: 杂乱环境下的四足机器人团队角色自适应协同编队规划

《Mechatronics》：Role-adaptive collaborative formation planning for team of quadruped robots in cluttered environments

　　

本文提出了一种适用于在杂乱环境中运行的四足机器人团队的角色自适应领航者-跟随者编队规划与控制框架。与具有固定领航者或刚性编队角色的传统方法不同，所提出的方法集成了动态角色分配和局部目标规划，在复杂场景中实现了灵活的无碰撞导航。通过虚拟弹簧-阻尼系统结合一种自适应调整每个智能体速度的新型避障层，确保了编队的稳定性和机器人间的安全性。动态前视参考生成器进一步增强了灵活性，允许临时编队变形以绕过障碍物，同时保持面向目标的运动。快速行进平方算法为领航者提供全局路径，为跟随者提供局部路径，作为规划的主干。该框架通过广泛的仿真和四足机器人团队的真实世界实验得到了验证。结果表明，在复杂的非结构化环境中，能够实现平滑协调、自适应角色切换和鲁棒的编队保持。

多机器人系统的编队路径规划是机器人领域的研究热点，旨在使一组移动机器人在保持预定编队的同时找到最优路径，广泛应用于区域覆盖、灾难救援、交通监控和搜索救援等任务。四足机器人因其能够可靠地在岩石、泥泞或充满碎片的挑战性环境中作业而受到广泛关注。然而，传统的编队控制方法如虚拟结构法、基于行为的方法和领航者-跟随者方法存在局限性：虚拟结构法将整个编队视为刚体，在杂乱或狭窄环境中缺乏灵活性；基于行为的方法缺乏集中协调，容易产生次优轨迹；传统的领航者-跟随者方法依赖固定领航者，在动态或迷宫般的环境中效率低下。现有方法通常将角色分配、路径规划和编队控制视为独立或松散耦合的问题，且现有自适应编队规划器主要通过切换预设编队模板或在线优化编队几何形状来改善导航，未能将机器人角色分配作为轨迹生成的一部分进行连续集成。为了填补这一空白，研究人员开展了一项研究，旨在紧密耦合角色分配、路径规划、参考生成、编队控制和避障到一个单一的在线规划架构中。该研究成果发表于《Mechatronics》，为多机器人协同导航提供了灵活的基础，具有重要的学术意义和工程应用价值。

研究人员提出了一种混合角色自适应编队规划方法，引入了动态双射映射以在运动过程中连续重新分配角色。该框架基于快速行进平方（Fast Marching Square, FM2，一种路径规划算法，能够生成无局部最小值的最优且平滑轨迹）算法作为规划主干，并引入基于预计到达时间（Estimated Time of Arrival, ETA，表示按特定速度到达目标所需的时间）的前视机制主动生成跟随者轨迹。为维持编队稳定，系统集成了基于无符号距离场（Unsigned Distance Field, UDF，表示空间中各点到最近障碍物距离的标量场）的虚拟弹簧-阻尼系统与避障层。实验验证使用了Unitree Go1四足机器人，分别在Gazebo仿真环境和真实实验室环境中进行。样本队列来源为瑞典吕勒奥理工大学（Lulea University of Technology）机器人与人工智能组构建的实验环境。

4.1. 仿真结果
研究人员在Gazebo仿真环境中构建了包含各类障碍物的14×10 m地图，并使用四个形成正方形的Unitree Go1模型进行测试。结果表明，编队在遇到空间不足时能灵活变形，动态角色分配有效（领航者从紫色机器人切换到黄色机器人），并在通过狭窄通道后重新配置。前视机制允许跟随者绕开小型障碍物选择不同路径，展示了框架的适应性和反应能力。

4.2. 动态障碍物
研究人员在仿真中引入了两个沿预定轨迹以0.2 m/s速度移动的动态障碍物，通过在速度图上叠加其位置和UDF来处理。结果表明，编队成功避免了碰撞，控制器的反应式重规划策略能够在障碍物速度足够低且周围有足够自由空间的情况下，处理特定类别的动态障碍物，而无需显式预测。

4.3. 消融实验与基线对比
研究人员通过有选择地移除动态角色分配和前视参考机制构建基线配置，在相同仿真环境中连续到达六个航点以评估各组件的贡献。结果表明，所提出的方法在任务完成时间、线性和角度控制effort、平均速度和加速度等几乎所有指标上均优于基线配置。移除前视特征会导致完成时间显著延长和控制effort增加；固定角色基线则需要额外航点以避免死锁，且在某些场景中失败。

4.4. 实验结果
研究人员在配备Vicon动作捕捉系统、面积为9.5 × 6.5 m的实验室中，使用三个排成等边三角形的Unitree Go1机器人进行了非结构化环境和狭窄走廊实验。结果表明，在非结构化环境中，编队能够可靠地在航点间导航，根据周围环境自适应改变形状并在到达目标区域后恢复原始配置。在狭窄走廊实验中，编队通过虚拟弹簧有机地变形为一条直线，通过弯道后恢复三角形。机器人的最近障碍物距离始终保持在膨胀半径rmax之上，机器人间距离也保持在安全值2rmax以上，证明了避障和防碰撞的有效性。

在讨论部分，研究人员指出所提出的规划器目前以集中式方式运行，假设能够获取全局状态信息。计算扩展性主要受FM2路径规划步骤的影响，随机器人数量呈近似线性增长。虚拟弹簧-阻尼系统引入的耦合可能随着机器人数量增加而变得限制性强，但底层架构适合扩展为部分分布式框架。通信延迟未在控制设计中显式考虑，但通过保守的参数化（如速度图的饱和距离d_safe和虚拟弹簧的长度与刚度）维持了安全性。
研究的局限性在于框架假设了完整运动学，适用于全向地面机器人等平台；基于当前状态反应式运行，没有显式预测环境未来变化；假设完美状态信息，未考虑感知不确定性。
在结论部分，研究人员Magnus Norén等人总结道，本文提出了一种基于角色自适应领航者-跟随者方法，结合虚拟弹簧-阻尼系统和避障层的动态在线编队路径规划和控制框架。该框架引导编队在杂乱环境中向目标前进，并根据需要放松编队以安全通过受限通道。仿真和物理实验结果表明，该框架能够实现自适应编队行为，同时在仿真和真实场景中保持避障能力。尽管当前实现依赖于集中式架构，但底层架构为多机器人协同导航提供了灵活的基础，向分布式或混合实施扩展并考虑通信约束是未来的研究方向。