一种应用群体机器人的灾后救援方法、系统及设备

1.本发明涉及灾后救援技术领域，特别涉及一种应用群体机器人的灾后救援方法、系统及设备。


背景技术：

2.近些年来，利用机器人执行灾后救援任务已经得到越来越多学者的关注。灾后救援作为一项复杂的系统工程，涉及调度指挥、物资配送、探测感知等诸多领域的研究。由于灾后环境充满着未知性和危险性，人们逐渐将目光投向了救援机器人，希望能通过机器人来完成危险未知环境下的救援工作。在实际的灾后救援场景中，全局的信息是未知的，需要救援机器人自己去探索前方环境、克服崎岖路面的影响并且避开可能存在的障碍物阻挡，在这种情况下，需要救援机器人寻找到被困人群并且将救援物资及时送达到指定区域。在这个过程中，机器人需要具备一定的避障、越野和运动规划能力，可以根据动态变化的环境来对自身的运动状态及时进行调整。此外对于一些狭小空间，救护人员或者大型机器人无法进入探测，此时小型的群体机器人更能发挥其优势。同时，要将设计的小型的群体机器人应用到实际的灾后救援问题中，必须同时保证小型的群体机器人的多个性能如可靠性、高效性和低耗能等，才能最大程度地避免人员伤亡和财产损失。


技术实现要素：

3.基于此，本发明的目的是提供一种应用群体机器人的灾后救援方法、系统及设备，用以在灾后救援中最大程度地避免人员伤亡和财产损失。
4.为实现上述目的，本发明提供了如下方案：
5.一种应用群体机器人的灾后救援方法，包括：
6.仿真灾后救援场景，得到仿真场景；
7.根据所述群体机器人中每个机器人在所述仿真场景中的动作和状态确定各所述机器人要遵守的硬规则；
8.构建社会规则；所述社会规则用于避免所述机器人在遵守所述硬规则时发生的冲突；
9.构建社会规则采用率与所述群体机器人的性能指标之间的函数关系；所述社会规则采用率为所述机器人在遵守所述硬规则时发生冲突后采用对应的社会规则的概率；所述性能指标包括：所述群体机器人进行灾后救援的总时间、总路程和成功率；
10.根据所述性能指标、所述社会规则以及所述函数关系构建妥协决策模型；
11.采用自适应线性规划算法求解所述妥协决策模型，并进行多目标可视化权衡分析，得到满足所有所述性能指标的社会规则采用率范围；
12.根据所述社会规则采用率范围，所述群体机器人进行灾后救援。
13.可选地，所述构建社会规则，具体包括：
14.确定所述群体机器人中机器人之间的冲突类型；
15.根据所述冲突类型确定所述机器人避免冲突发生需要执行的动作；
16.根据所述机器人避免冲突发生需要执行的动作构建社会规则。
17.可选地，所述社会规则social rule的表达式如下：
18.social rule＝《c，desa，reca》
19.其中，c为触发社会规则的冲突，desa为冲突发生时机器人执行的动作，reca为避免冲突发生时推荐机器人应执行的动作。
20.可选地，构建社会规则采用率与所述群体机器人的性能指标之间的函数关系，具体包括：
21.采集多个不同社会规则采用率组合下的多个性能指标的样本数据；
22.根据所述样本数据，采用基于响应面法的映射关系方法拟合所述社会规则采用率和所述性能指标之间的函数关系。
23.可选地，采用自适应线性规划算法求解所述妥协决策模型，并进行多目标可视化权衡分析，得到满足所有所述性能指标的社会规则采用率范围，具体包括：
24.采用自适应线性规划算法求解所述妥协决策模型，得到不同的权重组合情况下满足最小偏差的单个性能指标；
25.绘制满足最小偏差的单个性能指标的三元图，并划分可接受范围；
26.叠加所有满足最小偏差的单个性能指标的三元图，叠加后的三元图中可接受范围的重合部分为满足最小偏差的所有性能指标的可接受范围；
27.根据满足最小偏差的所有性能指标的可接受范围确定满足所有所述性能指标的社会规则采用率范围。
28.本发明还提供了一种应用群体机器人的灾后救援系统，包括：
29.仿真模块，用于仿真灾后救援场景，得到仿真场景；
