6、机器人集群与出行即服务：技术探索与实践指南

机器人集群与出行即服务：技术探索与实践指南

机器人集群模拟与行为算法

在机器人集群的研究中，通过Matlab进行模拟是一种常见且有效的方法。在模拟中，有几种重要的集群行为算法值得关注。

• 算法1 ：选择a = b = 4.6以保持吸引和排斥的对称性。当智能体数量较多时，会出现碎片化现象，机器人会聚集为不同的群体。该算法在智能体数量少于10时较为稳定。
• 算法2 ：实现了Reynolds规则，函数表达式为 (f_i = -c_1(q_i - q_r) - c_2(p_i - p_r)) ，其中 (c_1) 和 (c_2) 是影响对目标吸引力的常数。在示例中有一个静态目标，坐标为(250, -25)。该方法在智能体数量较多时能保持群体的凝聚力。
• 算法3 ：这是一组机器人移动的最终算法。避障过程伴随着一个振荡过程，这是在来自邻居和障碍物的排斥力以及对目标的吸引力的影响下发生的。机器人通过分裂群体绕过障碍物，然后在向目标移动时重新建立集群行为。常数 (c_1 = c_2 = 0.2) ，避障在所有可用障碍物（机器人、静止物体、移动围栏）方面具有最高优先级，单位为米。

以下是这些算法的特点对比表格：
| 算法 | 稳定性条件 | 功能特点 | 常数设置 |
| — | — | — | — |
| 算法1 | 智能体数量少于10 | 保持吸引和排斥对称，数量多时有碎片化 | a = b = 4.6 |
| 算法2 | 无明确限制 | 实现Reynolds规则，保持群体凝