一种异构机器人集群自适应协同巡检方法、装置及系统与流程

摘要: 本发明涉及轨道交通巡检,更具体地,涉及一种异构机器人集群自适应协同巡检方法、装置及系统。背景技术:1、‌城市轨道交通隧道巡检‌是指在地铁等城市轨道交通系统中,对...
一种异构机器人集群自适应协同巡检方法、装置及系统与流程

本发明涉及轨道交通巡检,更具体地,涉及一种异构机器人集群自适应协同巡检方法、装置及系统。

背景技术:

1、‌城市轨道交通隧道巡检‌是指在地铁等城市轨道交通系统中,对隧道结构及其附属设施进行周期性检查与维护,以确保列车运行安全的关键工作。其核心是及时发现并处理隧道内的各类病害隐患,例如‌渗漏水、衬砌裂缝、管片错台、纵向沉降‌等。

2、随着自动化和智能化技术的发展,各种智能设备被应用于城市轨道交通隧道巡检。本技术发明人通过大量的研究与实践发现:当前城市轨道交通隧道巡检主要面临以下技术瓶颈:其一,现有巡检系统多采用集中式控制或完全分布式控制,前者难以应对隧道内通信衰减与局部突发状况,后者缺乏全局统筹能力,导致任务冲突与资源浪费。其二,隧道环境通信质量不稳定,现有协同方法未将通信延迟、丢包等动态因素纳入决策模型,机器人在信息不完全时易出现重复巡检或覆盖漏洞。其三,异构机器人型号各异、能力不同,现有任务分配方式僵化,无法适应执行过程中的电量衰减、设备状态变化等动态情况,缺乏灵活的任务再分配机制。其四,多机器人建图多为各自为政,缺乏有效的贡献度记录与激励,难以自发协同维护全局地图的完整性与时效性。

技术实现思路

1、为了解决现有技术中协同效率不高、无法实现任务的灵活分配等问题,本发明提出了一种异构机器人集群自适应协同巡检方法、装置及系统。

2、具体地,第一方面提供了一种异构机器人集群自适应协同巡检方法,包括:

3、从边缘节点处获取集群任务包与区域划分信息,其中,集群任务包与区域划分信息由段级中心根据所有天窗作业计划、全线线路拓扑结构、各机器人状态库信息,运用宏观强化学习模型进行全局推演与优化后获得后发送至边缘节点;

4、根据集群任务包与区域划分信息初始化自身状态空间中的任务队列,通过构建的强化学习模型根据当前状态进行决策,得到动作指令、任务紧迫度以及机器人对邻近机器人的通信置信度,其中,通信置信度基于通信延迟与丢包率得到;

5、将任务抽象为带需求标签的商品,基于合同网协议进行动态谈判,生成任务分配映射表,其中,谈判过程中,基于任务紧迫度计算任务拍卖时的底价,基于自身情况与通信置信度评估接手任务的影响;

6、基于实时采集的传感器数据、任务分配映射表以及边缘节点上的全局地图同步构建局部地图。

7、在一种实施方式中,集群任务包为结构化任务列表,包含每个逻辑段内的巡检作业项、预估作业时长以及所需机器人能力标签;

8、区域划分信息包括动态划分的逻辑段编号以及每个逻辑段指定的主导机器人型号。

9、在一种实施方式中,强化学习模型部署于机器人上,每个机器人为独立智能体,包括状态空间、动作空间与奖励函数,其中状态空间包括机器人的自身位置、剩余电量、当前任务进度以及对邻近机器人的通信置信度,动作空间包括物理动作与通信动作,奖励函数基于兼顾任务完成度与通信协同质量进行设计。

10、在一种实施方式中,通信动作包括点对点直连请求、边缘节点上传以及广播求助,其中,通信动作执行后,记录通信动作的执行信息,用以更新下一时刻对邻近机器人的通信置信度。

11、在一种实施方式中,将任务抽象为带需求标签的商品,基于合同网协议进行动态谈判,生成任务分配映射表,包括:

12、将巡检任务抽象为带有需求标签的商品,其中,任务信息包括完成任务所需的资源集合、预估作业时长以及任务价值权重,任务价值权重用以反映该任务在整体巡检中的重要性;

13、当一个机器人需要转移任务时,在局部通信范围内发布任务拍卖信息,其中,拍卖信息包括底价与任务信息;

