
林志赟, 吴金泽, 陈亮名. 分布式多智能体网络定位的线性理论与算法综述[J]. 控制与决策, DOI: 10.13195/j.kzyjc.2023.1401.
随着智能化浪潮的推进,卫星、无人机、无人船、自动驾驶汽车、智能机器人等多智能体集群频频出现在大众视野,其一系列衍生产品也逐渐融入我们的生活,多智能体集群发展趋势良好。而群体智能广泛应用的背后,面临着一个共同的需求,即如何在复杂环境中判断自身和同伴的位置,实现精准“定位”。

一谈到定位,很多人立即想到GPS,这个我们日常获取位置信息最常用的定位方法,而GPS在丛林、高山、水下、隧道以及室内(如工厂、仓库、地下室)等环境下信号较弱,无法准确定位,对于一些多智能体集群应用受限。为此,“多智能体集群协同定位”应运而生,协同定位技术作为一项集群的基础服务技术,是影响群体智能发展的重要部分,该技术利用小部分智能体的位置信息以及多个智能体之间的局部测量信息实现集群的协同位置估计。
图2 GPS定位示意图
“多智能体集群协同定位”分为两个关键阶段:一是测量阶段,智能体集群通过传感器测量获取相邻智能体间的距离、方位、角度等信息,即局部测量信息的整合;二是位置估计阶段,基于多智能体集群定位算法,通过相邻智能体间的测量信息以及与邻居的估计信息交互迭代,以此确定各智能体在统一参考坐标系下的位置坐标。
图3 局部测量与协同定位示意图
实际上,在一些未知复杂的环境中实现多智能体的精确自主定位并非易事。由于不同测量信息与位置坐标间是非线性关系,宜采用非线性方法分析,而非线性方法的最大问题是很难保证最终收敛至正确解,容易陷入局部最优点。为解决这一问题,学者们提出了“多智能体集群协同定位的线性方法”,该方法可有效规避非线性方法易陷入局部最优的问题,保证最终定位结果收敛到唯一正确解。此外,线性定位算法还能进行分布式计算,大大减少多智能体的通信计算成本。

图4 多智能体集群协同定位示意图
面对多智能体集群的应用,无论是自主性还是协同性,协同定位技术都是不可忽视的关键内容,目前,多智能体集群的线性定位方法存在很多值得拓展的研究方向,如处理移动集群的定位问题、与SLAM技术结合、与编队控制结合等,为实现多智能体的高效协作提供了一系列新思路和新方法,同时适用更多场景。

林志赟,南方科技大学系统设计与智能制造学院,副院长、教授、俄罗斯工程院外籍院士、IEEE Fellow、IET Fellow,主要从事多智能体理论、分布式人工智能、自主无人系统与智能机器人、信息物理系统智能感知与控制等方向的研究。

吴金泽,南方科技大学系统设计与智能制造学院,博士生,主要从事多智能体系统、协同定位等方向的研究。

陈亮名,南方科技大学系统设计与智能制造学院,副教授,主要从事刚性图理论、多智能体系统控制与估计等方向的研究。
控制与决策官微,不仅仅是个学术专业平台,也是全民大众的科学知识传播平台。
“控策We科普”栏目欢迎各位读者、作者、老师、同学们发来科普文稿,热爱科研的您快来加入我们吧!
投稿方式:
准备好Word文件,连文带图一并发送到官微小编邮箱qiji@ise.neu.edu.cn,邮件标题注明“控策We科普投稿”。