swarm
一种用Swarm均匀覆盖动态区域的实用方法
A Practical Method to Cover Evenly a Dynamic Region with a Swarm（Multi-Robot Systems）
许多应用程序需要探索或监视一个区域。这可以通过传感器网络来实现，这是一个大型机器人团队，每个机器人只能覆盖很小的一部分。当区域是凸的、小的和静态的时，将机器人部署为 Centroidal Voronoi Tessellation (CVT) 就足够了。相反，我们认为要覆盖的区域很宽，不一定是凸的，而且很复杂。然后，一个较小的简单区域被操纵和变形以耙整个区域。向机器人提供了一些沿时间描述该区域的航路点。目标是机器人协调以在该区域上均匀地动态部署，靠近 CVT。不幸的是，分布式 CVT 计算算法收敛速度太慢，以至于这种探索方法不实用。在这项工作中，CVT 计算辅以基于反馈和前馈的控制技术以及动态一致性，以调整机器人速度，使它们能够协调以覆盖动态区域。我们在仿真中证明，所提出的方法成功地实现了跟踪区域的目标，机器人均匀部署，同时保持连通性并避免碰撞。我们还比较了所提出方法与其他替代方法的性能。
Tracking and Relative Localization of Drone Swarms with a Vision-Based Headset(Aerial Robotics: Sensing and Control)
我们使用配备单个摄像头和惯性测量单元 (IMU) 的耳机从人类角度解决无人机群代理的检测、跟踪和相对定位问题。我们在图像数据上训练和部署深度神经网络检测器来检测无人机。联合概率数据关联过滤器解决了检测问题，并将此信息与耳机 IMU 数据耦合以跟踪代理。为了估计无人机在 3D 空间中相对于人类的相对姿势，我们使用了一个额外的深度神经网络来处理跟踪器提供的无人机图像区域。最后，为了加快深度神经网络的训练，我们引入了一个依赖于动作捕捉系统的自动标记过程。几个实验结果验证了所提出方法的有效性。该方法是实时的，不依赖于人和无人机之间的任何通信，并且可以扩展到大量代理，通常称为群体。它可用于对一群无人机执行空间任务，也可在不使用耳机的情况下用于编队控制和地面车辆协调。
Autonomous Aerial Swarming in GNSS-Denied Environments with High Obstacle Density(Aerial Systems: Multi-Robots)
本文讨论了在高障碍物密度区域相对局部化无人机（UAV）的紧凑植绒问题。所提出的工作解决了环境地图先验未知并且由于存在障碍物而难以使用全球定位系统和通信基础设施的现实场景。为了在这样一个受限的环境中实现集群，我们提出了一个完全分散的、受生物启发的控制法则，它仅使用板载传感器数据来安全地通过环境进行集群，而不与其他代理进行任何通信。在所提出的方法中，每个无人机代理使用机载传感器进行自我定位和估计其他代理在其本地参考框架中的相对位置。使用现实机器人模拟器和天然森林中的各种实验验证和评估了所提出方法的可用性和性能。所提出的实验还验证了在没有全球定位信息和通信的情况下，机载相对定位在自主多无人机应用中的效用。
Parallel Actuation of Nanorod Swarm and Nanoparticle Swarm to Different Targets(Applications of Micro and Nano Robotics)
经过多年的发展，各种机器人群被提出用于许多复杂的任务，例如形成图案、协作运动和适应不同环境。然而，由于小型代理上缺乏集成设备，控制微型机器人群仍然是一项具有挑战性的任务，并且在相同的全局输入下驱动多个微型机器人群对不同目标将更加困难。在这项工作中，我们展示了一组镍纳米棒，并且与 Fe3O4 纳米粒子群相比，其不同的运动速度用于在相同的定制振荡磁场下将两个群驱动到不同的目标。从理论上分析了agent的磁各向异性对宏观群体行为的影响。为了证明策略，通过实验对两个蜂群的速度进行了表征，并进行了演示，以展示在同一环境中将两个蜂群驱动到不同位置的能力。此外，在倾斜的基板上也实现了两个群向相反方向的平行运动。这项工作证明了同时驱动两个群体对不同目标的可行性，并促进了对微型机器人群体的基本理解。
Molecular Transport of a Magnetic Nanoparticle Swarm towards Thrombolytic Therapy(Applications of Micro and Nano Robotics)
