7、多机器人协作目标跟踪算法解析

多机器人协作目标跟踪算法解析

1. 引言

在目标跟踪领域，使用移动机器人作为跟踪设备具有显著优势。一方面，移动机器人能够在一段时间内覆盖较大区域，从而减少跟踪所需的传感器数量；另一方面，它可以根据目标的移动重新定位，实现高效跟踪。当目标数量远多于可用传感器数量，或者无法提前在合适位置部署传感器时，机器人的移动性就显得尤为重要。

为了提高跟踪性能，可以使用多个机器人进行协作，但这需要一种协调的运动策略。多机器人目标跟踪问题可以定义为：在有界环境 $E$ 中，已知 $M$ 个机器人的估计位姿和 $n$ 个被跟踪目标（总目标数为 $N$，$M \ll N$）的估计位置，输出 $M$ 个机器人的运动指令，目标是在时间 $T$ 内最大化被跟踪目标的数量 $n$，观察指标为：
[
Observation = \sum_{t=0}^{T} \frac{n(t)}{N} \times \frac{1}{T} \times 100
]
该问题看似适合采用部分可观察马尔可夫决策过程（POMDP）优化框架，但在实际应用中存在诸多限制。例如，随着机器人或目标数量的增加，状态空间的大小呈指数级增长，导致问题难以处理。此外，系统配置变化时需要实时重新计算最优策略，而大多数优化技术计算量大、耗时长，不适合实时应用。

因此，我们提出了一种基于区域的方法（Region-based Approach），该方法根据目标分布分配机器人。每个机器人广播自己的位置和当前跟踪目标的位置，并独立维护机器人密度和目标密度的估计。通过操纵这些密度，为每个机器人生成控制律。

2. 相关工作

2.1 分布式目标分配算法