O-flocking: 一种自动生成的群体自组织区域移动模型

O-flocking: 一种自动生成的群体自组织区域移动模型

Flocking模型在机器人群体控制中得到了广泛的应用。然而，传统模型在应对大规模群体、复杂环境的自主导航任务时仍然存在人工调参、稳定性和适应性差等问题。因此，设计并自动优化生成性能更优越和可迁移的模型是重要而有意义的研究问题。针对这一问题，我们设计了一种满足编队保持、凸面和非凸面障碍物避碰以及区域定向运动要求的C-flocking模型。同时，提出了一种GF模型自动优化框架，抽取C-flocking模型重要参数为种子，经历交叉、变异和复制等操作产生子代，将子代模型输入集群定向移动场景，得到综合适应度函数值，选择数值小的模型作为新的种子继续进化，如此反复最终获得优化模型O-flocking。在更复杂的场景中进行模拟实验，比较O-flocking、C-flocking和APF-flocking模型。仿真实验表明，O-flocking模型可迁移应用到大规模、复杂场景中，且在各方面性能优于C-flocking、APF-flocking模型。

试手文章，欢迎交流~

文章引用：Li Ma, Weidong Bao, Xiaomin Zhu, et al. G-flocking: Flocking Model Optimization based on Genetic Framework, arXiv preprint arXiv:1907.11852 (July 2019).

文章刚被ICSI2020会议录用。

文章位置：https://arxiv.org/abs/1907.11852?context=cs

程序位置：https://github.com/Downloadmarktown/Flocking-experiment-platform.