[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN111638717B - 一种分布式自主机器人交通协调机制的设计方法 - Google Patents

一种分布式自主机器人交通协调机制的设计方法 Download PDF

Info

Publication number
CN111638717B
CN111638717B CN202010508800.XA CN202010508800A CN111638717B CN 111638717 B CN111638717 B CN 111638717B CN 202010508800 A CN202010508800 A CN 202010508800A CN 111638717 B CN111638717 B CN 111638717B
Authority
CN
China
Prior art keywords
conflict
path
robot
point
robots
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010508800.XA
Other languages
English (en)
Other versions
CN111638717A (zh
Inventor
林志赟
邱方长
杨海健
许林杰
魏璇
李立
林祖乾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Cotek Robot Co ltd
Zhejiang EP Equipment Co Ltd
Original Assignee
Zhejiang Cotek Robot Co ltd
Zhejiang EP Equipment Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Cotek Robot Co ltd, Zhejiang EP Equipment Co Ltd filed Critical Zhejiang Cotek Robot Co ltd
Priority to CN202010508800.XA priority Critical patent/CN111638717B/zh
Publication of CN111638717A publication Critical patent/CN111638717A/zh
Application granted granted Critical
Publication of CN111638717B publication Critical patent/CN111638717B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0291—Fleet control

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种分布式自主机器人交通协调机制的设计方法，本发明的目的在于分布式网络环境中多个自主移动机器人在同一工作环境下执行任务时，如何解决机器人路径规划、路径冲突检测和冲突解决的问题，使得最终能够动态规划出所有机器人可高效运行、无碰撞、无相向冲突的可行路径。本发明采用分布式协调和自主决策的计算方法，实现多个机器人之间的交通协调，无需集中式后台服务器进行统一规划和计算，大大提升了多机器人协作系统的可扩展性和鲁棒性。