30.硬规则构建模块，用于根据所述群体机器人中每个机器人在所述仿真场景中的动作和状态确定各所述机器人要遵守的硬规则；
31.社会规则构建模块，用于构建社会规则；所述社会规则用于避免所述机器人在遵守所述硬规则时发生的冲突；
32.函数关系构建模块，用于构建社会规则采用率与所述群体机器人的性能指标之间的函数关系；所述社会规则采用率为所述机器人在遵守所述硬规则时发生冲突后采用对应的社会规则的概率；所述性能指标包括：所述群体机器人进行灾后救援的总时间、总路程和成功率；
33.妥协决策模型构建模块，用于根据所述性能指标、所述社会规则以及所述函数关系构建妥协决策模型；
34.求解模块，用于采用自适应线性规划算法求解所述妥协决策模型，并进行多目标可视化权衡分析，得到满足所有所述性能指标的社会规则采用率范围；
35.执行模块，用于根据所述社会规则采用率范围，所述群体机器人进行灾后救援。
36.本发明还提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述应用群体机器人的灾后救援方法。
37.本发明还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程
序被处理器执行时实现上述应用群体机器人的灾后救援方法。
38.根据本发明提供的具体实施例，本发明公开了以下技术效果：
39.(1)本发明引入社会规则和社会规则采用率来解决群体机器人的冲突，不仅从侧面表征机器人的自治度，实现了机器人自治度的量化。
40.(2)本发明基于硬规则初步设计出能够实现任务的群体机器人，之后通过分析冲突再制定相应的社会规则，选择合适的采用率，逐步完善群体机器人，从而能够更加快速有效地进行灾后救援。
41.(3)本发明使用妥协决策模型探索一定区间范围内的满意解，不仅解决了多个相互冲突性能指标耦合的问题，同时也使得群体机器人更具适应性和鲁棒性。
附图说明
42.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
43.图1为本发明提供的应用群体机器人的灾后救援方法的流程图；
44.图2为灾后救援场景仿真图；
45.图3为箱子的区域划分示意图；
46.图4为机器人在转动箱子时的作用力出现冲突的示意图；
47.图5为机器人遵守转向社会规则解决转向冲突的示意图；
48.图6为社会规则采用率的频谱示意图；
49.图7为自适应规划算法求解妥协决策模型的流程图；
50.图8为目标1的三元图；
51.图9为目标1的三元图中可接受范围的示意图；
52.图10为目标2的三元图中可接受范围的示意图；
53.图11为目标3的三元图中可接受范围的示意图；
54.图12为三个目标的三元图的叠加图。
具体实施方式
55.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
56.发明的目的是提供一种应用群体机器人的灾后救援方法、系统及设备，用以在灾后救援中最大程度地避免人员伤亡和财产损失。
57.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
58.实施例一
59.如图1所示，本发明提供的应用群体机器人的灾后救援方法，包括以下步骤：
60.步骤101：仿真灾后救援场景，得到仿真场景。
61.构建的仿真场景如图2所示，图2所示的仿真场景为在webots软件中构建的灾后救援场景。机器人需要完成对被困人群的施救，施救任务的成功与否取决于群体机器人能否成功将装有物资的箱子运输给被困人群，在运送途中会有障碍物，箱子需要被转向才能顺利通过。
62.此外，为简化任务，对灾后救援场景做如下的几个假设：
63.(1)场景为一个有界的区域。
64.(2)所有人群被困在同一个地方。
65.(3)机器人将物资运输给被困人群，则视为营救任务完成。