由于微型尺寸、可控性、导航和多功能能力，微/纳米机器人对微创手术很有吸引力。特别是，血凝块作为血管中不需要的生物对象会导致严重的疾病。在此，我们报告了一个磁铁矿纳米粒子群（Fe3O4 ) 能够诱导流体动力学效应以在动态磁场下的紧急漩涡中捕获组织纤溶酶原激活剂 (t-PA)。一旦蜂群移动到接近血凝块的位置，笼中的 t-PA 分子就会与它一起被运输穿过界面进行溶栓。此外，每个单独的旋转纳米机器人的动态运动可以通过施加机械力与松散的纤维蛋白纤维摩擦软化的凝块来帮助清除凝块，而松散的纤维蛋白纤维通过化学裂解 t-PA 不完全溶解。群体对溶栓治疗的可行性和性能已通过体外实验得到证实。结果表明，直径为 3 毫米、长度为 9 毫米的血块在两小时内完全清除，比单独应用 t-PA 的临床程序快约 3 倍。
GenGrid: A Generalised Distributed Experimental Environmental Grid for Swarm Robotics（Distributed Robotic Systems）
GenGrid 是一个新颖的综合性开源分布式平台，旨在进行广泛的群体机器人实验。模块化平台旨在运行与不同类型的移动机器人兼容的群体机器人实验，这些移动机器人包括 Colias、Kilobot 和 E-puck [1]-[4]。该平台提供对实验装置及其参数的可编程控制，并充当收集群机器人数据的工具，包括定位、感官反馈、消息传递和交互。GenGrid 设计为可连接计算节点的模块化网格，可在机器人代理和网格节点之间以及网格内提供双向通信。论文描述了GenGrid系统的硬件和软件架构设计。更远，它讨论了一些涵盖多机器人和群机器人的常见实验研究，以展示该平台的使用。GenGrid 由 25 个同质单元组成，具有相同的传感和通信特性，占地面积为 37.5 cm × 37.5 cm，以最少的资源展示了多种功能。开源硬件平台可方便地进行群体实验，包括基于多个梯度的机器人跳跃、集体运输、牧羊、连续信息素沉积和后续蒸发。低成本、模块化和开源平台在群体机器人研究社区中具有重要意义，该社区目前由允许最少修改的商业平台驱动。5 cm × 37.5 cm，以最少的资源展示多种功能。开源硬件平台可方便地进行群体实验，包括基于多个梯度的机器人跳跃、集体运输、牧羊、连续信息素沉积和后续蒸发。低成本、模块化和开源平台在群体机器人研究社区中具有重要意义，该社区目前由允许最少修改的商业平台驱动。5 cm × 37.5 cm，以最少的资源展示多种功能。开源硬件平台可方便地进行群体实验，包括基于多个梯度的机器人跳跃、集体运输、牧羊、连续信息素沉积和后续蒸发。低成本、模块化和开源平台在群体机器人研究社区中具有重要意义，该社区目前由允许最少修改的商业平台驱动。
EGO-Swarm: A Fully Autonomous and Decentralized Quadrotor Swarm System in Cluttered Environments（Learning and Optimization）
本文提出了一种分散和异步的系统解决方案，用于仅使用车载资源在未知障碍物丰富的场景中进行多机器人自主导航。规划系统是在基于梯度的局部规划框架下制定的，其中通过将碰撞风险公式化为非线性优化问题的惩罚来实现碰撞避免。为了提高鲁棒性并避开局部最小值，我们采用了一种轻量级的拓扑轨迹生成方法。然后代理使用不可靠的轨迹共享网络在几毫秒内生成安全、平滑和动态可行的轨迹。通过使用深度图像中的代理检测来校正代理之间的相对定位漂移。我们的方法在模拟和真实世界的实验中都得到了证明。
A Versatile Vision-Pheromone-Communication Platform for Swarm Robotics（Micro/Nano Robotics）
本文描述了一个用于群体机器人研究的多功能平台。它将多种信息素通信与动态视觉场景以及多机器人的实时数据传输和定位相结合。该平台是为调查社会昆虫行为和生物机器人而建立的。通过引入一种新的研究方案来协调嗅觉和视觉线索，它不仅通过增加视觉交互来补充当前仅专注于信息素通信的群体机器人平台，而且还可以填补从生物机器人到神经科学的闭环中的重要空白。我们在之前开发的 ColCOSΦ（一种多信息素平台）的基础上，通过用 LED 面板封闭竞技场并通过视觉传感器与微型移动机器人交互，构建了一个可控的动态视觉环境。此外，已经开发了一种无线通信系统，以允许在多个微型机器人代理和 PC 主机之间传输实时双向数据。已经进行了一个案例研究，结合了来自车联网 (IoV) 和昆虫视觉启发模型的概念，以验证所提出平台的适用性，并研究如何通过使用该平台来促进复杂的场景。