Description

一种分布式自主机器人交通协调机制的设计方法
技术领域
本发明属于移动机器人领域，尤其涉及一种分布式自主机器人交通协调机制的设计方法。
背景技术
当今社会人工成本的日益增长，人工智能领域技术的突飞猛进，在仓储物流、制造业等领域，越来越多的企业使用自动导引车代替高昂的人力成本，由于移动机器人具有自动化程度高、可靠性好、生产效率高、适应性强、成本低等优点，使其在自动化仓储领域得到广泛应用。路径规划后就意味着冲突问题的产生。所以路径规划、路径冲突探测和冲突解决是交通协调机制的最主要的问题。拥有一套优秀的调度系统可以大大提高路径规划的效率，降低企业的生产成本。
我们常常使用的集中式虽然拥有统一配置平台、实现简单、算法成熟等优点，但是在大规模多智能体的情况下，集中式系统就显得比较繁琐复杂，如果出现错误整个系统就会面临瘫痪的局面。此时我们就需要使用分布式系统，分布式利用计算机网络把分布在不同地点的计算机硬件、软件、数据等信息资源联系在一起服务于一个共同的目标而实现相互通信和资源共享，就形成了管理信息系统的分布式结构。具有分布结构的系统称为分布式系统。分布式系统扩展方便，健壮性好。能够适应群智能体系统，有利于发挥用户在系统开发、维护信息资源管理。
发明内容
本发明的目的在于移动机器人遇到任务时，通过如何解决路径规划、路径冲突探测和冲突解决的问题，使得最终能够规划出一条机器人无碰撞运动路径。这就是解决交通协调机制里面的重点问题。对于路径规划问题，主要解决几个子问题：当给定起点和终点的时候，需要规划出一条完整的路径；需要考虑这条路径在实际制造业中的可行性，重点包括机器人模型对于路径的转向问题；如何避免路径中出现过多的拐点；针对解决路径冲突探测，要探测出所有可能存在的冲突，需要得知究竟是哪一种或哪几种具体的冲突；通过冲突解决策略，分别采用不同的方法策略使得路径规划中的冲突问题能够解决。
本发明的目的是通过以下技术方案实现的：一种分布式自主机器人交通协调机制的设计方法，该方法使用分布式自主移动机器人信息交换和自主决策，实现移动机器人动态的交通协调；该方法包括以下步骤：
步骤1、分布式自主移动机器人系统选举Master节点；
步骤2、每个自主移动机器人根据待执行的任务自主计算最优路径；
步骤3、每个自主移动机器人根据实时获得的其他机器人当前的状态及其规划的最优路径，预测可能的冲突类型和冲突点或冲突路径，并根据效率优先的原则以及从Master节点处获取的已被锁定的路径段信息，向Master节点申请可允许其自身继续前进的路径段，该允许路径段取值在Lmin和Lmax之间；
(a)冲突预测：检测离当前允许路径段终点是否存在与其他机器人的冲突点或冲突路径，并判断冲突类型，所述冲突类型包括节点冲突、赶超冲突和相向冲突的一种或多种；
(b)根据前述预测可能会发生的冲突类型和冲突点或冲突路径，允许前进路径段的自主计算规则如下：
规则一、针对节点冲突和相向冲突，根据优先级高低获取冲突点或冲突路径的优先使用权，亦即当预测到有更高优先级的机器人将会占用冲突点或冲突路径时，该机器人将主动缩短允许路径段申请，避让该冲突点或冲突路径；
规则二、针对节点冲突和相向冲突，若出现各机器人优先级相等，则预测自身和冲突机器人进入和离开冲突点或冲突路径的时间窗；然后根据离开时刻越早越能获得该冲突点或冲突路径的优先使用权；亦即当预测到有更快离开该冲突点或冲突路径的其他机器人时，该机器人将主动缩短允许路径段申请，避让该冲突点或冲突路径；
规则三、针对节点冲突和相向冲突，若机器人优先级相等并且进入和离开冲突点或冲突路径的时间窗也相等，该机器人不采取避让策略，从而确定为该冲突点或冲突路径为自身的允许前进路径段的一部分；
