多智能体控制概述

多智能体控制概述齐洁信息学院，东华大学2014.5.15.DonghuaUniversity提纲•什么是多智能体系统•应用•研究意义•研究方法分类–基于图的离散方法–基于PDE的连续方法•研究进展-多智能体队形控制DonghuaUniversity多智能体系统网络拓扑图DonghuaUniversity什么是多智能体系统•Whatkindofsystems?什么是多智能体系统•Groupsofagentswithcontrol,sensing,communicationandcomputing•能控制，感知能力，能相互通讯，能计算•Eachindividualsensesitsimmediateenvironment感知周围环境•communicateswithothers交互能力•processesinformationgathered信息处理，计算能力•takeslocalactioninresponse响应，决策能力DonghuaUniversity生物界的群体自组织行为DonghuaUniversityAbleto控制目标•deployoveragivenregion将多个自主体部署到指定区域•assumespecifiedpattern形成指定的队形，队形控制•rendezvousatacommonpoint所有智能体集合到一个点•jointlyinitiatemotion/changedirectioninasynchronizedway协同的运动模式，同步运动方向Speciesachievesynchronizedbehaviorwithlimitedsensing/communicationbetweenindividualswithoutapparentlyfollowinggroupleader(Couzinetal,Nature05;Conradtetal,Nature03)DonghuaUniversity多智能体系统的应用•Embeddedroboticsystemsandsensornetworksforhigh-stress,rapiddeployment|e.g.,disasterrecoverynetworks(在危险的地方工作)•Distributedenvironmentalmonitoring|e.g.,portablechemical(分布式环境下的监视)andbiologicalsensorarraysdetectingtoxicpollutants•Autonomoussamplingforbiologicalapplications|e.g.,monitoringofspeciesinrisk,validationofclimateandoceanographicmodels自主采样•Scienceimaging|e.g.,multispacecraftdistributedinterferometersflyinginformationtoenableimagingatmicroarcsecondresolution科学成像DonghuaUniversity•嵌入式机器人•飞机编队飞行，队形控制•小卫星群•无线传感网络DonghuaUniversityDonghuaUniversityDonghuaUniversityDonghuaUniversityDonghuaUniversityDonghuaUniversityDonghuaUniversityDonghuaUniversityLocalagentinteractionsgivingrisetoglobalbehavior•哈佛大学的研究团队公布，他们应用多智能体协同控制技术开发了小机器人协同建造系统，模仿白蚁处理信息的方式，系统可以自动产生底层个体的简单规则，建造指定的复杂结构。每个自主小机器人，功能简单只感应局部的信息，并通过共享的环境来协同他们的行为，实现分布式控制。研究发表在2014年2月14日的《科学》杂志上。•J.Werfel,K.Petersen,andR.Nagpal,“Designingcollectivebehaviorinatermite-inspiredrobotconstructionteam,”Science,vol.343,no.6172,pp.754–758,2014.DonghuaUniversityDonghuaUniversity2014年《科学》杂志十大科学进展之一机器人的特点•没有中央控制（整体规划）的情况下，依靠个体之间相互作用的简单规则，完成复杂的建造任务。•机器人只拥有觉察到附近有块砖或有一个机器人的能力，就能决定自己下一步的行动。它们是在没有详细的规划或中央通讯的情况完成这些工作的；而为这些机器人所设的程序只是若个简单的规则。•由用户定义的结构，来决定机器人需要遵循的规则.•独立且具有分散性控制的机器人有众多的优点。–冗余性：个别的机器人可能会出毛病，但其余的机器人可继续运行。整个系统不会因为有一处关键环节出现了故障而瘫痪。–灵活性:这样的系统也具可缩放性。“如果要从事更大规模的工作，人们只需要增加更多的机器人（甚至在工作进行中）而无需对它们的编程进行改动。”DonghuaUniversity•让机器人合作：新的软件和互动机器人正向人们证明，机器人终于能在无需人监督的情况下一同工作；•例如，指示成群的受到白蚁启发的机器人来构建一种简单的结构，或提示一千个25美分硬币大小的机器人形成方块、字母及其它二维形状等。DonghuaUniversity应用例子•例子roboticsubmarine寻找马航失联客机autonomousunderwatervehicle在海底寻找，多个水下机器人形成协同搜索，效率更好，每个搜索一片区域，相互之间传递消息。