66.其中，第一条假设与实际情况相符，在现实的灾后救援中，如发生火灾的大楼是一个有界的区域，发生地震的城市也可定义为一个有界的区域等，在本文的任务定义中，灾后救援区域为一个有界的矩形区域。其中第二条假设虽然与实际情况不太相符(实际情况，被困人群可能分散在多个不同的地方)，但该假设假设对后续的实验结果并没有太大的影响：只要在完成对一处人群的施救(一维)的基础上，增加不同地点的被困人群，即可顺利拓展到对多个不同地点的人群的施救(多维)。这里增加第二条假设只是为简化仿真实验所需要的时间。其中第三条假设所提及的物资也与实际情况相符，如在火灾救援中，消防人员需要将灭火机器人运输到被困人群完成灭火以达到任务营救。
67.步骤102：根据群体机器人中每个机器人在仿真场景中的动作和状态确定各机器人要遵守的硬规则。
68.根据灾后救援仿真场景，分析其对群体机器人的性能指标的要求，初步设计出群体机器人中每个机器人为实现该任务必须遵守的硬规则，机器人根据硬规则决策，执行相应的动作，通过相互之间的协作，实现群体机器人任务。硬规则为保证群体机器人能实现任务的最基础的规则，机器人必须遵守。
69.定义群体机器人的硬规则：
70.(1)硬规则是指机器人在进行决策和行动时必须遵守的规则，只有遵守所有的硬规则，才能完成任务；
71.(2)设计硬规则时，通过分析机器人实现任务需要执行的动作，从动作和状态出发设计硬规则；
72.(3)为了保证群体机器人的适应性和效率，硬规则的设计应从单个机器人出发，设计的硬规则应保证机器人在实现任务时能选择满足自身利益最大化的动作。
73.以多个机器人协作推动箱子为例：
74.设定：至少有两个机器人合作才能够推动箱子。在机器人执行任务的过程中，根据箱子的位置划分8个区域，其中有4个转向区域，如图3所示。
75.设计硬规则：机器人根据自身位置选择移动到最近的转向区域，然后再执行推箱子的动作。机器人根据定义的转向硬规则进行决策和行动。
76.机器人协作推动箱子时的转向硬规则的算法如下：
[0077][0078]
群体机器人中的机器人之间没有从属关系，每个机器人都是完全自主的，具有完全的自治度，不受到其它机器人决策的影响。
[0079]
机器人在实际执行硬规则的过程中由于相互之间关系复杂，并且每个机器人都存在追求自身利益最大化的性质，因而群体机器人中的机器人之间存在冲突，导致群体机器人的效率、成功率、适应性、能耗、鲁棒性等性能指标较差，无法满足任务需求。
[0080]
例如在上述的三个机器人协作推箱子的案例中，它们都遵守一样的转向硬规则，可能会出现机器人分别在两个对立的区域同时转动箱子的情况，如图4所示的情况，机器人的作用力出现了冲突，虽然最终箱子能够被转向，但机器人完成转动箱子的任务效率较低。
[0081]
步骤103：构建社会规则；社会规则用于避免机器人在遵守硬规则时发生的冲突。
[0082]
机器人在根据硬规则执行动作的过程中会发生冲突，从而影响群体机器人的性能，为了提高性能，通过分析冲突发生的原因，制定相应的社会规则以避免冲突的发生。社会规则的引入不影响群体机器人任务最终完成情况，只会影响效率和可靠性等性能，机器人能够自主决定是否遵守。
[0083]
制定社会规则的步骤为：
[0084]
分析群体机器人中机器人之间的冲突类型；
[0085]
根据冲突类型设计出机器人避免冲突发生需要执行的动作；
[0086]
根据机器人的动作反向制定相应的社会规则。
[0087]
社会规则可定义为：
[0088]
social rule＝《c，desa，reca》
[0089]
其中c是触发社会规则的冲突，desa是冲突发生时机器人采取的动作，reca是避免冲突发生时机器人应执行的动作。
[0090]
社会规则的合理制定，能够有效减少群体机器人冲突的发生，从而提升群体机器人性能。因而制定社会规则需要对群体机器人冲突的发生原理进行充分地分析，并且制定相应的解决方案，根据机器人解决冲突需要执行的动作即可制定社会规则。
[0091]
针对步骤102中机器人协作推动箱子执行转向硬规则发生的冲突，定义转向社会规则：
[0092]
turing social rule＝《c，desa，reca》＝《转向冲突；机器人在对立的转向区域推
箱子；在同一个转向区域内数量较少的机器人移动到旁边的转向区域》。
[0093]
遵守转向社会规则的决策如图5所示，首先，机器人根据转向硬规则做出决策，选择并移动到最近的转向区域；然后，系统感应到冲突，触发了社会转向规则；最后，机器人根据社会转向规则重新决策，解决冲突，顺利将箱子转向。遵循社会转向规则的机器人虽然放弃了最利于自身的决策，但是提升了整体效率，因此，引入社会规则实质上是改变了机器人的自利性，以全局的角度修正了机器人的决策，从而实现群体机器人性能的提升。
[0094]
步骤104：构建社会规则采用率与群体机器人的性能指标之间的函数关系；社会规则采用率为机器人在遵守硬规则时发生冲突后采用对应的社会规则的概率；性能指标包括：群体机器人进行灾后救援的总时间、总路程和成功率。以总时间、总路程和成功率分别表示效率、能耗和可靠性三个指标。
[0095]
引入每一个社会规则采用率，以表征机器人遇到社会规则所对应的冲突时遵守该社会规则的概率，侧面反映机器人的自治度大小；通过响应面分析获得多个社会规则采用率和性能指标之间的函数关系，具体步骤为：1)采集多个不同社会规则采用率组合下的多个性能指标的样本数据；2)根据获得的样本数据通过响应面法拟合出社会规则采用率和不同性能指标之间的多项式函数关系。
[0096]
社会规则的引入可以改变群体机器人的性能，但是对衡量群体机器人性能指标的影响可能各不相同。例如以成功率和效率两个指标来衡量群体机器人性能时，可以将社会规则分为以下几类：
[0097]
1)同时提高效率和成功率的社会规则。
[0098]
2)以牺牲成功率提高效率的社会规则；
[0099]
3)以牺牲效率提高成功率的社会规则；
[0100]
在通过分析群体机器人冲突制定社会规则时，最理想的情况是同时提高群体机器人的效率和成功率，此时机器人应以100％的概率遵循此类社会规则，以最大程度地提升系统的性能。但是对于后两类社会规则，机器人如何遵循则需要进行探究。
[0101]
群体机器人中，自治度被认为是定义机器人的一种最基本的属性，它代表了机器人在决策和行动时不受外界其它因素干扰的程度。自治度与机器人是否遵守社会规则有着紧密的联系，当群体机器人中的机器人只遵守法律规则而不遵守任何的社会规则时，机器人完全自主，自治度的值为1，它们不受到任何其它机器人决策的影响，完全自主决策和行动，此时群体机器人是分布式的组织结构；当机器人遵循所有的社会规则时，它们考虑所有其它机器人的决策带来的影响，此时的机器人没有任何自治度，自治度的值为0，此时的群体机器人相当于集中式的分布结构。相关的研究已经证明，在执行任务的过程中，基于动态调节的自治决策框架能在任务实现中表现得更为优异。因此受到动态自治度的启发，本发明通过社会规则采用率来表征自治度，使机器人针对不同的社会规则时能选择最优的社会规则采用率，从而实现机器人自治度的动态变化，优化群体机器人的性能。
[0102]
图6显示了社会规则采用率的频谱，其中机器人的社会规则采用率从左向右增加，而自治度则随着规则采用率的增加而降低。类似的，社会规则采用率(r)用0％-100％之间的百分数进行表示，并分为以下三类：
[0103]
1)r＝0％：自利的，个人主义的；
[0104]
2)0％《r《100％：部分自治，部分妥协的；
[0105]
3)r＝100％：集体主义的。
[0106]
