本技術屬于多機器人協作控制，更具體地，涉及一種面向多幾何任務場景的多機器人任務分配方法及裝置。

背景技術：

1、隨著新一代人工智能技術、智能控制技術與任務規劃技術的不斷發展，低成本、大規模的多機器人集群因具有配置靈活、適應能力強的特點，得到了十分廣泛的應用。多機器人集群正在成為解決應急救援、城市安防、無人物流和立體作戰等重大應用需求問題的有效手段。在這些應用場景中，任務類型也變得不再單一，多機器人集群需要在一個更大場景中執行多個不同類型的任務，包括如定點投送的點任務、路線巡邏的線任務、區域檢測的面任務，這些任務分別涉及不同的幾何區域，且合并起來構成一個多幾何任務場景。

2、然后，針對這種多幾何任務場景，傳統的多機器人任務分配算法在多類幾何任務間缺乏統一的任務分配范式，這將直接影響不同幾何任務下機器人之間的相互協作，進而影響作業效率。例如，現有技術中，公開號為cn105956748b的專利文獻公開了一種多搜救機器人系統任務分配方法，其只能針對點幾何類型的任務進行分配，而無法實現對線任務、面任務的任務分配。

3、因此，如何在面向多幾何任務的場景下實現多機器人任務的統一分配已經成為業界亟待解決的技術問題。

技術實現思路

1、針對現有技術的缺陷，本技術的目的在于在面向多幾何任務的場景下實現多機器人任務的統一分配，旨在解決傳統的多機器人任務分配算法在多類幾何任務間缺乏統一的任務分配范式，影響作業效率的問題。

2、為實現上述目的，第一方面，本技術提供了一種面向多幾何任務場景的多機器人任務分配方法，包括：

3、根據機器人的作業范圍對多幾何任務集合中的非點任務進行點任務分解，得到所述多幾何任務集合對應的目標點任務集合；

4、基于每個機器人執行任務的績效函數，確定每個所述機器人執行所述目標點任務集合中各個點任務的邊際增益；所述績效函數是基于任務的重要因子、機器人與任務間的適應度因子、任務指示機器人運動的距離折扣系數以及任務數量折扣系數確定的；

5、根據每個所述機器人執行各個所述點任務的邊際增益對各個所述點任務進行分配，確定每個所述機器人的任務分配結果。

6、可選地，所述根據機器人的作業范圍對多幾何任務集合中的非點任務進行點任務分解，得到所述多幾何任務集合對應的目標點任務集合，包括：

7、提取所述多幾何任務集合中非點任務的空間作業面圖形的多個特征點，并根據各個所述特征點和機器人的作業范圍對所述空間作業面圖形進行離散點處理，確定所述非點任務對應的點任務集合；

8、將所述非點任務對應的點任務集合和所述多幾何任務集合中的點任務進行合并，得到所述目標點任務集合。

9、可選地，所述非點任務包括面任務和/或線任務，所述非點任務對應的點任務集合包括所述面任務對應的點任務集合和/或所述線任務對應的點任務集合；

10、對應地，所述提取所述多幾何任務集合中非點任務的空間作業面圖形的多個特征點，并根據各個所述特征點和機器人的作業范圍對所述空間作業面圖形進行離散點處理，確定所述非點任務對應的點任務集合，包括：

11、提取所述面任務在空間中分布的封閉多邊形的各個頂點；

12、以各個所述頂點中的任一頂點為起點，機器人的作業范圍為正多邊形柵格邊長，對所述封閉多邊形進行離散點處理，得到所述封閉多邊形對應的點集；

13、根據所述封閉多邊形對應的點集對所述面任務進行分解，得到所述面任務對應的點任務集合；

14、和/或，

15、提取所述線任務在空間中分布的各拼接線段的兩個端點；

16、以各所述拼接線段的兩個端點中的任一端點為起點，機器人的作業范圍為截斷線段邊長，對各所述拼接線段進行離散點處理，得到各所述拼接線段對應的點集；

17、根據各所述拼接線段對應的點集對所述線任務進行分解，得到所述線任務對應的點任務集合；所述特征點包括所述頂點和/或所述端點。

18、可選地，所述基于每個機器人執行任務的績效函數，確定每個所述機器人執行所述目標點任務集合中各個點任務的邊際增益，包括：

19、利用每個機器人執行任務的績效函數，確定每個所述機器人執行各個點任務的初始邊際增益；

20、確定每個所述機器人執行各個所述點任務的協同任務績效增益；

21、基于每個所述機器人執行各個點任務的初始邊際增益和協同任務績效增益，確定每個所述機器人執行各個點任務的邊際增益。

22、可選地，所述根據每個所述機器人執行各個所述點任務的邊際增益對各個所述點任務進行分配，確定每個所述機器人的任務分配結果，包括：

23、步驟s101，根據每個所述機器人執行各個所述點任務的邊際增益，初始化每個所述機器人的任務樣本集、對應的邊際增益值序列以及已分配任務子集；所述任務樣本集是根據所述目標點任務集合得到的；