规则四、当预测获得的自身允许前进路径段小于Lmin时，则比较等待时间和重规划可行路径额外付出时间代价的大小；若重规划可行路径额外付出时间代价更小，则选择该重规划可行路径为自身的允许前进路段，并向所有在线机器人更新其新规划路径；否则允许前进路径段为空；
规则五、针对赶超冲突，该机器人将赶超冲突路径纳入自身的允许前进路径段的一部分，并让其自身运行在跟随模式；
步骤4、获得Master节点许可应答后，每个机器人根据可继续前进的允许路径执行，否则停止；同时，每个移动机器人每经过一个站点后，向Master节点上报释放该站点；
步骤5、Master节点更新锁定路径段信息，并同时同步给所有在线的其他机器人。
进一步地，所述步骤1中，分布式自主移动机器人系统Master节点选举为动态选举，可根据机器人存活的时长或者随机数大小动态选举产生Master节点。
进一步地，所述步骤2中，移动机器人根据移动机器人的起点和待执行任务的终点，使用改进的最优路径规划算法计算最优路径，具体步骤如下：
首先在移动机器人的起点开始探索周围地图中的站点即可通行点，把这些周围的站点看成候选节点，将这些候选节点到起点的代价和到终点的估计成本之和作为代价函数，将代价函数值最优的候选节点当作当前点继续探索路径，直至找到终点；代价函数F的公式如下：
F＝(β*G(s)+γ*T)+α*H(e)
其中，α，β和γ为调节因子，用于保证代价和估计成本在一个数量级上，G(s)是地图中某一候选节点到起点的距离代价，T是拐点代价，拐点代价用于惩罚拐点带来的时间损耗，s代表起点，e代表终点，H(e)是地图中某一候选节点到终点的距离估计成本；当选择下一个要遍历的节点时，选取F值最小的候选节点。
进一步地，所述步骤3中，冲突类型具体如下：
节点冲突：当两条规划的路径段相交于一点，且未有路径重叠，即为节点冲突，该点则为冲突点；
相向冲突：当两条规划的路径段有长度大于零的路径重叠，同时在重叠的路径段上具有相反的运行方向，即为相向冲突，该重叠路径段则为相向冲突路径；
赶超冲突：当两条规划的路径段有长度大于零的路径重叠，同时在重叠的路径段上具有相同的运行方向，即为赶超冲突，该重叠路径段则为赶超冲突路径。
进一步地，所述步骤3中，机器人的优先级原则可以由两个因素决定：(1)通过继承任务的优先级获得；(2)当执行的任务离完成的时间越接近时，临时提升其优先级。
进一步地，所述步骤3中，其他机器人的当前状态以及其自我规划的最优路径，可以通过发布/订阅的方式获得。
进一步地，所述的规则一至三中，将相向冲突路径纳入到自身允许前进路径段的一部分时，若导致允许前进路径段长度大于Lmax，仍然允许其包含该相向冲突路径。
进一步地，所述的规则五中，移动机器人运行在跟随模式时，该移动机器人根据实时获得的被跟随机器人的位置和速度，更新自身的速度控制，保证跟随与被跟随机器人的距离间隔大于等于一个设定值Dfollow，同时避障传感器避障减速阈值也设为Dfollow。
进一步地，所述步骤4中，Master节点根据异步机制上传的允许路径请求做冲突检测，并给予优先申请的机器人肯定确认信息，而给予存在冲突的其他机器人以否定信息；获得Master否定信息的机器人，则需重新进行冲突预测计算并再次提出申请。
进一步地，所述步骤5中，Master节点根据以下两种信息更新锁定路径段信息：(1)各机器人提交的允许前进路径段申请；(2)各机器人每经过一个站点后上报的该站点释放信息；Master节点的锁定路径段信息，一旦发生更新时，基于事件触发机制随机同步更新给所有在线的其他机器人；Master节点存放的路径段锁定信息采用非负整型表示，0表示未被占用，正整数表示被占用，允许赶超冲突路径的多个机器人重复申请，申请一次即加1，释放一次即减1。
