[发明专利]一种改进群机器人进化能力的异质同质群体协同进化方法

说明书

本发明提出一种改进群机器人进化能力的异质同质群体协同进化方法（TORCH），在TORCH的进化过程中，群体中的个体交替选择不同的策略和相同的策略，能用来同时评估多个策略，以提高策略进化的效率。基于提出的TORCH，群机器人可以通过与环境的交互来进化策略。群机器人的策略进化是在局部信息条件下进行的，进化后的策略更适合于分布式任务场景。同时提出了一种基于行为表达树的行为策略表达方法，对表达树进行了扩展，提高了进化策略的可解释性。TORCH使群机器人的策略在局部信息条件下进化，使进化策略更适应分布式任务场景而不是特定的任务场景的方法，以提高进化策略的适应性。

技术领域

本发明属于群体机器人控制领域，具体公开了一种改进群机器人策略进化能力的异质同质群体协同进化方法。

背景技术

近几十年来，机器人系统的发展为人类社会带来了巨大变革。在不久的将来，机器人系统将被广泛应用于娱乐、体育、工作等领域。随着科学技术的发展，机器人系统需要完成越来越复杂的任务。虽然机器人系统具有许多优点，但单个机器人由于其内部结构复杂、损伤后难以修复、成本高等原因，出现故障概率高。因此，群体机器人系统（Swarm RoboticsSystems, SRSs）逐渐成为人们关注的焦点。由于个体自主执行任务的特点，群体机器人系统具有单体机器人系统所不具备的强大鲁棒性和抗毁性。目前，群体机器人系统已经应用于一些场景中，如物体运输和区域覆盖。

随着机器人技术的发展和人们需求的不断增长，群体机器人的任务场景将呈现多样化和动态化的趋势，如各种任务场景、动态任务目标等。单任务机器人系统应用场景有限，难以广泛应用。然而，目前的群体机器人系统大多是针对特定场景而设计的，因此在大多数情况下无法使群体机器人在切换场景后仍准确地完成任务。因此，期望群体机器人系统能够自主地进化策略，以适应不同的任务场景，即群体机器人的策略进化能力。作为一项关键技术，群机器人的策略进化能力直接影响到群体机器人系统在现实中的功能和普遍适用性。在群体机器人应用中，群体自主策略进化问题已经得到了广泛的研究，但仍然面临许多挑战。

（1）首先，群体机器人系统的策略进化效率较低，往往需要多次迭代才能演化出有效的策略。这导致了对强大计算和存储容量的需求。

（2）许多策略进化方法依赖于控制中心。然而，这要求机器人对场景有一个全面的了解，这些方法只适用于仿真，进化的结果很难适应分布式任务场景。

（3）当前群体机器人的策略表达大多基于神经网络，机器人的下一步行动由网络的权重和偏差决定。这种方法的进化过程是一个参数调整的过程，因此进化得到的策略是不可解释的。