在实现任务的整个过程中，当不同冲突制定的社会规则采用率不同时，机器人的自治度也会跟着发生变化，因此，基于自适应社会规则采用率和动态可调的自治度有着一样的深层含义。但是目前对动态可调自治度的研究局限于自治度在0和1两个值的切换，而如何去量化自治度的大小，并且真正地实现自治度的动态改变还缺乏相应的研究。本发明利用社会规则采用率从侧面表征了机器人的自治度，真正实现自治度的量化。
[0107]
为了探究社会规则采用率的大小和群体机器人性能指标之间的相互关系，实现群体机器人性能的优化，本发明采用基于响应面法的映射关系方法拟合群体机器人性能指标和社会规则采用率之间的映射关系。响应面法(responsesurfacemethodology，rsm)是由box等提出的一种试验设计方法，是一种综合试验设计和数学建模的优化方法，通过对具有代表性的局部各点进行试验，回归拟合全局范围内因素与结果间的函数关系，并且取得各因素最优水平值。响应面法具有试验次数少、试验周期短、精密度高、求得回归方程精度高、预测性能好，以及能同时研究几种因素间交互作用等优点。
[0108]
系统响应y与设计变量(即社会规则采用率)x可以表示为近似函数与总误差之和，即：
[0109][0110]
式中：是未知函数的近似函数，x[x1，x2，...，xn]为n维独立设计变量；δ为总误差，包含随机误差、建模误差和系统误差等。
[0111]
而近似函数可采用多项式响应面进行近似表示，即:
[0112][0113]
式中：β为未知系数；k为设计变量的数量；表示预测响应值：β0、βi、β
ii
分别为偏移项、线性偏移和二阶偏移系数；β
ij
是交互作用系数。
[0114]
将式(1)结合式(2)经过一系列变换后，可求得最接近实际函数的多项式拟合函数系数矩阵
[0115][0116]
其中：
[0117][0118]
则拟合响应面表达式为
[0119][0120]
响应面法可以较好地将设计目标(即性能指标)和设计参数(即社会规则采用率)进行连接，给出具体的表达式。将各社会规则采用率大小作为x，三个设计目标作为响应y，代入响应面模型中进行求解，得到对应的基于响应面法拟合的参数映射关系。
[0121]
步骤105：根据性能指标、社会规则以及函数关系构建妥协决策模型。
[0122]
妥协决策模型是mistree等人提出的一种基于鲁棒性设计的决策支持问题模型。
它是一种以数学模型的形式对产品多学科优化设计中多目标妥协决策问题的规范表达。设计人员在设计时经常会遇到多个目标相互冲突的决策问题，在设计参数的取值时需要对多个学科的设计目标进行妥协，以获得尽可能满足这些目标的参数取值方案。因此妥协决策模型实际上是一种特殊的选择决策，它作为权衡多个冲突目标的数学模型，解决的是在给定各目标权重偏好的情况下，可在参数空间中搜索出尽可能满足目标权重偏好的参数组合。妥协决策问题模型的数学框架如下所示：
[0123][0124]
步骤106：采用自适应线性规划算法求解妥协决策模型，并进行多目标可视化权衡分析，得到满足所有性能指标的社会规则采用率范围。具体包括：采用自适应线性规划算法求解所述妥协决策模型，得到不同的权重组合情况下满足最小偏差的单个性能指标；绘制满足最小偏差的单个性能指标的三元图，并划分可接受范围；叠加所有满足最小偏差的单个性能指标的三元图，叠加后的三元图中可接受范围的重合部分为满足最小偏差的所有性能指标的可接受范围；根据满足最小偏差的所有性能指标的可接受范围确定满足所有所述性能指标的社会规则采用率范围。
[0125]
群体机器人中，需要同时满足多个性能目标，并且不同的任务对群体机器人不同的性能指标有着不同的要求，因而设计群体机器人时，应尽可能地实现多个性能目标的权衡。同时，群体机器人需要具有应对变化的适应性和鲁棒性，因此，本发明选择使用妥协决策模型的优化方法进行优化设计。将使用妥协决策模型方法优化多性能指标的的流程总结为以下6个步骤：
[0126]
step1:分析群体机器人，确定参数、边界约束和设计要求；
[0127]
step2:确定群体机器人的设计变量(社会规则采用率)和需要满足的多个统性能目标(sos的性能指标)及其偏差变量；