本发明的有益效果是：本发明的目的在于分布式网络环境中多个自主移动机器人在同一工作环境下执行任务时，如何解决机器人路径规划、路径冲突检测和冲突解决的问题，使得最终能够动态规划出所有机器人可高效运行、无碰撞、无相向冲突的可行路径。本发明采用分布式协调和自主决策的计算方法，实现多个机器人之间的交通协调，无需集中式后台服务器进行统一规划和计算，大大提升了多机器人协作系统的可扩展性和鲁棒性。
附图说明
图1为本发明分布式自主机器人交通协调机制的设计方法流程图；
图2为节点冲突示意图；
图3为相向冲突示意图；
图4为赶超冲突示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请提出的一种分布式自主机器人交通协调机制的设计方法，该方法使用分布式自主移动机器人信息交换和自主决策，实现移动机器人动态的交通协调；如图1所示，该方法包括以下步骤：
步骤1、分布式自主移动机器人系统选举Master节点；
具体地，可根据机器人存活的时长或者随机数大小动态选举产生Master节点；
步骤2、每个自主移动机器人根据待执行的任务自主计算最优路径；以下给出一种最优路径计算方法，但不限于此：
移动机器人根据移动机器人的起点和待执行任务的终点，使用改进的最优路径规划算法计算最优路径；具体的步骤如下：首先在移动机器人的起点开始探索周围地图中的站点即可通行点，把这些周围的站点看成候选节点，将这些候选节点到起点的代价和到终点的估计成本之和作为代价函数，将代价函数值最优的候选节点当作当前点继续探索路径，直至找到终点；代价函数F的公式如下：
F＝(β*G(s)+γ*T)+α*H(e)
其中，α，β和γ为调节因子(用于保证代价和估计成本在一个数量级上)，G(s)是地图中某一候选节点到起点的距离代价，T是拐点代价(拐点即当前节点的父节点、当前节点和候选节点形成路径转弯)，拐点代价用于惩罚拐点带来的时间损耗，s代表起点，e代表终点，H(e)是地图中某一候选节点到终点的距离估计成本；当选择下一个要遍历的节点时，选取F值最小的候选节点；
步骤3、每个自主移动机器人根据实时获得的其他机器人当前的状态(包括位置、速度)及其规划的最优路径，预测可能的冲突类型和冲突点或冲突路径，并根据效率优先的原则以及从Master节点处获取的已被锁定的路径段信息，向Master节点申请可允许其自身继续前进的路径段，该允许路径段取值在Lmin和Lmax之间，其中Lmin一般选取为1到3个站点间隔的长度，Lmax大于Lmin；其他机器人的当前状态以及其自我规划的最优路径，可以通过发布/订阅的方式获得；
机器人的优先级原则可以由两个因素决定：(1)通过继承任务的优先级获得(任务点在分配任务时，通常设定任务的优先级，机器人通过获取任务的优先级作为自身的优先级)；(2)当执行的任务离完成的时间越接近时，临时提升其优先级；
其中冲突预测和允许前进路径段自主计算方法如下：
(3.1)冲突预测：检测离当前允许路径段终点(Lmax距离的未来路径段)是否存在与其他机器人的冲突点或冲突路径，并判断冲突类型，所述冲突类型包括节点冲突、赶超冲突和相向冲突的一种或多种；图2、3、4分别表示了节点冲突、相向冲突、赶超冲突；
节点冲突：当两条规划的路径段相交于一点，且未有路径重叠，即为节点冲突，该点则为冲突点；
相向冲突：当两条规划的路径段有长度大于零的路径重叠，同时在重叠的路径段上具有相反的运行方向，即为相向冲突，该重叠路径段则为相向冲突路径；
