面向任务的无人集群系统自主协同方法（基因调控网络, GRN）

前言

本文研究了在障碍物固定和障碍物持续移动的条件下，群体机器人对单个或多个移动目标的围捕问题。为此，本文提出了基于合作的基因调控网络的群体机器人围捕模式，该模式不仅依赖于目标的信息，同时也考虑了周围因素的影响。实验结果表明，该模式能够很好地解决躲避固定或持续移动障碍物、追踪围捕移动目标等问题，拥有较优越的性能，对未来研究在各种复杂环境下的群体机器人目标搜索及围捕打下了良好的基础。但是需要指出的是，这种模型需要对周围目标进行精确定位，因此对传感器的要求很高。我们希望在后续实验中创造更加优质的算法，增强模型的适应能力，降低对传感器的要求，并且将针对性地设计更加全面的仿真场景，侧重于研究在不同场景下模型参数的自适应调节策略，同时根据真实的物理受限环境进一步考虑更有效的行为映射机制，以获得更加贴合实际场景的可以用于真正围捕的模型。

基因调控网络

待补充…有时间再补充。

仿真

参考文献

• Multi-Task Cooperation of the Robotic Swarm using Multi-Level Variable Gene Regulatory Network in Confined Environment
• Meng Wu, Yun Zhou, Xiaomin Zhu, et al. Cooperation-Based Gene Regulatory Network for Target Entrapment. International Conference on Swarm Intelligence. Springer, 60–69, 2019.
• https://link.springer.com/chapter/10.1007/978-3-030-26369-0_6

参考代码

• https://github.com/Downloadmarktown/MLV-GRN
• https://www.guyuehome.com/34211
• https://github.com/kylindreams/CH-GRN