[0128]
step3:确定合适的性能目标值；
[0129]
step4:构造带有偏差变量的目标函数关系式；
[0130]
step5:通过自适应规划算法求解得出实现最小偏差的目标值和设计参数；采用自适应规划算法求解妥协决策模型的流程如图7所示；
[0131]
step6:可视化权衡分析获得同时满足设计目标(性能指标)的设计变量(社会规则采用率)范围。
[0132]
以总时间、总路程和成功率分别表示效率、能耗和可靠性三个指标为例，根据自适应规划算法获得的数据绘制出每个目标的三元图，目标1(即总时间)的三元图如图8所示。对每个目标的三元图划分可接受范围，如图9-图11所示。叠加三个目标的三元图，得到可接受范围的重合部分即为同时满足三个目标的设计范围，三个目标的三元图的叠加图如图12所示，其中灰色的重合部分为同时满足三个目标的区域。
[0133]
步骤107：根据社会规则采用率范围，群体机器人进行灾后救援。
[0134]
实施例二
[0135]
为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供了一种应用群体机器人的灾后救援系统，包括：
[0136]
仿真模块，用于仿真灾后救援场景，得到仿真场景；
[0137]
硬规则构建模块，用于根据群体机器人中每个机器人在仿真场景中的动作和状态确定各机器人要遵守的硬规则；
[0138]
社会规则构建模块，用于构建社会规则；社会规则用于避免机器人在遵守硬规则时发生的冲突；
[0139]
函数关系构建模块，用于构建社会规则采用率与群体机器人的性能指标之间的函数关系；社会规则采用率为机器人在遵守硬规则时发生冲突后采用对应的社会规则的概率；性能指标包括：群体机器人进行灾后救援的总时间、总路程和成功率；
[0140]
妥协决策模型构建模块，用于根据性能指标、社会规则以及函数关系构建妥协决策模型；
[0141]
求解模块，用于采用自适应线性规划算法求解妥协决策模型，得到满足所有性能指标的社会规则采用率范围；
[0142]
执行模块，用于根据社会规则采用率范围，群体机器人进行灾后救援。
[0143]
实施例三
[0144]
本发明实施例三提供了一种电子设备，包括存储器及处理器，该存储器用于存储计算机程序，该处理器运行计算机程序以使电子设备执行实施例一的应用群体机器人的灾后救援方法。
[0145]
上述电子设备可以是服务器。
[0146]
实施例四
[0147]
本发明实施例四提供了一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时实现实施例一的应用群体机器人的灾后救援方法。
[0148]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说
明即可。
[0149]
本文中应用了具体个例对发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

技术特征：
1.一种应用群体机器人的灾后救援方法，其特征在于，包括：仿真灾后救援场景，得到仿真场景；根据所述群体机器人中每个机器人在所述仿真场景中的动作和状态确定各所述机器人要遵守的硬规则；构建社会规则；所述社会规则用于避免所述机器人在遵守所述硬规则时发生的冲突；构建社会规则采用率与所述群体机器人的性能指标之间的函数关系；所述社会规则采用率为所述机器人在遵守所述硬规则时发生冲突后采用对应的社会规则的概率；所述性能指标包括：所述群体机器人进行灾后救援的总时间、总路程和成功率；根据所述性能指标、所述社会规则以及所述函数关系构建妥协决策模型；采用自适应线性规划算法求解所述妥协决策模型，并进行多目标可视化权衡分析，得到满足所有所述性能指标的社会规则采用率范围；根据所述社会规则采用率范围，令所述群体机器人进行灾后救援。