(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211132841.9 (22)申请日 2022.09.16 (71)申请人 同济大学 地址 200000 上海市杨 浦区四平路1239号 (72)发明人 汤奇荣　朱维　崔远哲　徐鹏杰　 沈逸超　 (74)专利代理 机构 上海伯瑞杰知识产权代理有 限公司 312 27 专利代理师 孟旭彤 (51)Int.Cl. G06F 9/50(2006.01) H04L 67/10(2022.01) (54)发明名称 一种用于群体机器人的分布式计算系统及 方法 (57)摘要 本发明提供了一种用于群体机器人的分布 式计算系统及方法， 所述方法包括： 将第一类机 器人的复杂决策任务进行模块化 分解， 分解成若 干个子任务； 将所述子任务分配给第二类协助机 器人组成的分布式计算网络， 经过匹配后将各第 二类协助机器人的可用计算资源情况返回； 通过 若干个第二类协助机器人的分布式计算， 得到子 任务的结果并返回给所述第一类机器人。 本发明 通过运用计算效用带宽分配方法， 可以将群体机 器人的计算 资源和通信资源进行匹配， 从而最大 化利用群体机器人中每一个体的计算资源和通 信资源。 权利要求书1页 说明书5页 附图2页 CN 115525424 A 2022.12.27 CN 115525424 A 1.一种用于群体机器人的分布式计算系统， 其特征在于， 所述系统包括第一类机器人 和第二类协助机器人， 所述第一类机器人为执行复杂决策任务的机器人， 所述第二类协助 机器人为执行简单任务的机器人， 将所述第二类协助机器人组成分布式计算网络， 将所述 第一类机器人 的复杂决策算法进行任务模块化分解， 分解成若干个子任务， 将分解后的子 任务被分配给所述第二类协助机器人组成的分布式计算网络， 经过匹配后 将各第二类协助 机器人的可用计算资源情况返回， 再通过若干个第二类协助机器人 的分布式计算， 得到子 任务的结果并返回给 所述第一类机器人。 2.根据权利要求1所述的用于群体机器人的分布式计算系统， 其特征在于， 所述第 一类 机器人的复杂决策任务的分解算法为最小任务包络法， 用于将复杂的决策任务分解为彼此 间解耦的简单任务。 3.根据权利要求2所述的用于群体机器人的分布式计算系统， 其特征在于， 所述分解算 法具体公式为： T＝T1∪T2∪T3∪T4∪T5∪T6, T是复杂决策任 务， Tii∈{1,2,3,4,5,6}是划分的子任务， 且Ti所需计算量小于所述第二类协助机器人所能 提供的计算 量。 4.根据权利要求1所述的用于群体机器人的分布式计算系统， 其特征在于， 所述将分解 后的子任务被分配给所述第二类协助机器人是依据所述第二类协助机器人组成的分布式 计算网络进行最优匹配， 所述最优匹配的核心是所述分布式计算网络中参与子任务计算的 第二类协助机器人 数量最少。 5.一种用于群体机器人的分布式计算方法， 所述群体机器人包括执行复杂决策任务的 第一类机器人以及执行简单任务的第二类协助机器人， 其特征在于， 所述方法包括以下步 骤： 将第一类机器人的复杂决策任务进行模块 化分解， 分解成若干个子任务； 将所述子任务分配给第 二类协助机器人组成的分布式计算网络， 经过匹配后将各第 二 类协助机器人的可用计算资源情况返回； 通过若干个第 二类协助机器人的分布式计算， 得到子任务的结果并返回给所述第 一类 机器人。 6.根据权利要求5所述的用于群体机器人的分布式计算方法， 其特征在于， 所述将第 一 类机器人的复杂决策任务进行模块化分解的算法为最小任务包络法， 用于将复杂的决策任 务分解为彼此间解耦的简单任务。 7.