【儀表網 研發快訊】無線云機器人系統(Wireless Cloud Robotic System，WCRS)以無線網絡為媒介，通過將復雜控制功能虛擬化至云或邊緣云，深度融合感知、通信、計算與控制能力，可實現大規模機器人云化智能控制，滿足具身智能自主作業、多機協同裝配等場景需求。然而，WCRS的控制精度和穩定性高度依賴于無線通信的確定性，受無線傳輸時延、抖動、丟包等問題的嚴重制約。因控制與通信呈現強耦合特征，單一維度的優化無法提升整體性能。
針對上述問題，中國科學院沈陽自動化研究所工業控制網絡與系統研究室科研團隊，采用智能超表面(Reconfigurable Intelligence Surface，RIS)技術構建了全新的無線云機器人系統架構。該架構支持對RIS的相移和波束進行按需調節，進而建立確定性通信信道，應對復雜工業無線環境下信道時變衰落、通信不確定等難題。
在該無線云機器人系統架構下，科研人員針對控制與通信強耦合難題，基于Jensen不等式和Lyapunov-Krasovskii泛函理論推導得到了控制時延閾值的閉式表達式，建立了以控制誤差和通信抖動為導向的系統穩定性最大化問題。考慮機器人及通信信道狀態的時變性與部分可觀測性，科研人員將問題建模為部分可觀測馬爾可夫決策(POMDP)過程，并提出了基于LSTM-PPO-MATRL的多智能體遷移強化學習方法，實現了控制輸入補償、RIS相移和波束成形等控制和通信參數的聯合優化，提升了系統穩定性。
團隊在OpenAI Gym與MuJoCo平臺開展了四種控制任務的驗證，包括直立(INV)、跳躍(HOP)等低動態任務以及奔跑(HAL)、行走(ANT)等高動態任務，分別對應二自由度機械臂、單足機器人、雙足機器人和四足機器人。實驗結果表明：在新的架構下，控制-通信聯合優化方法具有算法收斂快、獎勵高等優勢，可以滿足機器人云化控制的要求，優于控制或通信單一維度優化。
該研究成果以Control-Communication Co-Optimization for Wireless Cloud Robotic System via Multi-Agent Transfer Reinforcement Learning為題，發表于自動化領域國際期刊IEEE/CAA Journal of Automatica Sinica。沈陽自動化所許馳研究員為論文第一作者及通訊作者。該研究得到了國家自然科學基金項目、遼寧省科技計劃項目的支持。(工業控制網絡與系統研究室)
所有評論僅代表網友意見，與本站立場無關。