赶超冲突：当两条规划的路径段有长度大于零的路径重叠，同时在重叠的路径段上具有相同的运行方向，即为赶超冲突，该重叠路径段则为赶超冲突路径；
(3.2)根据前述预测可能会发生的冲突类型和冲突点或冲突路径，允许前进路径段的自主计算规则如下：
规则一、针对节点冲突和相向冲突，根据优先级高低获取冲突点或冲突路径的优先使用权，亦即当预测到有更高优先级的机器人将会占用冲突点或冲突路径时，该机器人将主动缩短允许路径段申请，避让该冲突点或冲突路径；
规则二、针对节点冲突和相向冲突，若出现各机器人优先级相等，则预测自身和冲突机器人进入和离开冲突点或冲突路径的时间窗其中/>和分别为编号为i的冲突机器人进入和离开冲突点或冲突路径的时刻；/>和/>分别为编号为j的冲突机器人进入和离开冲突点或冲突路径的时刻；然后根据离开时刻越早越能获得该冲突点或冲突路径的优先使用权；亦即当预测到有更快离开该冲突点或冲突路径的其他机器人时，该机器人将主动缩短允许路径段申请，避让该冲突点或冲突路径；
规则三、针对节点冲突和相向冲突，若机器人优先级相等并且进入和离开冲突点或冲突路径的时间窗也相等，该机器人不采取避让策略，即冲突机器人采取避让策略，从而确定为该冲突点或冲突路径为自身的允许前进路径段的一部分；
规则四、当预测获得的自身允许前进路径段小于Lmin时，则比较等待时间和重规划可行路径额外付出时间代价的大小；若重规划可行路径额外付出时间代价更小，则选择该重规划可行路径为自身的允许前进路段，并向所有在线机器人更新其新规划路径；否则允许前进路径段为空；
规则五、针对赶超冲突，该机器人将赶超冲突路径纳入自身的允许前进路径段的一部分，并让其自身运行在跟随模式；
进一步地，所述的规则一至三中，将相向冲突路径纳入到自身允许前进路径段的一部分时，若导致允许前进路径段长度大于Lmax，仍然允许其包含该相向冲突路径；
进一步地，所述的规则五中，移动机器人运行在跟随模式时，该移动机器人根据实时获得的被跟随机器人的位置和速度，更新自身的速度控制，保证跟随与被跟随机器人的距离间隔大于等于一个设定值Dfollow，同时避障传感器避障减速阈值也设为Dfollow；
步骤4、获得Master节点许可应答后，每个机器人根据可继续前进的允许路径执行，否则停止；同时，每个移动机器人每经过一个站点后，向Master节点上报释放该站点；
进一步地，Master节点根据异步机制上传的允许路径请求做冲突检测，并给予优先申请的机器人肯定确认信息，而给予存在冲突的其他机器人以否定信息；获得Master否定信息的机器人，则需重新进行冲突预测计算并再次提出申请。
步骤5、Master节点更新锁定路径段信息，并同时同步给所有在线的其他机器人。
进一步地，Master节点根据以下两种信息更新锁定路径段信息：(1)各机器人提交的允许前进路径段申请；(2)各机器人每经过一个站点后上报的该站点释放信息；Master节点的锁定路径段信息，一旦发生更新时，基于事件触发机制随机同步更新给所有在线的其他机器人；Master节点存放的路径段锁定信息采用非负整型表示(0表示未被占用，正整数表示被占用)，允许赶超冲突路径的多个机器人重复申请，申请一次即加1，释放一次即减1。
以上所述仅是本发明的优选实施方式，虽然本发明已以较佳实施例披露如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何的简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (10)

1.一种分布式自主机器人交通协调机制的设计方法，其特征在于，该方法使用分布式自主移动机器人信息交换和自主决策，实现移动机器人动态的交通协调；该方法包括以下步骤：
步骤1、分布式自主移动机器人系统选举Master节点；
步骤2、每个自主移动机器人根据待执行的任务自主计算最优路径；移动机器人根据移动机器人的起点和待执行任务的终点，使用最优路径规划算法计算最优路径，具体步骤如下：首先在移动机器人的起点开始探索周围地图中的站点即可通行点，把这些周围的站点看成候选节点，将这些候选节点到起点的代价和到终点的估计成本之和作为代价函数，将代价函数值最优的候选节点当作当前点继续探索路径，直至找到终点；
步骤3、每个自主移动机器人根据实时获得的其他机器人当前的状态及其规划的最优路径，预测可能的冲突类型和冲突点或冲突路径，并根据效率优先的原则以及从Master节点处获取的已被锁定的路径段信息，向Master节点申请可允许其自身继续前进的路径段，该允许路径段取值在Lmin和Lmax之间；
(a)冲突预测：检测离当前允许路径段终点是否存在与其他机器人的冲突点或冲突路径，并判断冲突类型，所述冲突类型包括节点冲突、赶超冲突和相向冲突的一种或多种；
(b)根据前述预测可能会发生的冲突类型和冲突点或冲突路径，允许前进路径段的自主计算规则如下：
规则一、针对节点冲突和相向冲突，根据优先级高低获取冲突点或冲突路径的优先使用权，亦即当预测到有更高优先级的机器人将会占用冲突点或冲突路径时，该机器人将主动缩短允许路径段申请，避让该冲突点或冲突路径；
规则二、针对节点冲突和相向冲突，若出现各机器人优先级相等，则预测自身和冲突机器人进入和离开冲突点或冲突路径的时间窗；然后根据离开时刻越早越能获得该冲突点或冲突路径的优先使用权；亦即当预测到有更快离开该冲突点或冲突路径的其他机器人时，该机器人将主动缩短允许路径段申请，避让该冲突点或冲突路径；
规则三、针对节点冲突和相向冲突，若机器人优先级相等并且进入和离开冲突点或冲突路径的时间窗也相等，该机器人不采取避让策略，从而确定为该冲突点或冲突路径为自身的允许前进路径段的一部分；
规则四、当预测获得的自身允许前进路径段小于Lmin时，则比较等待时间和重规划可行路径额外付出时间代价的大小；若重规划可行路径额外付出时间代价更小，则选择该重规划可行路径为自身的允许前进路段，并向所有在线机器人更新其新规划路径；否则允许前进路径段为空；
规则五、针对赶超冲突，该机器人将赶超冲突路径纳入自身的允许前进路径段的一部分，并让其自身运行在跟随模式；
步骤4、获得Master节点许可应答后，每个机器人根据可继续前进的允许路径执行，否则停止；同时，每个移动机器人每经过一个站点后，向Master节点上报释放该站点；
步骤5、Master节点更新锁定路径段信息，并同时同步给所有在线的其他机器人。
2.根据权利要求1所述的一种分布式自主机器人交通协调机制的设计方法，其特征在于，所述步骤1中，分布式自主移动机器人系统Master节点选举为动态选举，可根据机器人存活的时长或者随机数大小动态选举产生Master节点。
3.根据权利要求1所述的一种分布式自主机器人交通协调机制的设计方法，其特征在于，所述步骤2中，代价函数F的公式如下：
F＝(β*G(s)+γ*T)+α*H(e)
其中，α，β和γ为调节因子，用于保证代价和估计成本在一个数量级上，G(s)是地图中某一候选节点到起点的距离代价，T是拐点代价，拐点代价用于惩罚拐点带来的时间损耗，s代表起点，e代表终点，H(e)是地图中某一候选节点到终点的距离估计成本；当选择下一个要遍历的节点时，选取F值最小的候选节点。
4.根据权利要求1所述的一种分布式自主机器人交通协调机制的设计方法，其特征在于，所述步骤3中，冲突类型具体如下：
节点冲突：当两条规划的路径段相交于一点，且未有路径重叠，即为节点冲突，该点则为冲突点；
相向冲突：当两条规划的路径段有长度大于零的路径重叠，同时在重叠的路径段上具有相反的运行方向，即为相向冲突，该重叠路径段则为相向冲突路径；
赶超冲突：当两条规划的路径段有长度大于零的路径重叠，同时在重叠的路径段上具有相同的运行方向，即为赶超冲突，该重叠路径段则为赶超冲突路径。
5.根据权利要求1所述的一种分布式自主机器人交通协调机制的设计方法，其特征在于，所述步骤3中，机器人的优先级原则由两个因素决定：(1)通过继承任务的优先级获得；(2)当执行的任务离完成的时间越接近时，临时提升其优先级。
6.根据权利要求1所述的一种分布式自主机器人交通协调机制的设计方法，其特征在于，所述步骤3中，其他机器人的当前状态以及其自我规划的最优路径，通过发布/订阅的方式获得。
7.根据权利要求1所述的一种分布式自主机器人交通协调机制的设计方法，其特征在于，所述的规则一至三中，将相向冲突路径纳入到自身允许前进路径段的一部分时，若导致允许前进路径段长度大于L,ax，仍然允许其包含该相向冲突路径。
8.根据权利要求1所述的一种分布式自主机器人交通协调机制的设计方法，其特征在于，所述的规则五中，移动机器人运行在跟随模式时，该移动机器人根据实时获得的被跟随机器人的位置和速度，更新自身的速度控制，保证跟随与被跟随机器人的距离间隔大于等于一个设定值Dfollow，同时避障传感器避障减速阈值也设为Dfollow。
9.根据权利要求1所述的一种分布式自主机器人交通协调机制的设计方法，其特征在于，所述步骤4中，Master节点根据异步机制上传的允许路径请求做冲突检测，并给予优先申请的机器人肯定确认信息，而给予存在冲突的其他机器人以否定信息；获得Master否定信息的机器人，则需重新进行冲突预测计算并再次提出申请。
10.根据权利要求1所述的一种分布式自主机器人交通协调机制的设计方法，其特征在于，所述步骤5中，Master节点根据以下两种信息更新锁定路径段信息：(1)各机器人提交的允许前进路径段申请；(2)各机器人每经过一个站点后上报的该站点释放信息；Master节点的锁定路径段信息，一旦发生更新时，基于事件触发机制随机同步更新给所有在线的其他机器人；Master节点存放的路径段锁定信息采用非负整型表示，0表示未被占用，正整数表示被占用，允许赶超冲突路径的多个机器人重复申请，申请一次即加1，释放一次即减1。
CN202010508800.XA 2020-06-06 2020-06-06 一种分布式自主机器人交通协调机制的设计方法 Active CN111638717B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010508800.XA CN111638717B (zh) 2020-06-06 2020-06-06 一种分布式自主机器人交通协调机制的设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010508800.XA CN111638717B (zh) 2020-06-06 2020-06-06 一种分布式自主机器人交通协调机制的设计方法

