基于评价选择策略的Internet多机器人协作控制研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (36): 1-3.

基于评价选择策略的Internet多机器人协作控制研究

李响^1,2,王越超¹

1.中国科学院沈阳自动化研究所机器人学重点实验室，沈阳 100016
2.中国科学院研究生院，北京 100049

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-21 发布日期:2007-12-21
通讯作者: 李响

Coordination control of Internet-based multi-robot based on evaluation selective strategy

LI Xiang^1,2,WANG Yue-chao¹

1.Robotics Laboratory of Shenyang Institute of Automation，Chinese Academy of Sciences，Shenyang 100016，China
2.Graduate School of Chinese Academy of Sciences，Beijing 100049，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-21 Published:2007-12-21
Contact: LI Xiang

摘要/Abstract

摘要： 针对Internet多机器人系统中存在的操作指令延迟、工作效率低、协作能力差等问题，提出了多机器人神经元群网络控制模型。在学习过程中，来自不同功能区域的多类型神经元连接形成动态神经元群集，来描述各机器人的运动行为与外部条件、内部状态之间复杂的映射关系，通过对内部权值连接的评价选择，以实现最佳的多机器人运动行为协调。以互联网足球机器人系统为实验平台，给出了学习算法描述。仿真结果表明，己方机器人成功实现了配合射门的任务要求，所提模型和方法提高了多机器人的协作能力，并满足系统稳定性和实时性要求。

关键词: Internet, 多机器人, 协作, 神经元群网络, 评价

Abstract: In this paper，we construct a neural group network controller for resolving the problems that exist in the Internet-based multi-robot system，such as：delayed instruction，low efficiency and poor collaboration ability，etc.During the learning process，multi-type neuron coming from the different function regions forms the dynamic neural group through connection.This structure may describe the complex mapping relationship among the external conditions，internal states and behaviors of robot.Through the evaluation to the internal connection weights，it can achieve the best behavior coordination of the multi-robot.We adopt the Internet-based soccer robot system as the experimental platform，and describe the learning algorithm.Simulation result shows that it successfully realizes the shooting mission by one team robots.The proposed model and method improve the coordination ability of multi-robot，and fulfill the stability and real-time requirement of system.

Key words: Internet, multi-robot, coordination, neural group network, evaluation

李响^1,2,王越超¹. 基于评价选择策略的Internet多机器人协作控制研究[J]. 计算机工程与应用, 2007, 43(36): 1-3.

LI Xiang^1,2,WANG Yue-chao¹. Coordination control of Internet-based multi-robot based on evaluation selective strategy[J]. Computer Engineering and Applications, 2007, 43(36): 1-3.

[1]	闫晓燊，高强，朱思萌，奚学程，赵万生. 亮度不均匀低质量图像中压印字符分割方法[J]. 计算机工程与应用, 2021, 57(8): 185-191.
[2]	伍京华，吴学桥. 基于Agent的改进贴近度的多属性评价模型[J]. 计算机工程与应用, 2021, 57(5): 65-70.
[3]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[4]	郑建锋，王应明. 基于DEA-BP神经网络的效率置信区间预测模型研究[J]. 计算机工程与应用, 2021, 57(3): 273-278.
[5]	曹玉东，刘海燕，贾旭，李晓会. 基于深度学习的图像质量评价方法综述[J]. 计算机工程与应用, 2021, 57(23): 27-36.
[6]	吕鑫，赵连成，余记远，谭彬，曾涛，陈娟. 基于轨迹聚类的连续查询隐私保护方法[J]. 计算机工程与应用, 2021, 57(2): 104-112.
[7]	魏富强，古兰拜尔·吐尔洪，买日旦·吾守尔. 生成对抗网络及其应用研究综述[J]. 计算机工程与应用, 2021, 57(19): 18-31.
[8]	孙菁阳，陈凤东，韩越越，吴煜雯，甘雨，刘国栋. 图像超分辨率重建算法综述[J]. 计算机工程与应用, 2021, 57(17): 1-9.
[9]	熊中敏，郭怀宇，吴月欣. 缺失数据处理方法研究综述[J]. 计算机工程与应用, 2021, 57(14): 27-38.
[10]	解迎刚，兰江雨. 协作机器人及其运动规划方法研究综述[J]. 计算机工程与应用, 2021, 57(13): 18-33.
[11]	陈甜甜，何秀青，葛文双，何聚厚. 大规模在线协作学习分组方法及应用研究[J]. 计算机工程与应用, 2021, 57(1): 92-98.
[12]	江涛，张志安，程志，李金芝，陆静. 改进遗传算法与领航跟随法的机器人编队方法[J]. 计算机工程与应用, 2020, 56(3): 240-245.
[13]	徐玲玲，迟冬祥. 面向不平衡数据集的机器学习分类策略[J]. 计算机工程与应用, 2020, 56(24): 12-27.
[14]	郭娜，王田苗，胡磊，刘洪升，王昱涵，俞国鑫，宋雄康，耿宝多，杨标. ACL重建手术增强现实导航系统的人机交互技术[J]. 计算机工程与应用, 2020, 56(21): 224-230.
[15]	朱苗苗，潘伟杰，刘翔，吕健，赵慧亮. 基于BP神经网络代理模型的交互式遗传算法[J]. 计算机工程与应用, 2020, 56(2): 146-151.