多智能體自主協同技術


群體智能系統簡介:  

該套系統是為群體智能研究和多機器人任務協同研究搭建的一個基礎科研平台,該系統完全開放軟硬件接口,提供人機交互軟件控制系統中智能機器人的路徑規划、自主避障、智能跟隨、自動循跡、群體協作等群體智能算法所需要的的位置、方向、速度、加速度等數據接口,高度支持二次開發和科研任務移植。該系統為群體智能研究提供模擬仿真平台,可實現群體智能算法的實物驗證,以為群體智能算法的推廣應用提供了實際案例和數據支撐。

應用領域:

智慧醫療、智慧城市、智能交通、在軍事戰略領域以及科研領域。

科學研究

群體智能算法

多機器人智能協同

智能群體模擬演練

消防演練

人員自動流動(疫情傳播模擬)

體育運動模擬(接力賽、足球賽、基於跟隨)

智能交通

物流分配模擬

模擬建模

自然群體(蟻群,魚群,鳥群,細菌)

分子擴散(有害氣體)

消息傳播模擬

游戲娛樂

迷宮地圖

棋子類游戲(跳棋等)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

重點可以研究以下課題:

智能機器人自主感知、組網算法

多機器人目標協同定位算法

多機器人自主決策路徑規划算法

多機器人區域覆蓋算法

智能蟻群算法

微粒群優化算法

蟻群聚類算法

多智能體協同算法

單片機微機原理和編程語言

各種通信協議和通信方式

電機和傳感器等硬件資源的應用

系統收益:

 通過實物的實驗,幫助驗證群體智能算法。群體智能是一個復雜的學科, 涉及到很多細節,通過實際的實驗,可以促進驗證群體智能算法的可行性。

 群體機器人平台可以實現深度學習、機器學習、人工智能、協同定位、區域覆蓋、任務規划、資源分配、通信方式等算法的驗證,保證實驗平台的多樣化,可進行大部分學科的實驗,很適合學校進行科研實驗。

系統架構和功能:本系統分為機器人系統、高頻投影定位系統、無線通訊控制系統、群體智能決策軟件系統

機器人是實驗控制對象,是算法實現的載體;高頻投影定位系統是機器人位置感知與定位的主要系統,通過高頻光譜采集機器人位置、朝向、速度等數據信息;無線通訊控制系統負責上位機和機器人之間的通訊,連接數據的采集和數據的發送,使整個系統成為一個閉環。群體智能決策軟件系統相當於整個系統的大腦,綜合收集到的信息控制機器人之間的運動關系,經過決策后發出機器人執行的指令。

ROBO-MAS智能機器人搭載光電定位傳感器、紅外避障傳感器、9軸慣性傳感器模塊、主控芯片處理器、無線充電模塊、射頻無線通信模塊、電池管理模塊、電機驅動、直流電機、編碼器以及防塵罩和2個步進電機車輪。可實時檢測機器人的位置、方位角、速度和加速度等信息,經處理器采集處理后通過無線射頻通信模塊實時反饋至上位機軟件控制系統作為路徑規划、避障、跟隨和循跡等控制算法的原始數據來源。

主要功能:實時定位、自主避障、路徑規划、智能跟隨/用戶控制、自動循跡/路徑匹配、一鍵充電/自主返航充電等功能

特征

ROBO-MAX

尺寸,重量

直徑50毫米,高46毫米,72克

電池,充電

4.2V 700mAh鋰電池; USB充電,續航時間30分鍾。

處理器

32位STM32F0C8T6處理器

輪圈

車輪直徑= 30mm

速度

10-25cm/秒

機械結構

相同的機制

傳感器

兩個光電傳收傳感器

6個紅外傳感器

IMU

3軸加速度計,3軸陀螺儀,3軸磁力計

發光二極管

RGB指示燈

通訊

USB全速,藍牙2.0,BLE,WiFi

存儲

Micro SD插槽

遙控

紅外接收器,用於標准遙控命令

程式設計

免費的C編譯器和IDE,Webots模擬器,板載調試器(GDB)

機械結構

透明塑料主體,支持PCB,電池和電機

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

E-puck2.0嵌入式機器人  :E-PUCK 2.0為高端桌面型嵌入式機器人,可以在有限的空間內融入大數量的智能機器人進行群體協作實驗,憑着其在任務適用性、經濟性、穩定性、可拓展性、軟件開放性強等有極大的優越性,可在已知環境下的任務動態分配和再分配研究,任務預測與任務分解研究,以及異構大規模系統和復雜任務分配研究等具有巨大優勢。E-PUCK 2.0雖然體積小,但配有多種先進的傳感器,例如:彩色攝像頭、WiFi、藍牙、紅外傳感器、TOF距離處理器、USB數據口、IMU、麥克風、揚聲器、LED燈、步進電機車輪等,內置標准的Linux運行系統,提供標准C/C++語言開發環境。

主要功能:自由行走、避障、語音報警、視覺處理、多機器人協作可用於移動機械工程、實時程序、信號傳遞、影像傳遞、聲音和影像組合、人機互動、機器人內部交流等

特征

e-puck2.0

尺寸,重量

直徑70毫米,45毫米,130克

電池,充電

相同的電池; USB充電,充電時間約2.5h。

處理器

32位STM32F407 @ 168 MHz(210 DMIPS),DSP和FPU,DMA

記憶

內存:192 KB; 閃存:1024 KB

電機/轉速

2個帶有50:1減速齒輪的步進電機; 每轉20步; 約0.13毫米分辨率

輪圈

車輪直徑= 41毫米  輪距= 53mm

速度

最大值:1200步/秒(約15.4厘米/秒)

機械結構

相同的機制

距離感應器

相同的紅外傳感器

前部真實距離傳感器,戰斗時間(ToF),最長2米。

IMU

3D加速度計,3D陀螺儀,3D磁力計

相機

VGA彩色相機;典型用途: 52x39 or 480x1

音訊

4個全向微hpones(數字),用於聲音定位

能夠播放WAV或音色的揚聲器

發光二極管

機器人周圍有4個紅色LED和4個RGB LED,綠燈,前面有1個強紅色LED

通訊

USB全速,藍牙2.0,BLE,WiFi

存儲

Micro SD插槽

遙控

紅外接收器,用於標准遙控命令

模擬選擇器

16位旋轉開關

擴展名

支持所有擴展

程式設計

免費的C編譯器和IDE,Webots模擬器,板載調試器(GDB)

機械結構

透明塑料主體,支持PCB,電池和電機

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

高頻投影定位系統:

高頻投影定位系統包含兩個子系統,光引擎系統和驅動系統,以及散熱器和風扇等設備。高頻投影儀系統可用於三維重建、三維測量、平面定位等。三維重建和測量主要是通過高頻投影儀將結構光投影至被測物體上,並通過攝像機進行拍攝,並根據三維坐標和二維坐標的轉換得到其深度。平面定位是一套定位毫米級的定位系統。

技術參數: 1.光引擎包括:紅色、綠色和藍色光譜;以及912×1140鑽石像素0.45英寸結構光超分辨顯微鏡。 2.驅動系統含LED驅動電路,數字控制器,電源管理電路,DVI TO RGB轉換等設備。 3.含高頻播放的格雷碼編制的黑白條紋圖片序列。 4.含播放格雷碼編制圖片序列的配置文件。 5.標准投影面積為長 1500mm 寬960mm,橫坐標像素點定位精度為1.67mm 縱坐標像素點定位精度為1.69mm。 6.提供高頻投影實現平面定位的操作說明手冊。

無線通訊控制系統  :

群體智能無線通訊控制系統含單體智能無線接收模塊和USB中繼接收模塊。單體智能無線接收模塊是智能定位和智能組網模塊,通過串口通訊加裝在ROBO-MAS微型移動機器人上,來實現微型機器人的定位和通信組網。它內含光電接收傳感器、STM32F0C8T6處理器、NRF24L01+通信芯片、板載2.4GHZ天線、電源管理芯片等。 USB中繼接收模塊是一款通信中間件模塊,它與PC端采用USB接口連接方式,PC端軟件通過該模塊能夠查詢或設置ROBO-MAS機器人,中繼接收模塊能夠實時管理查詢多個微型移動機器人。

群體智能決策軟件系統:

群體智能決策軟件系統是多智能體自主協作仿真以及實物驗證的軟件平台系統,用於多機器人群體行為決策的仿真、機器人路徑規划、機器人狀態顯示等,實現對多個微型移動機器人間通訊管理和信息交互。

群體智能決策軟件系統分為:應用層、仿真層、服務層、通訊層。

應用層提供二種協作案例(圖形模式、手繪模式)和底層二次開發模式,仿真層含機器人節點的新增、刪除,機器人的路徑規划,機器人目標點設置等。服務層包含軟件系統獲取機器人本體的位置和狀態。通訊層包含軟件系統與中繼接收模塊之間的通信。

實驗場景:

為方便用戶快速熟悉群體智能協作平台,直觀展示群體智能的運用與開發內容,我們提供兩種協作模式,以及復雜算法的二次開發底層代碼

圖形模式:在上位機軟件上選擇 機器人自動根據配置數量排列出對應形狀 如:圓形、五角形、六邊形、正方形。

手繪模式:在上位機顯示的窗口內畫圖或寫字,系統會自動分析、識別圖形,根據機器人的數量自動排列出對應圖案 二次開發:提供底層通訊協議和API接口,以及相關demo。

(1)提供機器人端與群體智能協作系統的通信協議。

(2)提供機器人模塊目標速度控制接口

(3)提供機器人模塊目標角度控制接口

(4)提供機器人單體避障算法與demo

(5)提供機器人群體隊列保持算法demo

(6)提供機器人跟隨算法demo

(7)提供高頻定位系統平面坐標輸出接口demo

(8)圖形模式算法demo(自主路徑規划)

(9)畫圖模式算法demo(自主路徑規划)

(10)實時手勢控制算法demo。

(11)環境感知:協同感知算法demo    

視頻觀看:https://www.bilibili.com/video/BV1Cv411y7uL

實驗室效果圖:

 


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM