基于群体智能与深度强化学习的仿生机器集群协同控制策略研究

摘要

本文探索将群体智能（SI）和深度强化学习（DRL）集成到仿生机器集群协同控制。将SI自组织、涌现特性、DRL环境感知、决策能力相结合，建立分布式协同控制框架。本文通过分析该框架所具有的集群智能涌现，持续学习优化和系统可扩展性等优点，提出一种包含分布式编队控制在内的多类协同控制策略、协同避障和路径规划、动态角色分配、模型预测优化等技术为机器集群在复杂环境中智能协同任务的完成，提供理论方法支撑和技术实现路径。