. Computer Engineering and Applications, 2020, 56(18): 63-68.

[1]	廖列法，李浩瀚，李帅，朱合隆，李志军. 结合Winner-Take-All的足球机器人控制策略研究[J]. 计算机工程与应用, 2021, 57(7): 136-143.
[2]	张忠民，刘金鑫，席志红. 熵率超像素分割一致性检验视差细化算法[J]. 计算机工程与应用, 2021, 57(5): 204-209.
[3]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[4]	杨凌耀，张爱华，张洁，宋季强. 栅格地图环境下机器人速度势实时路径规划[J]. 计算机工程与应用, 2021, 57(24): 290-295.
[5]	陈俊丰，郑中团. WKMeans与SMOTE结合的不平衡数据过采样方法[J]. 计算机工程与应用, 2021, 57(23): 106-112.
[6]	王军，曹雷，陈希亮，赖俊，章乐贵. 多智能体博弈强化学习研究综述[J]. 计算机工程与应用, 2021, 57(21): 1-13.
[7]	李振涛，冯元珍，王正新. 事件触发下多智能体系统固定时间二分一致性[J]. 计算机工程与应用, 2021, 57(21): 80-86.
[8]	况立群，李思远，冯利，韩燮，徐清宇. 深度强化学习算法在智能军事决策中的应用[J]. 计算机工程与应用, 2021, 57(20): 271-278.
[9]	甘昕艳，高翔. 基于犹豫模糊决策算法的云制造系统选择研究[J]. 计算机工程与应用, 2021, 57(2): 134-142.
[10]	贾文友，江磊，曹紫阳，梁利东. 能耗约束优化工业机器人作业轨迹[J]. 计算机工程与应用, 2021, 57(15): 245-250.
[11]	陈雪娟. 犹豫模糊群共识实现算法及其数据系统优选[J]. 计算机工程与应用, 2021, 57(11): 128-134.
[12]	唐蕾，刘广钟. 改进TD3算法在四旋翼无人机避障中的应用[J]. 计算机工程与应用, 2021, 57(11): 254-259.
[13]	华洪，张志安，施振稳，陈冠星. 动态环境下多重A*算法的机器人路径规划方法[J]. 计算机工程与应用, 2021, 57(10): 173-180.
[14]	孙彧，曹雷，陈希亮，徐志雄，赖俊. 多智能体深度强化学习研究综述[J]. 计算机工程与应用, 2020, 56(5): 13-24.
[15]	茆汉国，张建德. 多智能体系统的非震颤固定时间一致性[J]. 计算机工程与应用, 2020, 56(4): 158-162.

碰撞锥检测改进的多智能体避障算法

Multi-agent Obstacle Avoidance Algorithm Improved by Collision Cone Detection

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics