May, 2023

基于仿生神经动力学和自适应滑模创新滤波的移动机器人分布式领从编队控制

PDF
TL;DR本文提出了一种基于神经动力学的分布式控制策略，通过反步和滑模控制的混合形式实现了多个不同差动驱动移动机器人的分布式 leader-follower 形成控制，并集成了自适应滑动创新滤波器，以提供对建模不确定性鲁棒的精确状态估计。经过多次模拟，验证了该控制策略的有效性和高效性。
distributed controlformation controlmobile robotsneural dynamicsliding mode control
发现论文，激发创造
  • 基于生物启发神经动力学的移动机器人分布式稳健学习形成控制

    本论文针对多移动机器人的分布式编队控制提出了一种提高现实可行性的新方法，首先采用变结构和级联设计技术引入分布式估计器，消除了对导数信息的需求以提高实时性能，然后采用仿生神经动力学方法开发了一种运动学跟踪控制方法，旨在提供平滑的控制输入并有效解决速度跳跃问题，此外还提出了一种基于学习的鲁棒动态控制器，以解决在完全未知动力学和干扰下操作的机器人的挑战，该控制器在实时参数估计的同时保持了其对干扰的鲁棒性，并通过严密的数学分析证明了所提方法的整体稳定性，最后，多个综合仿真研究表明了所提方法的优势和有效性。

    Mar, 2024

  • 水下舰艇共识形成跟踪的分布式强健学习反步控制辅助神经动力学

    研究了一种适用于多个水下舰艇的分布式鲁棒学习控制策略，考虑到完全不知道舰艇的系统参数以及建模误差、海洋干扰和噪声，通过图论合成具有稳定性保证的分布式控制器，并采用回步控制技术处理动态模型中的参数不确定性，提出了在线学习过程来处理时变和未知系统，并引入神经动力学模型来解决建模误差、环境干扰和测量噪声问题，通过稳定性分析确保了理论层面上的鲁棒自适应性能，最后通过大量的仿真实验验证了所提出的分布式控制策略的有效性。

    Aug, 2023

  • 自动编队：通过示例运输货物

    提出了一种基于软件锁定机制的生物启发式领导者 - 跟随者系统，旨在改善领导者代理和相关自主跟随者之间的协作和协调。该系统利用软件锁定建立领导者和跟随者之间的实时通信和同步，通过深度学习和实时数据处理流程解决了不确定性、动态环境和通信延迟等挑战。追踪领导者并动态避开障碍物，同时与其保持安全距离。实验结果证明了该系统的有效性，为在需要多机器人系统在复杂动态环境中导航的任务中取得成功提供了有前景的解决方案。

    May, 2024

  • 一种生物启发的神经动力学辅助无人水下航行器的混合跟踪控制策略

    该研究论文提出了一种基于仿生神经动力学模型的新型混合控制策略，以提高无人水下车辆的跟踪控制，将改进后的后向运动学控制策略与新型滑模控制相结合，以实现控制信号的平滑性，这在无人水下车辆的实际应用中尤为重要。

    Sep, 2022

  • 分散化强化学习多机器人编队控制

    基于强化学习算法的分布式多机器人编队控制，并采用 DDQN 算法，通过离散机器人运动来适应连续非线性系统，无需复杂数学模型和非线性控制器即可在模拟和实验中实现稳定编队。

    Jun, 2023

  • 基于分布式神经动力学的反步最优控制：鲁棒约束一致性下的非完全驱动水下车队

    该论文采用一种基于共识的优化协调协议和鲁棒控制器，通过引入球面坐标变换和分布式优化运动协调策略解决了非完整约束问题，并设计了基于神经动力学的鲁棒反馈控制器来处理欠驱动问题，确保在存在未知干扰情况下，UUVs 编队系统的稳定性和所有状态的一致有界性。通过广泛的仿真比较，验证了所得到的最优编队跟踪协议的优越性和有效性。

    Aug, 2023

  • 缩放机器人车辆的建模、定位和深度强化学习路径跟踪控制：设计与实验验证

    移动机器人系统中，提出了一种分散拓展的扩展卡尔曼滤波器和一种通过专家演示器训练的强化学习路径跟踪控制器的新颖方案，实验结果表明，FEKF 能够改善移动机器人位置的估计，AI 解决方案能够胜过基于模型的控制策略和演示器，同时通过一系列性能指标对比评估与基准控制器。

    Jan, 2024

  • 基于新颖的仿鱼自适应方法和神经动力学模型的智能群体逃逸的群体逃逸的智能群体逃逸

    提出了一种新的受鱼群启发的自适应方法，用于群体逃生的群体机器人，通过吸引和排斥力结合生成无碰撞逃生机器人轨迹的生物启发式神经网络。模拟和实验结果表明，与鱼类逃避机动类似，该群体机器人能够集体离开威胁，所提出的方法在系统性能的效果和效率以及复杂环境中的灵活性和鲁棒性方面能够显著提高。

    Feb, 2024

  • 受环境影响的演化群体具有有限感知能力的集体行为出现

    本文研究了机器人群体控制器的设计，并探索了一种进化方法来缓解人类开发者对控制器细节和群体行为之间联系的困难。使用微分进化来发展神经网络控制器，实现机器人遵循环境特征的梯度并解决任务。研究表明，进化所得解决方案在控制较差的情况下具有最大的灵活性，而有一个群体规模的 “甜蜜点”，同时观察到群体的集体运动，展示了真正的新兴行为，这是进化过程中未被代表和选择的。

    Mar, 2022

  • 动态网络桥接的分布式自主群体形成

    机器人系统，群体操作，网络桥接，多智能体强化学习和实际应用转化的问题和方法。

    Apr, 2024