KKSwarm | 基于强化学习的开源机器人集群项目,支持理论快速落地

Posted 阿木实验室

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了KKSwarm | 基于强化学习的开源机器人集群项目,支持理论快速落地相关的知识,希望对你有一定的参考价值。

开源机器人创业公司 眼中的凯文凯利

​开源机器人集群项目KKSwarm,由易科机器人实验室和阿木实验室联合匠心打造。

一、KKSwarm

开源项目的目标

旨在为研究人员搭建一个高效、易用的集群研究平台,同时虚拟仿真层面都是开源的。

其独创的全局视觉定位系统,为大规模机器人集群提供低成本、高精度定位服务,并结合Matlab Simulink + ROS平台,帮助研究人员和工程师快速上手开发,解决理论研究到工程落地过程缓慢的问题。

通过搭建轻量级的仿真环境,再结合参数拟合,让仿真环境和真实环境高度匹配,从而实现多智能体算法的直接过渡;同时搭配上低成本的机器人集群,可以快速在物理环境中验证算法,以达到工程落地的目的。

项目名称由来

KKSwarm,致敬Kevin Kelly(未来三部曲作者)机器社会进化论。项目以开源的组织架构推进,机器人的功能实现是以集群为主,这体现了KK理论中:去中心化、分布式、科技演化符合生物演化等论述。本项目各个层面都体现了对于KK理论的实践。

二、KKSwarm核心亮点

​三、功能及价值

KKSwarm是一个奉行极简主义的自组织机器人集群,具有丰富的机器人功能,如视觉、控制、学习、协同等。同时追求超低成本、超大规模,致力于使群体智慧走进物理世界。

众多低成本机器人互相连接,进而产生他们的信息交流和反馈,相互学习,自主产生秩序,以达到集体目标,实现“群智涌现”的现象。

对于机器人的强化学习而言,该项目提供了一套简洁的方式方法,包含虚拟仿真和物理硬件,让强化学习中的一些理论和方法可以以最低成本在真实世界中还原出来,进而帮助强化学习理念从虚拟到物理的过渡,真正服务人类。这也体现着机器人在虚拟环境中学习成长,在真实物理世界中运行的现象。

核心特点

(1) 提供基于MATLAB/Simulink仿真与算法开发环境,可一键生成ROS代码并部署至KKSwarm机器人系统;

(2) 提供KKSwarm集群协同Simulink模板,可快速上手集群功能;

(3) 提供KKDeep深度强化学习Simulink模板,免去繁琐的环境配置,训练后控制器可一键生成代码部署至机器人集群;

(4) 提供ROS rviz在线可视化功能,直观展示集群运行情况;

(5) 提供Matlab ROS 日志分析功能,方便采集数据进行分析,提升研发效率;

(6) 支持虚拟雷达,低成本实现复杂分布式算法测试;

(7) 仿真和真实环境高度匹配,可以实现无缝过渡。

具体功能

(1) 高精度(位置误差,0.05cm;角度误差,3°左右)全局视觉定位系统;

(2) 单车航点(位置控制,速度控制,角度控制);

(3) 单车轨迹跟踪;

(4) 单车边界回弹;

(5) 多车航点跟随避障;

(6) 多车贪吃蛇;

(7) 复杂队形变换;

(8) 多车强化学习控制跟随。

部分功能演示:

基于强化学习跟车

复杂队形变化

集群控制

支持Matlab仿真自动生成ROS代码

四、参数配置

KKSwarm项目通过路由器搭建局域网,以集群小车为客户端,所有的算法和定位系统均在服务器主机上进行计算。依赖网络协议,将控制指令发送给集群小车,从而控制小车的运动。同时主机服务器通过摄像机实时获取集群小车的位置和方向。

因此,除了拥有强大的系统,还要兼顾高性能的小车与环境,才能帮助我们探索更多的可能。

​五、相关论文

《Pairwise control in swarm flocking with application to UAVs》

下载地址:https://github.com/kkswarm/kk-robot-swarm/blob/main/doc/Pairwise%20control%20in%20swarm%20flocking%20with%20application%20to%20UAVs.pdf

特别说明:为鼓励广大开发者开源,凡是基于KKSwarm系统研究出新算法,同时达到以下标准者,将给予相应现金奖励(按最高贡献只奖励一次),以达到共建开源项目的目的。

A类贡献者(奖励2万元),需同时满足以下要求:

1. 开源算法发表在SCI期刊;

2. 提供相应算法代码或下载链接;

3. 提供相应演示视频。

B类贡献者(奖励8千到1万元),需同时满足以下要求:

1. 成果发表在EI期刊;

2. 提供相应算法代码或下载链接;

3. 提供相应演示视频。

C类贡献者(奖励2千到5千元),需审核:

成果以论文、博客、教程等形式发表;或提供与众不同的演示视频。

六、可搭配学习的资料

1、开源项目地址:

https://github.com/amov-lab/kk-robot-swarm

https://github.com/kkswarm/kk-robot-swarm

2、Wiki资料:

https://wiki.amovlab.com/public/misaro-doc/

注:

1、预售时间:2022年07月15日

2、发货时间:2022年07月30日陆续发货

3、该产品支持合同对公、淘宝、京东自营/慧采等交易方式,如有需要,可添加售前微信咨询:

售前1:danqiu199506

售前2:amovlab_ha

若您对本产品感兴趣,可添加助手微信(haoyue199506)加入“KKSwarm产品兴趣交流群”,我们的产品技术团队将给您提供专业的选购建议~

- End -

阿木实验室:为机器人研发提供开源软硬件工具和课程服务,让研发更高效!

以上是关于KKSwarm | 基于强化学习的开源机器人集群项目,支持理论快速落地的主要内容,如果未能解决你的问题,请参考以下文章

KKSwarm功能升级,低成本实现多车集群与避障

KKSwarm功能升级,低成本实现多车集群与避障

1个GPU几分钟搞定强化学习训练,谷歌新引擎让深度学习提速1000倍丨开源

人工智能领域常用的开源框架和库(含机器学习/深度学习/强化学习/知识图谱/图神经网络)

人工智能领域常用的开源框架和库(含机器学习/深度学习/强化学习/知识图谱/图神经网络)

论文研读笔记——基于障碍函数的移动机器人编队控制安全强化学习