24、步驟s102，以獲取全局最大邊際增益值任務及其對應的分配機器人為目標，更新每個所述機器人當前輪次的任務樣本集、對應的邊際增益值序列以及已分配任務子集；

25、步驟s103，對更新后的每個所述機器人的邊際增益值序列進行降序排序，并按照降序排序結果對對應的任務樣本集中的各個任務進行排序；

26、步驟s104，在確定當前輪次每個所述機器人的任務樣本集為非空狀態的情況下，重復步驟s102至步驟s103，直至每個所述機器人的任務樣本集為空狀態，執行步驟s105；

27、步驟s105，輸出每個所述機器人的已分配任務子集，并根據每個所述已分配任務子集，得到每個所述機器人的任務分配結果。

28、可選地，所述步驟s102，以獲取全局最大邊際增益值任務及其對應的分配機器人為目標，更新每個所述機器人當前輪次的任務樣本集、對應的邊際增益值序列以及已分配任務子集，包括：

29、根據初始化每個所述機器人對應的邊際增益值降序序列，更新每個所述機器人當前輪次的最大邊際增益，以及所述最大邊際增益對應的最大邊際增益值任務，以更新每個所述機器人的出價信息列表；

30、根據每個所述機器人的出價信息列表與其通信鄰域內其他機器人的出價信息列表進行信息合并，確定當前輪次的全局最佳出價信息列表；所述出價信息列表中的每條信息包括機器人的編號、最大邊際增益值、最大邊際增益值任務，以及已分配任務子集中最后一個放入的任務；所述全局最佳出價信息列表包括全局最大邊際增益值任務及其對應的分配機器人；

31、基于所述當前輪次的全局最大邊際增益值任務及其對應的分配機器人，更新每個所述機器人的任務樣本集、對應的邊際增益值序列以及已分配任務子集，并將所述全局最佳出價信息列表保存至每個所述機器人預設的鎖定任務列表中。

32、可選地，所述基于所述當前輪次的全局最大邊際增益值任務及其對應的分配機器人，更新每個所述機器人的任務樣本集、對應的邊際增益值序列以及已分配任務子集，包括：

33、利用所述當前輪次的全局最大邊際增益值任務及其對應的分配機器人，判斷每個所述機器人當前輪次的最大邊際增益值任務是否為所述全局最大邊際增益值任務，以及所述全局最大邊際增益值任務是否已分配給對應的分配機器人；

34、根據判斷結果，調用對應的預設策略更新每個所述機器人的任務樣本集、對應的邊際增益值序列以及已分配任務子集。

35、第二方面，本技術提供一種面向多幾何任務場景的多機器人任務分配裝置，包括：

36、分解模塊，用于根據機器人的作業范圍對多幾何任務集合中的非點任務進行點任務分解，得到所述多幾何任務集合對應的目標點任務集合；

37、處理模塊，用于基于每個機器人執行任務的績效函數，確定每個所述機器人執行所述目標點任務集合中各個點任務的邊際增益；所述績效函數是基于任務的重要因子、機器人與任務間的適應度因子、任務指示機器人運動的距離折扣系數以及任務數量折扣系數確定的；

38、分配模塊，用于根據每個所述機器人執行各個所述點任務的邊際增益對各個所述點任務進行分配，確定每個所述機器人的任務分配結果。

39、第三方面，本技術提供一種電子設備，包括：至少一個存儲器，用于存儲程序；至少一個處理器，用于執行存儲器存儲的程序，當存儲器存儲的程序被執行時，處理器用于執行第一方面或第一方面的任一種可能的實現方式所描述的方法。

40、第四方面，本技術提供一種計算機可讀存儲介質，計算機可讀存儲介質存儲有計算機程序，當計算機程序在處理器上運行時，使得處理器執行第一方面或第一方面的任一種可能的實現方式所描述的方法。

41、第五方面，本技術提供一種計算機程序產品，當計算機程序產品在處理器上運行時，使得處理器執行第一方面或第一方面的任一種可能的實現方式所描述的方法。

42、總體而言，通過本技術所構思的以上技術方案與現有技術相比，具有以下有益效果：

43、本技術提供的一種面向多幾何任務場景的多機器人任務分配方法及裝置，通過考慮不同幾何任務的空間幾何特點以及機器人執行點任務的高機動性，在包含點任務、線任務、面任務三類幾何任務的多幾何任務場景下，根據機器人的作業范圍，按照引導點轉換策略將線任務和面任務離散并降維為一系列目標點任務集合，并通過綜合考慮機器人執行不同點任務的特征，根據每個機器人執行各個點任務的邊際增益來對目標點任務集合的各個點任務進行分配，可以有效實現多幾何任務場景下多機器人任務的統一分配，提升多機器人的協同作業效率。