根据权利要求6所述的用于群体机器人的分布式计算方法， 所述分解算法具体公式 为： T＝T1∪T2∪T3∪T4∪T5∪T6, T是复杂决策任务， Tii∈{1, 2,3,4,5,6}是划分的子任务， 且Ti所需计算量小于所述第二类协助 机器人所能提供的计算 量。 8.根据权利要求5所述的用于群体机器人的分布式计算方法， 其特征在于， 所述将所述 子任务分配给第二类协助机器人组成的分布式计算网络的步骤中， 是依据所述第二类协助 机器人组成的分布式计算网络进 行最优匹配， 所述最优匹配的核心是所述分布式计算网络 中参与子任务计算的第二类协助机器人 数量最少。权　利　要　求　书 1/1 页 2 CN 115525424 A 2一种用于群体机 器人的分布式计算系统及方 法 技术领域 [0001]本发明涉及分布式计算技术领域， 具体地， 涉及一种用于群体机器人的分布式计 算系统及方法。 背景技术 [0002]复杂环境下的特定任务， 通常采用群体机器人来完成， 若采用单个机器人完成该 任务， 则存在许多风险。 为完成该任务， 单个机器人需要集成多种传感器、 运算能力较强的 中央处理器、 损害 管理系统、 备用电源等相关组件， 组件数量上的增加必 然导致整个系统的 稳定性下降和造价高昂。 而群体机器人则可较好地规避这一问题， 部 分损坏不影响整体， 即 稳定性高， 群 体机器人在鲁棒 性方面相对单个机器人 具有显著优势。 [0003]群体机器人中的个体通常遇到的信息处理所需运算量并不大， 如集群运动和导航 任务， 这些任务仅需较少的计算资源便能完成， 即通常情况下个体的计算资源有较大盈余。 然而， 在复杂环境下， 群体机器人中的部 分个体有着目标识别和追踪任务， 这些任务通常需 要进行大量的图像信息处理， 从而对计算资源有较大 的需求， 个体的计算资源往往无法满 足需要， 为此需要 借助群体中计算资源有较大盈余的个体的协助。 简而言之， 群体中部 分个 体承担了较为重要的任务， 需要大量的计算资源， 这个任务需要群体中任务较轻个体的协 助， 这一问题抽象成为群 体机器人分布式计算问题。 [0004]复杂环境下群体机器人的分布式计算前提是： 计算资源和通信资源相匹配， 大部 分群体机器人系统是异构的， 即群体中部 分个体与部 分个体间结构和功能存在差异。 同时， 不同个体当前执行 的任务具有不同的计算量， 这导致每一个体的计算资源都不尽相同； 此 外， 动态变化和有限的网络资源也会造成个体获得 的传输速率不同， 这将导致一个普遍的 现象， 具有较多空闲计算资源的个体仅有较少的通信 资源； 具有较少空闲计算资源的个体 拥有较多的通信 资源。 这一现象将导致计算资源和通信 资源的浪费， 不利于群体机器人 的 分布式计算。 现行的带宽 分配方法主要有： 轮询调 度方法、 最大信噪比方法和计算效用带宽 分配方法， 然而， 现有的分布式计算方法主要集中于计算机层面， 并未考虑到复杂情况下通 信资源有限的情形， 无法解决群体机器人在复杂环境中执行任务过程时的分布式计算问 题。 因此， 需要一种统筹群 体机器人计算资源和通信资源后进行分布式计算的方法。 发明内容 [0005]针对现有技术中的缺陷， 本发明的目的在于提供一种用于群体机器人的分布式计 算系统及方法， 通过运用计算效用带宽分配方法， 可以将群体机器人 的计算资源和 通信资 源进行匹配， 从而最大化利用群 体机器人中每一个 体的计算资源和通信资源。 [0006]为解决上述问题， 本发明的技 术方案为： [0007]一种用于群体机器人的分布式计算系统， 包括第一类机器人和第二类协助机器 人， 所述第一类机器人为执行复杂决策任务的机器人， 所述第二类协助机器人为执行简单 任务的机器人， 将所述第二类协助机器人组成分布式计算网络， 将所述第一类机器人 的复说　明　书 1/5 页 3 CN 115525424 A 3