Publications (2)

Publication Number Publication Date
CN111638717A CN111638717A (zh) 2020-09-08
CN111638717B true CN111638717B (zh) 2023-11-07

Family

ID=72329963

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010508800.XA Active CN111638717B (zh) 2020-06-06 2020-06-06 一种分布式自主机器人交通协调机制的设计方法

Country Status (1)

Country Link
CN (1) CN111638717B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110275535B (zh) * 2019-06-27 2022-02-15 大连理工大学 一种基于改进a星算法的多状态车辆路径规划方法
CN112422317B (zh) * 2020-10-21 2022-06-10 青海民族大学 一种工业机器人自动协作冲突调节方法
CN112015190B (zh) * 2020-10-29 2021-02-19 上海擎朗智能科技有限公司 一种多机器人的路径调度方法、装置、设备及存储介质
CN112650226B (zh) * 2020-12-11 2024-09-06 京信智能科技(广州)有限公司 一种机器人的调度方法、装置、设备及介质
CN112529444B (zh) * 2020-12-18 2023-07-04 中冶南方（武汉）自动化有限公司 智能仓储无人天车调度方法
CN113126651B (zh) * 2021-03-12 2022-07-19 合肥工业大学 多无人机协同对抗的智能决策装置和系统
CN112985414A (zh) * 2021-04-09 2021-06-18 北京猎户星空科技有限公司 一种多智能体导航方法、装置、设备和介质
EP4141599B1 (en) * 2021-08-30 2024-06-19 Rapyuta Robotics Co., Ltd. Multi-robot route planning
CN113733103B (zh) * 2021-10-09 2023-05-30 深圳优艾智合机器人科技有限公司 工业机器人的控制方法、控制装置、系统及存储介质
CN114355904B (zh) * 2021-12-20 2024-06-28 广东嘉腾机器人自动化有限公司 基于提前预判的复杂路径交管方法及电子设备及存储介质
CN115220461B (zh) * 2022-09-21 2023-02-17 睿羿科技(山东)有限公司 室内复杂环境下机器人单体系统及多机器人交互协同方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106251016A (zh) * 2016-08-01 2016-12-21 南通大学 一种基于动态时间窗的泊车系统路径规划方法
WO2017041730A1 (zh) * 2015-09-09 2017-03-16 北京进化者机器人科技有限公司 一种移动机器人避障导航的方法和系统
CN110174111A (zh) * 2019-05-31 2019-08-27 山东华锐智能技术有限公司 基于时间窗的任务分段式的多agv路径规划算法
CN110209485A (zh) * 2019-06-05 2019-09-06 青岛海通胜行智能科技有限公司 一种协同作业时多机器人的动态避让方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE50208417D1 (de) * 2001-04-05 2006-11-23 Siemens Ag Roboterintelligenz in natürlichen umgebungen
CN107702716B (zh) * 2017-08-31 2021-04-13 广州小鹏汽车科技有限公司 一种无人驾驶路径规划方法、系统和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017041730A1 (zh) * 2015-09-09 2017-03-16 北京进化者机器人科技有限公司 一种移动机器人避障导航的方法和系统
CN106251016A (zh) * 2016-08-01 2016-12-21 南通大学 一种基于动态时间窗的泊车系统路径规划方法
CN110174111A (zh) * 2019-05-31 2019-08-27 山东华锐智能技术有限公司 基于时间窗的任务分段式的多agv路径规划算法
CN110209485A (zh) * 2019-06-05 2019-09-06 青岛海通胜行智能科技有限公司 一种协同作业时多机器人的动态避让方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
徐潼,唐振民.动态环境中的移动机器人避碰规划研究.机器人.2003,(第02期),全文. *
董胜龙,陈卫东,席裕庚.移动机器人的时间最优编队.控制与决策.2001,(第05期),全文. *

