空地协作机器人研究综述

空地协作机器人研究综述

董智军

佛山市德恩普自动化设备科技有限公司 佛山市 528300

摘要：近年来，人工智能和移动机器人领域的快速发展带来了越来越多的好处，大到无人驾驶车辆、医疗服务型机器人，小到智能手机、智能穿戴设备等都与人类生活息息相关。随着科技进步和生产力的提高，在科研领域中多机器人协作已成为当今多智能体研究领域的热点。相较于单一智能体系统，多智能体协作有着区域覆盖面广、环境适应性强、任务执行率高等特点，在该领域中受到广泛研究人员的青睐。本文主要分析空地协作机器人研究。

关键词：跨域协同；多智能体；空地协作；任务规划

引言

在工业场景中，协作机器人正被用于制造业，例如移动机器人在物流仓库中有序配送。尽管如此，机器人协作在民用领域中仍然存在着巨大的挑战，例如，它们需要与人类进行交互并在未知环境中部署。在民用应用中，搜索与救援是一个关键场景，其中异构机器人的协作有可能通过更快的响应时间来拯救生命。在搜救（ｓｅａｒｃｈａｎｄｒｅｓｃｕｅ，ＳＡＲ）行动中，多机器人协作也可以显著提高搜救人员的效率，加快对受害者的搜索。首先，确定搜救范围并利用无人机做初步探测，实时绘制环境地图，同时对搜救行动进行实时监测，或建立紧急情况下的通讯网络，最后利用无人车进行路径规划、物资运载等。因此，异构机器人组合———ＵＡＶ／ＵＧＶ的空地协同系统能够为搜救和探索行动提供更大的优势。

1、空地协同下ＵＡＶ与ＵＧＶ的基本要素

空地协同系统的基本要素：ＵＡＶｓ、ＵＧＶｓ、任务、环境。此外，ＵＡＶ和ＵＧＶ的结构、功能、优势，以及任务的不同也是实现空地协同的必要条件。

1.1ＵＡＶ与ＵＧＶ的类型

ＵＧＶ在不同的空地协作系统中可以采取不同的构型，通常采用两种构型：履带式和车轮式。履带式可以提高在复杂或非结构地形的牵引力，而车轮式可以通过车轮的使用类型和车轮数量来定义。正如ＳＩＥＧＷＡＲＴ等对ＵＧＶ稳定性、机动性和可控性的描述，不同车轮的结构各有优缺点。ＵＡＶ类型因任务而异。在协同系统中使用的ＵＡＶ可以分为单旋翼、多旋翼、固定翼。单旋翼（直升飞机）：单旋翼飞机可以垂直起飞、降落、悬停、前后飞行，相比于多旋翼更加稳定。然而，带有单个巨型旋翼的飞机具有更高的价格和机械复杂度。多旋翼：这类无人机有一个或多个旋翼，可以通过调整旋翼速度来实现稳定的悬停和飞行。多旋翼在民用产品中更为广泛。固定翼：固定翼无人机相比多旋翼无人机具有更低的能耗和更强的续航能力，然而它不能悬停和转弯，这便限制了该类无人机在某些特定任务下的应用部署。

1.2ＵＡＶ与ＵＧＶ的任务类型、衡量标准与应用场景

任务类型，空地协同系统通常需要完成各种不同的任务，其复杂、耗时程度各不相同。任务的复杂程度决定了任务的难度，而任务的难度又影响到完成任务所需的设备数量、类型及准确率。例如，单个ＵＧＶ可以进行小规模的地图构建、设备取放和导航等问题，多个ＵＧＶ又可以根据任务的合作程度进一步区分：从分散式协作到集中式协作。分散式协作可以被分解成多个独立执行的子任务，ＵＧＶ之间的互动与依赖关系将会降低，这方面包括大规模勘探、协作式建图、跟踪与监视等。在这种情况下，协作设备所处环境可以被划分为互不相干的区域，ＵＧＶ只需在其指定的区域内运作，然而集中式任务是不可分解的，需要ＵＧＶ之间的相互协作。衡量标准，衡量标准对于评估一个系统的性能、可用性、效率、质量和鲁棒性至关重要，其也可用于评价空地协作系统及其演化的跨域多机器人系统的有效性。空地协作系统的一些评价指标属于特定领域，对于勘测、建图、定位与导航来说，位置精度的误差是衡量标准之一。除了一些特定领域的标准外，空地协作还有几个常见的指标，包括：解决方案的最优性、可扩展性、鲁棒性、资源利用率、耗时、泛化能力和负载平衡等。

2、软件整体设计方案

空气调节器首先通过摄像机观察地面目标，并存储图像信息。分析了图像中的起点和终点信息，提取了土壤路径信息后，通过路径规划算法计算出了到达目标点的最短路径。通过比较最短路径与交叉口信息，生成、压缩和包装交叉口的方向信息，当前命令在无线连接到地面雷达后发送，通信成功。收到命令后，地面机器人识别地面路径，根据命令信息进入指定的地面，通过单目视觉识别目标，定位，然后进行访问。以目标返回后，完成空对地机器人的整个搜救任务。

2.1空中视觉提取地面路径

地面路径的航空图像提取采用多种算法融合方法，如b .图像波分割、图像平滑、图像变形等。以处理不同的地面曲面，并在空气检测中采用多种方法去除干扰提取路径，如腐蚀膨胀、滤波、灰度和二元化等。能够有效地提取特征信息，提取有效路径信息，通过结合不同方法并分别处理特定区域，减少非路径像素的干扰。

2.2空地机器人通信

航空机器人与地面机器人之间的通信是空对地合作的重要组成部分，应采用能耗低、传输速度快、连接方便的方法。内置于地面蜂鸣器中的WiFi模块和空气采集器中的相应模块可以通过高速无线局域网进行通信。传输的数据被Linux协议封装，然后通过WiFi模块发送到无线网络。Paramiko模块用Python语言编写，可以支持文件或命令的传输，并让它们协同工作。

2.3信息素释放

采用传统蚁群算法解决TSP问题时，任何变形虫通常都能跨越所有城市，这意味着任何变形虫都能产生可行的解决方案。但在本文研究的合作空对地路径规划问题中，无人飞机的能量限制和异构机器人的融合使得任何变形虫都不可能完成所有目标点的穿越。有些蚂蚁找不到路，形成无效的解决方案。释放无效的求解固化剂影响了整个算法的求解性能。为解决这一问题，本文改进了蚁群数量和传统蚁群算法信息的冻结模式，具体如下:蚁群数量不是在每次迭代中确定；如果当前amete找不到生成无效解决方案的方法，则将删除路径记录。如果是有效的解决方案，则保存路径，并且在有效解决方案满足指定数量的要求之前，不会更新当前层代中所有蚂蚁的信息素，然后执行下一个迭代。

2.4地面机器人执行任务

收到文本文件语句后，地面探测器将对其进行解释，并搜索地面路径。首先从地面拍摄地面机器人图像，将其二值化，然后提取地面路径，利用Hough算法修正地面机器人的姿态。Hough变换通常用于图像处理。其基本思想是在笛卡尔坐标系中的点转换为极坐标后，通过协调算法识别具有特定形状的对象。地面探测路径后，地面机器人沿路径行走，在地面交叉口执行相应的文本文件指令信息，最终到达目标附近。由于发动机自身的误差和地面机器人的加热会导致沉降偏差，根据实际需要导致偏离预定方向，本文提出了一种利用Hough算法修正偏差的方法。Hough算法检测到直线后，计算其在图像中的位置。如果偏差超出误差范围，请计算直线偏差的位移和角度，并根据偏差值调整地板垫。纠正偏差并正确执行语句后，地板机器人可以按照指定的计划路径到达指定位置。

2.5最优路径规划

正压送风系统识别地面目标后，将获取起点和终点信息，然后将提取的地面路径信息结合起来进行路径规划。首先，起点和终点的坐标信息将插入到路径信息中。在机器人路径规划的实际应用中，由于传统算法(如遗传算法、神经网络算法等)。)很难按公式计算，而且需要很长时间，在Python中，BFS(宽第一搜索算法)是通过deqo在集合模块中内部实现的，这是非常有效的，而且基于Traversal的宽第一搜索可以用来计算迷宫路径问题的很大一部分，从而得到最优的解决方案，因此是主要的路径规划方法。

结束语

尽管空地协作等异构机器人课题一直受到强烈关注，但在现实世界的部署中，空地协作仍然存在很多局限性，在系统层面、多代理控制及算法角度等方面仍然存在挑战。

参考文献：

[1]刘盛,陈一彬,戴丰绩,等.空地正交视角下的多机器人协同定位及融合建图[J].控制理论与应用,2019,35(12):1779-1787.

[2]李明龙,杨文婧,易晓东,等.面向灾难搜索救援场景的空地协同无人群体任务规划研究[J].机械工程学报,2019,55(11):1-9.

[3]孙雨婷,李浩东.旋翼无人机自主降落于运动无人艇的控制研究[J/OL].电光与控制:1-6[2020-12-21].

[4]陈菲雨,岳文斌,饶颖露,邢釐昊,马晓静.基于改迚TLD算法的无人机自主精准降落[J].计算机工程与应用,2020,56(07):247-254.

[5]严飞,马可,刘佳,刘银萍,夏釐锋.无人机目标实时自适应跟踪系统[J/OL].计算机工程与应用:1-8[2021-05-02].