SwarmCCO: Probabilistic Reactive Collision Avoidance for Quadrotor Swarms under Uncertainty（Motion Planning for Aerial Robotics）
我们提出了在不确定状态估计下运行的四旋翼群的分散式避碰算法。我们的方法利用微分平坦度特性和前馈线性化来近似四旋翼动力学并执行相互碰撞避免。我们通过将碰撞约束公式化为机会约束来解释位置和速度的不确定性，机会约束描述了一组在指定置信度下避免碰撞的速度。我们提出了两种不同的方法来制定和解决机会约束：我们的第一种方法假设高斯噪声分布。我们的第二种方法是通过使用高斯混合模型 (GMM) 将其扩展到非高斯情况。我们将线性机会约束重新表述为等效的确定性约束，它们与 MPC 框架一起用于计算每个四旋翼的局部无碰撞轨迹。我们在基准场景的模拟中评估了所提出的算法，并强调了它相对于先前方法的优势。我们观察到高斯和非高斯方法都比确定性方法提供了改进的碰撞避免性能。平均而言，高斯方法需要约 5 毫秒来计算局部无碰撞轨迹，而我们的非高斯方法计算成本更高，并且在有 4 个代理的情况下平均需要约 9 毫秒。我们观察到高斯和非高斯方法都比确定性方法提供了改进的碰撞避免性能。平均而言，高斯方法需要约 5 毫秒来计算局部无碰撞轨迹，而我们的非高斯方法计算成本更高，并且在有 4 个代理的情况下平均需要约 9 毫秒。我们观察到高斯和非高斯方法都比确定性方法提供了改进的碰撞避免性能。平均而言，高斯方法需要约 5 毫秒来计算局部无碰撞轨迹，而我们的非高斯方法计算成本更高，并且在有 4 个代理的情况下平均需要约 9 毫秒。
Self-Organised Saliency Detection and Representation in Robot Swarms（Multi-Robot Systems）
使用机器人群自组装形状具有跨越建筑、功能材料和艺术的应用。通常，表示形状所需的机器人材料的数量与形状的面积有关，机器人填充整个形状。为了节省机器人材料，我们探索了使用自组织分散机制在形状边界上自动聚合的能力，基本上形成轮廓。图像被投射在一群机器人的顶部，机器人感知光的颜色并将此信息传达给它们的邻居以检测显着特征。仿真结果表明，swarm 可以检测显着特征，绘制不同的线条粗细，适应特征随时间的变化，并且可以扩展到现实中的 300 个机器人和多达 1000 个模拟机器人。
Consensus-Based Control Barrier Function for Swarm（Multiple and Distributed Systems）
在群体控制中，许多机器人以分布式和分散的方式协调它们的动作。我们为群体提出了一种基于共识的控制障碍函数（CCBF）。CCBF 限制了整个分布式系统的状态，而不仅仅是单个机器人的状态。障碍函数由共识过滤器近似。我们证明 CCBF 约束控制输入以保持安全集的前向不变性。此外，我们将 CCBF 应用于实际问题，并在实际机器人上进行了实验。结果表明，CCBF 将多个机器人的状态限制在安全集中。据我们所知，这是第一个可以仅通过本地通信来限制整个分布式系统状态的 CBF。
PuzzleBots: Physical Coupling of Robot Swarms（Multiple and Distributed Systems）
机器人群已被证明可以通过机器人间的协作来提高单个机器人的能力。在本文中，我们介绍了 PuzzleBots——一种低成本的机器人群系统，机器人可以在物理上相互耦合以形成具有最低能耗的功能结构，同时保持个体在环境中导航的移动性。每个机器人的身体侧面都有旋钮和孔，因此机器人可以通过将旋钮插入孔中进行耦合。我们展示了旋钮设计的特征以及多达九个机器人的间隙交叉行为的结果。我们通过硬件实验表明机器人能够相互耦合以跨越间隙并解耦以执行单个任务。
Flocking-Segregative Swarming Behaviors Using Gibbs Random Fields（Multiple and Distributed Systems）
本文提出了一种新方法，该方法允许一群异类机器人仅使用局部传感同时产生隔离和集群行为。这些行为已在群体机器人技术中得到广泛研究，它们的组合允许执行几个复杂的任务。我们的方法包括将群体建模为吉布斯随机场 (GRF)，并使用适当的势函数来达到对群体速度的隔离、凝聚力和共识。展示了使用真实机器人进行的模拟和概念验证实验，以评估我们的方法与一些解决隔离行为的最先进的作品相比的性能。