Also Published As

Publication number Publication date
CN111638717A (zh) 2020-09-08

Similar Documents

Publication Publication Date Title
CN111638717B (zh) 一种分布式自主机器人交通协调机制的设计方法
Liu et al. Prediction, planning, and coordination of thousand-warehousing-robot networks with motion and communication uncertainties
CN111633655B (zh) 一种分布式自主移动机器人交通调度方法
Guo et al. An improved acceleration method based on multi-agent system for AGVs conflict-free path planning in automated terminals
CN107203190A (zh) 一种基于复杂路径的惯性导航agv调度方法及系统
Tai et al. A prioritized planning algorithm of trajectory coordination based on time windows for multiple AGVs with delay disturbance
Purwin et al. Theory and implementation of path planning by negotiation for decentralized agents
WO2024016457A1 (zh) 基于自主绕障的异构型多智能体网联协同调度规划方法
Lin et al. An improved fault-tolerant cultural-PSO with probability for multi-AGV path planning
Cao et al. Research on global optimization method for multiple AGV collision avoidance in hybrid path
Bouhamed et al. A generic spatiotemporal scheduling for autonomous UAVs: A reinforcement learning-based approach
Liu et al. Autonomous highway merging in mixed traffic using reinforcement learning and motion predictive safety controller
Yang et al. Decoupled real-time trajectory planning for multiple autonomous mining trucks in unloading areas
Mohseni et al. Deep learning model predictive control for autonomous driving in unknown environments
CN113009922B (zh) 一种机器人行走路径的调度管理方法
Cecchi et al. Priority-based distributed coordination for heterogeneous multi-robot systems with realistic assumptions
Marinica et al. Distributed collision avoidance for autonomous vehicles: world automata representation
Xu et al. Multi-Vehicle Collaborative Trajectory Planning in Unstructured Conflict Areas Based on V-Hybrid A
Chen et al. Deadlock-solving traffic control methods for automated guided vehicle systems
Lian et al. A novel multi-warehouse mobile robot hierarchical scheduling strategy based on industrial cyber-physical system
Li Task Assignment and Path Planning for Autonomous Mobile Robots in Stochastic Warehouse Systems
Chen et al. Hierarchical Learning with Heuristic Guidance for Multi-task Assignment and Distributed Planning in Interactive Scenarios
Chawla et al. Modified centralized approach for preventing collision at traffic intersection
Na et al. Inferring Human Driver Intent in Partial Deployment of Connected Autonomous Vehicles: the Lane Change Case
Huo et al. The scheduling technology development of multi-AGV system in AI era

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 310053 1st floor, building 3, No.1 Weiye Road, Puyan street, Binjiang District, Hangzhou City, Zhejiang Province

Applicant after: ZHEJIANG COTEK ROBOT CO.,LTD.

Applicant after: Zhejiang Zhongli Machinery Co.,Ltd.

Address before: 310053 1st floor, building 3, No.1 Weiye Road, Puyan street, Binjiang District, Hangzhou City, Zhejiang Province

Applicant before: ZHEJIANG COTEK ROBOT CO.,LTD.

Applicant before: Zhejiang EP Equipment Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant