python中的多代理路径规划
介绍
该存储库由Python中一些多主体路径规划算法的实现组成。 当前实现了以下算法：
依存关系
通过运行安装必要的依赖项。
pip3 install -r requirements.txt
集中式解决方案
在这些方法中，中央计划者有责任向机器人提供计划。
优先的安全间隔路径规划
SIPP是一个本地计划者，在考虑环境中的静态和动态障碍后，可以使用该计划生成无冲突的计划。 在多主体路径规划的情况下，环境中的其他主体被视为动态障碍。
执行
对于SIPP多主体优先级计划，请运行：
cd ./centralized/sipp
python3 multi_sipp.py input.yaml output.yaml
结果
可视化生成的结果
python3 visualize_sipp.py input.yaml output.yaml
录制视频
python3 v
2021-10-08 20:36:52
7.77MB
1
遗传算法程序NSGA2，关于移动机器人路径规划。
2021-09-28 16:07:07
130KB
基于MSRDS领航跟随法多机器人编队控制SPL代码
编队控制算法是基于Leader-following formation control of multiple mobile vehicles J. Shao, G. Xie and L. Wang
仿真平台选用Microsoft Robotics Developer Studio 4和HelloApps SPL Tool 实现。
压缩包包含使用文档，程序截图和仿真录像以及源码等。
2021-09-09 14:39:31
15.8MB
1
任务分配
ROS软件包，用于多机器人任务分配。 给定一系列任务和机器人位置，请使用顺序的单项拍卖将任务分配给机器人。
2021-09-07 10:42:42
25KB
1
用matlab画误差椭圆代码我的多机器人仿真环境
ME740智能力学课程项目
这种环境将对两种动力学实施三种多机器人控制策略。
控制策略：虚拟结构，基于行为的控制，领导者跟随者控制。
动力学：差动驱动动力学，全向动力学。
去做：
1.将行为添加到基于行为=的控制中；
2.尝试基于行为模型的强化学习；
介绍
在控制多个机器人系统方面有理论上的观点：集中式系统和分散式系统。
在集中式系统中，中央单元负责为单个视觉对象做出决策并监视错误信息的完成。
交流只发生在中央单位和个人之间，而不是个人之间。
在分散的系统中，个人观众可以相互交流并共享信息。
每个人都负责全球任务的一部分。
虚拟结构[2]是集中式系统控制策略的一个示例，其中中央单元控制着系统中所有机器人的运动。
基于行为的策略[3]用于分散系统。
每个机器人都有一个内部有限状态机。
fsm中的状态对应于不同的电机模式。
在运行期间，机器人会在不同的电机模式之间切换（通过状态之间的切换）以实现其单独的目标。
领导者跟随策略[4]
[5]是集中式系统和分散式系统的混合体。
领导者由中央单元控制，而跟随者则使用传感器数据自行操作。
信息
先决
2021-08-21 21:36:15
32.29MB
1
多点路径规划指标自动智能工厂
智能工厂环境是“工业4.0”的重要方面，可以在其中订购，生产，分类和存储产品，并最终将其交付给接收者。
我们为模拟的自主仓储提出了一个封闭的解决方案。
这项工作着重于通过移动机器人在仓库内运输产品。
目标是为协作在线多代理任务和路径规划实现可扩展的系统。
产品和交货请求的到达时间和频率未知，需要进行存储。
为了处理任务的高要求，多个机器人必须在有限的空间内协调其运动，并且需要合作以最小化交付包裹的总时间。
混合任务计划可实现机器人之间的协作。
中央任务计划程序用于根据代理的组合反馈将任务分配给代理。
机器人分别评估其完成任务的能力（即当前工作量，预计到达时间，电池状况），并将结果报告给任务计划者，后者为每个任务选择最合适的代理。
这将计算工作量分配到代理和中央实例之间。
一旦接收到任务，每个机器人就会与其他机器人进行协调并进行协商，以基于定时预订系统动态地规划其路径，而拥塞较少或没有拥塞。
这样一来，分散式路径规划就可以同时考虑等待和绕行，以找到最快的路线。
运动计划可确保在考虑所有预留条件的情况下实现快速驾驶和准确的路径跟随。
借助这种混合计划结构，机器
2021-08-20 21:00:00
58.6MB
1
多点路径规划指标在线多机器人运动计划
该代码随附于RA-L
/
ICRA
2020文件
CE
Luis，M。Vukosavljev和AP
Schoellig，“具有用于多机器人运动规划的分布式模型预测控制的在线轨迹生成”，IEEE机器人。
自动Lett。，第一卷5，没有。
2020年1月，第2卷，第604–611页。
引文
如果您将此库用于自己的工作，请考虑引用：
@article{luis2020online,
title={Online
trajectory
generation
with
distributed
model
predictive
control
for
multi-robot
motion
planning},
author={Luis,
Carlos
E
and
Vukosavljev,
Marijan
and
Schoellig,
Angela
P},
journal={IEEE
Robotics
and
Automation
Letters},
volume={5},
number={2},
pages={604--611},
year={2020},
pu
2021-08-17 11:26:20
376KB
1