KKSwarm集群测试平台是一款高效、易用的集群研究平台，适用于多车编队、集群算法的验证与开发，以及强化学习的研究。

KKSwarm无人小车演示

KKSwarm的优势

• 能够更加快速地生成强化学习避障算法；

• 支持集群算法理论到物理验证的快速落地；

• 凭借低成本即可快速搭建成百上千的无人车集群；

• 让开发者脱离繁杂的集群自主避障、集群定位等问题，专注于集群应用逻辑的研究；

• 软件开源，方便开发者进行学习与二次开发；

• 开放了硬件底层协议，支持硬件扩展；

• 预留了串口等功能，方便开发者对硬件进行升级和改造；

• 支持强化学习功能研究、分析和生成。

升级功能介绍

自KKSwarm项目发布后5个月的时间里，为了降低开发者的操作难度，支持更多开发者的需求，项目团队针对多车集群、多车避障、多车定位等场景需求，做了更深度的优化：

1、实现低成本定位

采用单摄像头与多二维码的视觉定位方式，相比目前主流的激光雷达定位，大大降低了定位成本。此外，我们将定位精度由原来的±5cm升级到了现在的±3cm，实现了同时支撑20个无人车集群控制。未来还将实现图像拼接的功能，将进一步降低定位成本，支持更多数量的无人车集群控制。

2、多车集群避障

产品深度优化了多车之间的避障算法，由原来的6车升级到了20车，在进行集群控制的同时，实现多车自主避障，方便开发者进行集群功能的二次开发。此外还升级了更多的队形变换，如：一字行进、品字行进、队列行进等。随着项目不断更新迭代，后续也将支持更多小车的同时避障。

3、支持matlab仿真与ROS接口

本产品支持matlab仿真及ROS接口，开发者可在matlab中开发自己的算法，之后无缝衔接到产品上进行算法验证。同时提供标准的ROS接口，方便开发者对产品进行二次开发。

由此可见，KKSwarm集群测试平台拥有高精尖的技术水平、超强的可扩展性、完善的教程文档及持续的维护服务，是一款不可多得的高等教育辅助利器。

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/

未来展望

KKSwarm未来将以低成本集群方案为基础，利用强化学习带来的便利，继续深化集群方向的应用与研究。更多功能特点，仍在持续演进中，敬请期待！