2.根据权利要求1所述的应用群体机器人的灾后救援方法，其特征在于，所述构建社会规则，具体包括：确定所述群体机器人中机器人之间的冲突类型；根据所述冲突类型确定所述机器人避免冲突发生需要执行的动作；根据所述机器人避免冲突发生需要执行的动作构建社会规则。3.根据权利要求1所述的应用群体机器人的灾后救援方法，其特征在于，所述社会规则social rule的表达式如下：social rule＝<c，desa，reca>其中，c为触发社会规则的冲突，desa为冲突发生时机器人执行的动作，reca为避免冲突发生时推荐机器人应执行的动作。4.根据权利要求1所述的应用群体机器人的灾后救援方法，其特征在于，构建社会规则采用率与所述群体机器人的性能指标之间的函数关系，具体包括：采集多个不同社会规则采用率组合下的多个性能指标的样本数据；根据所述样本数据，采用基于响应面法的映射关系方法拟合所述社会规则采用率和所述性能指标之间的函数关系。5.根据权利要求1所述的应用群体机器人的灾后救援方法，其特征在于，采用自适应线性规划算法求解所述妥协决策模型，并进行多目标可视化权衡分析，得到满足所有所述性能指标的社会规则采用率范围，具体包括：采用自适应线性规划算法求解所述妥协决策模型，得到不同的权重组合情况下满足最小偏差的单个性能指标；绘制满足最小偏差的单个性能指标的三元图，并划分可接受范围；叠加所有满足最小偏差的单个性能指标的三元图，叠加后的三元图中可接受范围的重合部分为满足最小偏差的所有性能指标的可接受范围；根据满足最小偏差的所有性能指标的可接受范围确定满足所有所述性能指标的社会规则采用率范围。6.一种应用群体机器人的灾后救援系统，其特征在于，包括：仿真模块，用于仿真灾后救援场景，得到仿真场景；
硬规则构建模块，用于根据所述群体机器人中每个机器人在所述仿真场景中的动作和状态确定各所述机器人要遵守的硬规则；社会规则构建模块，用于构建社会规则；所述社会规则用于避免所述机器人在遵守所述硬规则时发生的冲突；函数关系构建模块，用于构建社会规则采用率与所述群体机器人的性能指标之间的函数关系；所述社会规则采用率为所述机器人在遵守所述硬规则时发生冲突后采用对应的社会规则的概率；所述性能指标包括：所述群体机器人进行灾后救援的总时间、总路程和成功率；妥协决策模型构建模块，用于根据所述性能指标、所述社会规则以及所述函数关系构建妥协决策模型；求解模块，用于采用自适应线性规划算法求解所述妥协决策模型，并进行多目标可视化权衡分析，得到满足所有所述性能指标的社会规则采用率范围；执行模块，用于根据所述社会规则采用率范围，所述群体机器人进行灾后救援。7.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1-5中任一项所述的应用群体机器人的灾后救援方法。8.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的应用群体机器人的灾后救援方法。

技术总结
本发明公开了一种应用群体机器人的灾后救援方法、系统及设备。该方法包括：仿真灾后救援场景；根据所述群体机器人中每个机器人在所述仿真场景中的动作和状态确定各所述机器人要遵守的硬规则；构建社会规则采用率与所述群体机器人的性能指标之间的函数关系；根据所述性能指标、所述社会规则以及所述函数关系构建妥协决策模型；采用自适应线性规划算法求解所述妥协决策模型，并进行多目标可视化权衡分析，得到满足所有所述性能指标的社会规则采用率范围；根据所述社会规则采用率范围，令所述群体机器人进行灾后救援。本发明能够在灾后救援中最大程度地避免人员伤亡和财产损失。援中最大程度地避免人员伤亡和财产损失。援中最大程度地避免人员伤亡和财产损失。


技术研发人员：明振军 罗雨雨 王国新 阎艳
受保护的技术使用者：北京理工大学
技术研发日：2023.02.28
技术公布日：2023/8/5