•应用于无人驾驶机群的编队飞行，可移动机器人的定位和位置部署，可移动传感网络的布局，运输车辆的协调，飞行器或者小卫星群的空间布局等无人网络系统的控制，在人类难以到达或者危险的地方，完成环境探索、科学采样、地图绘制、监测和侦查、搜索和营救以及分布式传感等协同任务。•多智能体协同控制的研究可派生出各种分布式算法，解决不同领域的科学问题，例如异步网络通讯、分布式协同决策、信息融合以及耦合振子系统等。DonghuaUniversityDonghuaUniversityResearchprogram:whatareweafter?•Designofprovablycorrect,distributedcoordinationalgorithms分布式协同算法设计•Mathematicaltoolstostudyconvergence,stability,androbustnessofcoordinationalgorithms对算法性能进行分析•Coordinationtasks执行协同任务•exploration,mapbuilding,searchandrescue,•surveillance,odorlocalization,monitoring,distributedsensing勘探，绘制地图，搜索营救，•侦查，气味定位，监视，分布式传感。DonghuaUniversity要用到的方法和技术•OptimizationMethods优化方法–resourceallocation–geometricoptimization–loadbalancing•Geometry&Analysis算法结构，非光滑分析•Control&Robotics机器人技术和控制–algorithmdesign–cooperativecontrol–stabilitytheory•DistributedAlgorithms分布式算法，图论，PDEDonghuaUniversity•Cooperativeroboticnetworks•Distributedcoordinationalgorithms•Localagentinteractionsgivingrisetoglobalbehavior•Limitedinformation,Veriablycorrect,rigorousassessmentofproperties•要实现的目标：构建机器人协同网络；采用分布式协同控制律；能够通过有限的信息，局部的作用规则实现全局复杂的行为。DonghuaUniversity•Considerrendezvous/deployment/agreementscenario•Consensus=reachcommonvalueforsomevariable一致性算法•Rendezvous=gettogetheratcertainlocation•Deployment=deployoveragivenregionDonghuaUniversity目前的研究方法分类•离散的一致性控制律–研究多智能体协同控制的传统方法是基于图论的离散分析方法，即以代数图论为框架，以谱分析、矩阵论、控制理论与最优化为工具进行建模、分析和设计控制器。•等价于连续的扩散方程（偏微分，包含空间变量）1(),1,...,niijijjxaxxinDonghuaUniversity研究进展——多智能位置部署Agent系统通讯图Agent作为连续体将离散图映射到连续的空间域映射用PDE建模，分析和设计控制器PDE方程离散化Agent系统分布式控制律作用于图1Agent系统分析和设计过程DonghuaUniversity网络拓扑通讯图：其中的一个实例图24☓12个agent映射到连续空间单位圆上的通讯拓扑图DonghuaUniversity用PDE建模因此agent的动态特性就可以用PDE来描述一阶积分的动态关系可以用抛物PDE表示：(,,)(,,)txtrxtrx(,,)(,)xtRut(,,)(,,)ttxtrxtrx(,,)(,)xtRut，二阶积分的动态关系可以用双曲的PDE表示：，(5)DonghuaUniversityPDE的平衡点•PDE的平衡点对应系统的稳定状态•我们令PDE的状态量表示agent的位置，可以得到agent的稳态位置方程•通过变化参数和边界输入(也是领导者agent的位置)，可以实现系统的不同稳态解，对应不同的部署流形。•JieQi,RafaelVazquez*,MiroslavKrstic，Multi-agentDeploymentin3-DviaPDEControl,IEEETransactiononAutomaticControl.Acceptavailableonline：=&arnumber=6914569&queryText%3Dmultiagent+deployment+in+3-D+via+PDE+control0(,,)xtrx(,,)(,)xtRutDonghuaUniversity两个二维复值方程确定的位置部署流形边界条件如下，其中f(theta)是一个2pi为周期的周期函数图3多智能体三维位置部署DonghuaUniversityDonghuaUniversityDonghuaUniversity多智能体系统边界控制器设计的基本思路这些流形由PDE的边界输入驱动，即改变领导者agent的位置可实现系统在不同部署队形之间的转换。在实际应用中，大多数需要部署的流行对应的平衡状态不稳定。我们将采用backstepping方法设计边界反馈控制器使系统稳定。期望流形待选的PDE方程类型由PDE平衡态与流形的对应关系确定PDE方程确