14、潜在接手机器人基于任务拍卖信息通过本地q网络评估接手该任务对自身后续计划的影响,得到期望收益,并根据期望收益判断是否竞拍,如果竞拍,则基于底价与期望收益给出报价信息,报价信息包括代币与预估作业时长;

15、需要转移任务的机器人根据潜在接手机器人的报价信息以及置信度,选择出目标机器人;

16、需要转移任务的机器人向目标机器人支付代币,需要转移任务的机器人与目标机器人更新自身的任务列表,输出任务分配映射表。

17、在一种实施方式中,价值评估值的计算方式为:

18、

19、其中,为机器人的当前状态,包含自身位置、电量、已承担任务列表以及对邻近机器人的置信度,为动作,包括接受外部任务或拒绝外部任务,为对未来第k个时间步的奖励的折扣系数;为决策时域,包括完成当前任务所需的剩余时间步数,为第t+k个时间步获得的即时奖励,由任务价值权重、时间成本与偏离计划惩罚组成。

20、在一种实施方式中,所述方法还包括:

21、根据机器人上传的局部地图的精度、覆盖范围、所包含变化区域的新颖性与重要程度,对机器人的贡献进行综合评价,得到贡献积分;

22、以区块链的方式对机器人的贡献积分进行存储。

23、基于同一发明构思,本发明第二方面提供了一种异构机器人集群自适应协同巡检装置,包括:

24、信息获取模块,用于从边缘节点处获取集群任务包与区域划分信息,其中,集群任务包与区域划分信息由段级中心根据所有天窗作业计划、全线线路拓扑结构、各机器人状态库信息,运用宏观强化学习模型进行全局推演与优化后获得后发送至边缘节点;

25、多智能体强化学习模块,用于根据集群任务包与区域划分信息初始化自身状态空间中的任务队列,通过构建的强化学习模型根据当前状态进行决策,得到动作指令、任务紧迫度以及机器人对邻近机器人的通信置信度,其中,通信置信度基于通信延迟与丢包率得到;

26、自组织动态谈判模块,用于将任务抽象为带需求标签的商品,基于合同网协议进行动态谈判,生成任务分配映射表,其中,谈判过程中,基于任务紧迫度计算任务拍卖时的底价,基于自身情况与通信置信度评估接手任务的影响;

27、协同建图模块,用于基于实时采集的传感器数据、任务分配映射表以及边缘节点上的全局地图同步构建局部地图。

28、基于同一发明构思,本发明第三方面提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现第一方面所述的异构机器人集群自适应协同巡检方法。

29、基于同一发明构思,本发明第四方面提供了一种异构机器人集群自适应协同巡检系统,包括第二方面所述的异构机器人集群自适应协同巡检装置、边缘节点以及段级中心。

30、相对于现有技术,本发明的优点和有益的技术效果如下:

31、本发明公开的一种异构机器人集群自适应协同巡检方法,机器人首先从边缘节点处获取集群任务包与区域划分信息,然后根据集群任务包与区域划分信息初始化自身状态空间中的任务队列,通过构建的强化学习模型根据当前状态进行决策,得到动作指令、任务紧迫度以及机器人对邻近机器人的通信置信度;再将任务抽象为带需求标签的商品,基于合同网协议进行动态谈判,生成任务分配映射表;最后基于实时采集的传感器数据、任务分配映射表以及边缘节点上的全局地图同步构建局部地图。集群任务包与区域划分信息由段级中心根据所有天窗作业计划、全线线路拓扑结构、各机器人状态库信息,运用宏观强化学习模型进行全局推演与优化后获得,从而可以实现全局统筹与局部高效协同,状态空间融入邻机置信度并依通信质量动态衰减,使智能体在通信不可靠条件下具备鲁棒的协同决策能力,将巡检任务抽象为带需求标签的商品,基于合同网协议开展动态谈判,机器人通过dqn评估接手任务的影响,可将低优先级任务连同代币拍卖给空闲机器人,实现了灵活高效的任务再分配。

32、进一步地,多机器人同步构建局部地图时,采用轻量级类区块链机制记录贡献,高质量地图数据(如变化区域)被采纳后获得贡献度奖励,能够激励机器人主动探索与精准建图,共同维护实时更新的全局数字孪生底图。