基于强化学习的多机器人协作运输系统分布式控制

项目简介

多移动机器人系统在复杂任务中面临协作效率低、冲突多、动态适应性差等挑战，尤其在 未知或通信受限环境下，传统集中式控制与固定任务分配方法稳健性不足。现有研究在任务分 配、冲突消解等方面存在可扩展性弱、实时决策差及环境适应性有限等问题。 本研究聚焦动态任务分配与协作优化，提出融合生物启发策略（蚁群算法）和心理学模型 （焦虑决策）的协作方法，结合强化学习实现行为自主优化。研究涵盖分布式控制结构设计、 任务层次划分、一致性保持机制及硬件平台验证，形成高效任务分配算法、冲突消解策略及自 适应协作框架。 成果可提升多机器人在危险探测、军事协同及灾害救援等场景的自主协作能力，为分布式 智能系统提供理论和技术支撑，兼具学术价值与广泛应用前景。