Controllability and Stabilization for Herding a Robotic Swarm Using a Leader: A Mean-Field Approach (I)（Multiple and Distributed Systems: Control）
在本文中，我们介绍了一种模型和一种控制方法，用于使用单个“领导者”代理将一群“跟随者”代理聚集到一组状态中的目标分布。跟随者代理在一个有限的状态空间上进化，该空间由图表示，状态之间的转换根据连续时间马尔可夫链（CTMC），其转换率由领导者的位置决定。控制问题是为领导者定义一系列状态，以引导马尔可夫链前向方程的概率密度。对于这种情况，当跟随者可能交互时，我们证明了系统关于平衡概率分布的局部近似可控性。对于这种情况，当追随者不互动时，我们为领导者设计了两个切换控制法则，它们将一群跟随者代理渐近地驱动到对所有状态都为正的目标概率分布。第一种策略本质上是开环的，leader的切换时间与follower分布无关。第二种策略是反馈型的，leader的切换次数是leader当前状态下follower密度的函数。我们通过数值模拟验证了我们的控制方法，其中不同数量的跟随代理在不同大小的图形上演变，通过 3-D 多机器人模拟，其中四旋翼用于控制八个地面机器人在四个区域的空间分布，以及通过一个物理实验，其中一个由 10 个机器人组成的集群由一个虚拟的领导者在四个区域中放牧。
Rapidly Adapting Robot Swarms with Swarm Map-Based Bayesian Optimisation（Optimization for Multi-Robot Systems）
从不可预见的环境扰动中快速恢复性能仍然是群体机器人技术的一大挑战。为了解决这一挑战，我们研究了一种行为适应方法，其中搜索控制器档案以寻找潜在的恢复解决方案。我们提出了两种算法：（i）基于群映射的优化（SMBO），它以集中的方式一次选择和评估一个控制器，用于同质群；(ii) 基于群地图的去中心化优化 (SMBO-Dec)，它执行基于异步批处理的贝叶斯优化，以同时探索群中机器人组的不同控制器。一项模拟研究调查了 Thymio 机器人群在集体觅食任务中的适应性。首先，我们调查不同组的感觉运动障碍，包括接近传感器故障，地面传感器或单个机器人的执行器，每种类型都有 100 种独特的组合。其次，我们调查群体周围环境的变化，其中可用资源的数量下降或一个机器人扰乱了群体的其余部分；对于每个此类更改，我们都包含 30 个独特条件。证明了 SMBO 和 SMBO-Dec 的可行性，与随机搜索和梯度下降的变体以及各种消融相比具有优势，并且在不到 30 次评估中，与故障注入时的性能相比，性能提高了 80%。可用资源的数量下降或一个机器人扰乱了其余的群体；对于每个此类更改，我们都包含 30 个独特条件。证明了 SMBO 和 SMBO-Dec 的可行性，与随机搜索和梯度下降的变体以及各种消融相比具有优势，并且在不到 30 次评估中，与故障注入时的性能相比，性能提高了 80%。可用资源的数量下降或一个机器人扰乱了其余的群体；对于每个此类更改，我们都包含 30 个独特条件。证明了 SMBO 和 SMBO-Dec 的可行性，与随机搜索和梯度下降的变体以及各种消融相比具有优势，并且在不到 30 次评估中，与故障注入时的性能相比，性能提高了 80%。
Multiple-Place Swarm Foraging with Dynamic Robot Chains（Service Robotics）
觅食机器人群的目标是快速搜索并将资源交付到特定的中央收集区。在先前提出的具有动态仓库的多地点觅食算法中，觅食性能会随着搜索区域和群体规模的增加而降低：仓库需要长途跋涉才能将资源运送到中心，而更多的机器人会在旅途中产生更多的拥堵。我们提出了对多地点觅食的新扩展，其中动态部署了多个机器人链。每个机器人链将一个觅食地点连接到中央收集区。资源不是由单个机器人交付资源，而是通过机器人链从觅食地点直接传递到中心，这样可以避免中心收集区附近的拥堵。动态机器人链条还可以重新定位，以在避开障碍物的同时更接近资源。我们在机器人模拟器 ARGoS 中模拟我们的机器人群。我们的实验表明，使用具有动态链的 MPFA 的机器人优于具有动态仓库的 MPFA，并且拥塞更少。
网友评论