自然界中的生物个体脆弱渺小，当大量的个体聚合成整体时，可以形成复杂的行为，抵御强大的天敌，应对艰难的生存环境。人体内存在的氨基酸有20余种，当大量氨基酸聚合成蛋白质，可以具备迥异的功能，完成人体的构建，支撑丰富的生命活动。鱼群防御阵型
蚁群抱团过河
自然界中种种现象都蕴含着相同的道理：当体型渺小、力量有限、功能简单的个体以巨量的规模组合成整体时，将形成庞大的力量，产生无尽的变化，迸发强劲的生命力。研究者针对这一现象，提出了模块化可重构机器人的概念，并进行了卓有成效的实践。《超能陆战队》中的磁力模块化机器人组合成楼梯、吊桥、运输传送带等不同的构型，展现了模块化可重构机器人的无限可能（图1）；作为美国航空航天局（NASA）3D打印栖息地挑战赛前10名作品，Hassell和Eckersley O’ Callaghan联合设计的可重构模块化群智能体系统，可以通过不同功能的轮式模块组装成晶格组合体构型，挖掘火星风化层，熔炼原材料并打印栖息地（如图2）。
图2 NASA模块化机器人进行火星栖息地打印概念设计变构技术是模块化可重构机器人实现丰富构型的核心。山东大学机器人研究中心科研团队提出了一套面向地面移动式模块化可重构机器人自主高效变构的规划和控制方法框架，实现了轮式地面模块化平台能耗最低、时间最短的并行无碰撞安全可靠变构。该项研究以Pareto Optimal Reconfiguration Planning and Distributed Parallel Motion Control of Mobile Modular Robots为题发表于国际高水平期刊IEEE Transactions on Industrial Electronics中。模块化可重构机器人变构（图3）应具备能耗最低、耗时最少、安全可靠的性能。变构能耗主要受到移动模块数量、模块移动总距离、断开重连对接结构数量等因素的影响，变构所需移动的模块数量越少、变构移动总距离越短、断开对接机构数量越少，则变构能耗越少。然而以上因素相互耦合，互相制约，往往不存在所有因素均达到最佳的全局最优解。变构耗时体现在模块变构运动模式中。与逐一运动串行运动模式相比，多个模块并行变构模式效率更高、耗时更短，且需满足并行变构过程中模块之间无碰撞的安全要求。变构时，多个模块以子构型组合体（定义变构子构型组合体为组元）形式进行变构是非常高效的。组元包含的模块数量和组元形状各不相同，多个异形组元在并行变构时形成混编集群。异形组元本体的协调控制和多个异形组元之间的并行协同是模块化机器人高效变构面临的又一挑战。总之，地面移动式模块化机器人变构面临以下挑战：
（1）以移动模块数量、模块移动总距离、断开重连对接结构数量为典型指标的多目标耦合的优化问题求解；
（2）异形组元本体的协调控制和多个异形组元之间的并行协同，以及并行运动冲突碰撞避免问题。
图3 变构过程的构型拆解、并行移动和汇聚组装
当多个优化目标相互耦合、相互制约时，解空间内存在帕累托最优解集。帕累托最优意味着无法在不使某个优化指标变坏的情况下进一步优化其它指标。采用分层序列思想，设定3个优化目标的层次，即移动模块数量、断开重连对接机构数量、模块移动总距离，依次对解空间进行寻优。对于移动模块数量的优化，提出滑动重叠测试算法（图4），寻找初始构型和目标构型之间的最大公共部分，即最大公共子构型。最大公共子构型作为两构型之间的重复部分，在变构过程中保持静止不动，使变构过程需要移动的模块数量最少。对于断开重连对接机构数量的优化，提出构型拆分树和启发式搜索方法，拆解出的组元为树节点，拆解后剩余部分再次拆解形成的组元为其子节点，构建拆分树（图5）。通过滑动重叠测试，对某节点剩余部分所有可能的拆解进行遍历，计算每个拆解方案断开的对接机构数量，并预测估计每个拆解方案的剩余部分完成拆解尚需断开的对接机构数量。将拆解需要断开的对接机构数量与拆解后尚需断开的对接机构数量预估值相加，构建启发式搜索算法，搜索断开对接机构最少的拆解方案。对于模块移动总距离的优化，将最大公共子构型设置为静态障碍物，其角点形成可视图，通过可视图+A*算法快速估计模块移动总距离（图6）。
对以上3个层次的优化目标逐一开展优化求解。对于移动模块数量的优化获得解空间中移动模块数量最少的解集合O1；优化断开对接机构数量，在集合O1内搜索拆解对接机构最少的解集合O2；计算集合O2内解的移动总距离，选择移动总距离最少的解为最终优化结果。▍如何实现异形组元混编集群的协调控制?
生物集群是自然界中典型的以个体行动实现集群行为涌现的例子，受生物集群行为涌现启发，概括了组元协调运动过程中模块的3个行为准则：
(1)轨迹跟踪：每个模块均跟随轨迹运动，模块的轨迹由组元中心轨迹、模块相对于组元中心的编队相对位姿计算得到。
(2)碰撞避免：每个模块与其它模块之间的间距大于安全距离。
(3)运动匹配：模块倾向于与避险紧急度高的个体的运动相匹配。为模块设计模型预测控制器，以轨迹跟踪误差为优化目标，以模块间距为碰撞约束，结合运动学动力学约束条件，构建时域滚动优化问题模型。通过模块与障碍物的距离定义紧急度，并由模块通信向组元内的其它模块发送自身的紧急度。模块对比其它模块紧急度与自身紧急度后，在模块的模型预测控制器模型中增加匹配约束，使自身运动与最高紧急度模块的运动相匹配。借助IPOPT求解器实时求解高维非线性问题，实现组元的协调控制与组元集群的协同运动。实验结果如图7和图8所示。Chen Zhang, Lelai Zhou and Yibin Li, "Pareto Optimal Reconfiguration Planning and Distributed Parallel Motion Control of Mobile Modular Robots," IEEE Transactions on Industrial Electronics, 2023:1-10.DOI: 10.1109/TIE.2023.3321997
https://ieeexplore.ieee.org/document/10287619仅用于学术分享，若侵权请留言，即时删侵!
作者 | 张 辰 周乐来
编辑 | 唐 秋
审核 | 许力琴