一、ROS多机器人协同系统概述

大家好，我是你们这门课的主讲。在机器人这行摸爬滚打了十几年，从单机调试到多机协同，踩过的坑真不少。今天咱们先聊聊多机器人系统——这东西到底是怎么来的，能干啥，以及最让人头疼的几个问题。

1.1 多机器人系统的发展历程

多机器人系统，说白了就是让一群机器人一起干活。听起来简单，但实现起来可没那么容易。

最早的多机器人研究，我记得是在上世纪80年代末。那时候大家还在争论：是让一个强大的机器人干所有事，还是让一群简单的机器人协作？结果证明，后者在很多场景下更靠谱。

发展大致经历了三个阶段：

• 萌芽期（1980s-1990s）：主要做理论研究，比如蜂群算法、分布式控制。那时候机器人还笨得很，能走直线就不错了。
• 成长期（2000s-2010s）：随着ROS的出现，多机器人通信变得标准化。我2012年第一次用ROS做多机实验，两台TurtleBot在走廊里互相让路，折腾了一周才跑通。
• 爆发期（2020s至今）：仓储物流、无人机编队、协同探测全面铺开。ROS 2的DDS通信让实时性上了一个台阶。

1.2 典型应用场景

多机器人系统不是实验室里的玩具，它已经在很多行业落地了。我挑三个最常见的场景说说。

仓储物流

这个大家最熟悉。亚马逊的Kiva机器人，国内极智嘉、快仓的产品，都是典型代表。几百台机器人在仓库里穿梭，取货、送货、充电全自动。

这里有个核心问题：交通管理。我在2018年帮一家电商仓库做调度系统时，遇到过两台机器人抢一个货架通道的情况。后来用了基于拍卖的分配算法，才把冲突率降下来。

协同探测

无人机编队去搜救、环境监测，或者地面机器人在未知区域建图。这种场景下，机器人之间要共享地图信息，还要动态分配任务。

举个例子：2019年我参与的一个矿山救援项目，5台履带机器人协同探索塌方区域。每台机器人只负责一小块，但通过ROS的map_server合并地图，最终拼出了完整的地下结构图。

编队表演

这个比较炫酷。无人机灯光秀、机器人方阵表演，本质上都是多机器人协同控制。难点在于：时间同步和轨迹规划。

我记得看过一个案例，300台无人机做编队，因为GPS信号延迟不一致，队形直接散架了。后来改用RTK+UWB双模定位，才解决了问题。

场景	核心挑战	常用技术
仓储物流	路径冲突、任务分配	拍卖算法、A*规划
协同探测	地图融合、通信延迟	SLAM、分布式滤波
编队表演	时间同步、队形保持	一致性控制、Vicon定位

1.3 核心挑战

做多机器人系统，说白了就三个坎：通信、协调、冲突解决。每个坎都能卡住你很久。

通信：机器人的“语言”问题

机器人之间怎么说话？用WiFi？用LoRa？还是用5G？

我在项目中遇到过最头疼的事：两台机器人在同一个WiFi下，信号干扰导致丢包。ROS 2的DDS虽然解决了部分问题，但如果你用ROS 1，roscore一旦挂掉，整个系统就瘫痪了。

协调：谁该干什么？

多机器人系统里，任务分配是个大问题。是集中式调度（一个中央大脑说了算），还是分布式协商（机器人自己商量）？

集中式的好处是简单，但中央节点挂了就全完蛋。分布式的好处是鲁棒，但协商过程可能很慢。

我个人习惯用混合架构：关键任务集中调度，常规任务分布式处理。比如在仓储场景，货架分配由中央服务器决定，但路径规划让机器人自己跑A*。

冲突解决：撞车了怎么办？

机器人多了，难免撞车。这里的“撞车”不只是物理碰撞，还包括资源冲突（比如两个机器人要抢同一个充电桩）。

解决冲突有几种思路：

• 优先级法：给机器人设优先级，低优先级的让路。简单粗暴，但容易饿死低优先级机器人。
• 协商法：机器人之间交换意图，动态调整。比如用合同网协议，谁先报价谁先干。
• 预测法：提前预测冲突，绕道走。这需要全局路径规划，计算量较大。

1.4 本章小结

多机器人系统不是简单的“多复制几台机器人”。通信、协调、冲突解决，每个环节都有坑。但别怕，这门课会带你一步步踩平它们。

下一章，咱们会深入ROS 2的通信机制，看看DDS到底是怎么让机器人“说上话”的。到时候我会拿一个实际的多机通信案例，手把手带你跑通。

嗯，今天就到这儿。记住：多机器人系统的核心不是机器人，而是系统。把系统想明白了，机器人只是执行者。