Planning-Assisted Context-Sensitive Autonomous Shepherding of Dispersed Robotic Swarms in Obstacle-Cluttered Environments
Jing Liu, Hemant Singh, Saber Elsayed, Robert Hunjet and Hussein Abbass
机器人牧羊犬是一种生物启发的方法,可以自主地引导一群代理人走向所需的位置。 最近,由于使用数量较少的执行器(牧羊犬)控制大量药剂(绵羊)中大量制剂,该研究领域最近获得了越来越多的研究兴趣。 然而,在障碍混乱的环境中引导高度分散的群体仍然对现有方法具有挑战性。 为了提高在有障碍物和分散羊的复杂环境中牧羊的功效,本文提出了具有防撞能力的规划辅助上下文敏感的自主牧羊框架。 拟议的方法将蜂群牧羊犬问题建模为一个单一的旅行销售人员问题(TSP),具有两种牧羊犬模式:不互动和互动。 适应切换方法被集成到框架中,以指导实时路径规划,以避免与静态和动态障碍物的碰撞;后者代表移动的绵羊群。 然后,我们提出了一个总体分层任务规划系统,该系统由三个子系统组成:分组和区分绵羊子群的聚类方法,作为确定子蜂群最佳放牧序列的TSP求解器的蚂蚁殖民地优化算法,以及用于计算牧羊犬和绵羊最佳路径的在线路径规划器。 各种环境的实验,无论有障碍还是没有障碍,都客观地证明了拟议的牧羊框架和规划方法的有效性。
Robotic shepherding is a bio-inspired approach to autonomously guiding a swarm of agents towards a desired location. The research area has earned increasing research interest recently due to the efficacy of controlling a large number of agents in a swarm (sheep) using a smaller number of actuators (sheepdogs). However, shepherding a highly dispersed swarm in an obstacle-cluttered environment remains challenging for existing methods. To improve the efficacy of shepherding in complex environments ...
