60、机器人避障与多智能体系统容错一致性控制研究

机器人避障与多智能体系统容错一致性控制研究

1. 机器人避障算法

传统的局部避障算法容易陷入凹形障碍物的问题一直是机器人领域的挑战。为了解决这一问题，提出了一种基于二维激光雷达的新型避障算法。

在某些情况下，机器人可能会陷入死循环。例如，当机器人遇到凹形障碍物时，由于障碍物后方环境的影响，在特定起点处的激光雷达数据可能相同，导致初始移动方向一致。当机器人接近某一点时，移动方向又会与之前相似，从而不断重复运动，无法到达目标。解决这类问题的一种思路是在判断运动方向时考虑之前的出口信息。

通过MATLAB仿真，将新算法与势场法进行比较，发现新算法具有高效性和避免振动的优点。其最重要的特点是在大多数情况下能够有效避开凹形障碍物。不过，包括该算法在内的反应式避障算法都存在一个共同问题，未来还需要进一步努力解决。

2. 线性领导者 - 跟随者多智能体系统的容错一致性控制

多智能体系统（MAS）近年来发展迅速，受自然界生物群落行为的启发，它在编队控制、卫星、移动机器人等诸多方面都有应用。在MAS的协同控制中，一致性问题至关重要。

现有的一致性算法可分为无领导者一致性和领导者 - 跟随者一致性。对于无领导者情况，当所有智能体的状态收敛到一个通常未知的相同值时达成一致；而在领导者 - 跟随者情况下，当所有跟随者的状态收敛到领导者的状态时达成一致，这种情况更加灵活，可用于跟踪期望轨迹。

在现实中，系统故障较为常见，但大多数关于MAS一致性的研究并未涉及故障情况。当故障发生时，由于智能体相互连接，可能会对系统的一致性造成严重破坏。因此，容错控制（FTC）对于避免系统崩溃至关重要。

FTC方法可分为被