EN

研究内容

1.  基于群集控制和强化学习的多机器人运动规划系统

研究在离散空间的强化学习和在连续空间的群集控制相结合的混合系统,产生一种高层次的行为(离散的状态和动作)和低层次的行为(连续状态和行为)的有效组合。控制系统结构有两个主要部分,强化学习模块和群集控制模块。采用群集控制使所有的机器人移动在一起,避免碰撞并向目标移动。将强化学习引入多机器人系统中,增强机器人的分析、推测能力来选择合适的行为动作进行群集运动。

2.多机器人群集运动控制研究

研究多自主移动机器人群集控制模型,采用分散控制的策略,将总控制律分为三个子控制律,对多机器人群集运动从编队控制,避障控制和向目标节点移动三个方面分别进行控制律的设计与研究。研究编队控制和避障控制的优化。

3. 自主移动机器人运动规划强化学习研究

研究机器人行为决策的强化学习模块解决在庞大状态空间和动态变化环境中对智能体进行最优行为策略学习的问题。在机器人体系结构中实现策略生成的学习架构,该学习架构釆用强化学习求解出回报对应的最优策略。

4. 自主移动机器人轨迹跟踪多模态智能控制研究

研究自主移动机器人轨迹跟踪优化控制模型。针对自主移动机器人运动过程要实现起始加速段快速性、轨迹跟踪段稳定性和减速定位段精确性的不同性能要求,以及参数摄动和外部扰动的控制问题,研究轨迹跟踪多模态智能控制,并提出一种新的多模态切换控制方法。多模态智能控制策略旨在提高控制系统的自适应和自学习能力。