多机器人系统的动态任务分配与共享控制

多机器人在考虑意图表达时所特有的模糊性与倾向性与构建人类意图概率模型尤为重要，并为共享控制框架提供人类介入的接口支持，本书重点阐述了基于观点动力学模型的人-多机器人策略级共享控制框架、基于意图场模型和策略混合模型的行为级分层共享控制框架。

多年来主持国家自然基金项目、陕西省自然基金项目、军内科研等项目。获军队科技进步奖二、三等奖4项，军队院校教学成果奖三等奖1项，获大学基础研究基金项目优秀成果奖一等奖1项。授权（申报）专利8项；在国内外公开发表学术论文30余篇，出版研究生教材1部。

第1章 绪论 1.1 研究背景和意义 1.1.1 研究背景 1.1.2 研究意义 1.2 国内外研究现状与发展趋势 1.2.1 多机器人系统的体系结构 1.2.2 多机器人系统的主要研究方向 1.2.3 多机器人系统的新兴技术 1.3 本书的主要研究内容与组织结构 第2章 多机器人协同探索与打击的动态任务分配 2.1 探索与打击任务动态分配问题的数学描述 2.1.1 参与主体：机器人与任务 2.1.2 任务描述：探索与打击 2.2 基于市场竞拍的动态任务分配算法 2.2.1 任务分配原则 2.2.2 任务分配过程 2.2.3 算法框架 2.3 基于空闲链的动态任务分配算法 2.3.1 可分配任务集合的确定 2.3.2 任务分配策略 2.3.3 分配冲突处置 2.3.4 算法框架 2.4 基于深度Q学习的动态任务分配算法 2.4.1 环境信息描述 2.4.2 任务分配与奖励反馈 2.4.3 算法框架 2.5 实验验证与结果分析 2.5.1 仿真系统框架 2.5.2 仿真实验设计 2.5.3 不同设置下的实验结果 2.5.4 实验结果分析 2.6 小结 第3章 基于观点动力学的人-多机器人系统共享控制框架 3.1 基于差异化世界模型的人-多机器人系统策略共识 3.1.1 差异化世界模型 3.1.2 决策论 3.1.3 本章涉及的不同策略形式 3.2 基于机器人位置分布生成单机器人策略 3.2.1 预测对手即将采取的进攻策略 3.2.2 预测对手即将采取的防守策略 3.3 基于观点动力学模型融合多机器人策略 3.3.1 策略共识的观点动力学模型 3.3.2 影响矩阵的周期性更新 3.4 基于BcI概率分布形式表达人类观点 3.4.1 人类接受推荐策略 3.4.2 人类拒绝推荐策略 3.4.3 人类参与的重决策 3.5 实验验证与结果分析 3.5.1 半实物仿真系统框架 3.5.2 被试的SSVEP-BCI表现