现在回过头来看问题很新颖，可惜当时比较浮躁，没有做到很完美，后来方向也换了一直没时间回头搞

Learning-based intelligent attack against formation control with obstacle-avoidance[C]//2019 American Control Conference (ACC). 可以参考我师兄的文章及其相关引用

有的，可以到我github上看相关代码，文末有链接

你好，欢迎到我github找项目

应该是的，几个机器人对应的python文件里有一个代码不同的是领航

我在另一篇文章里应该有代码分析

rostopic，看一看命名空间有没有对应上

一阶系统是不考虑加速度，比较容易实现，但是不如二阶系统鲁棒性高，这个主要是一些稳定性分析的paper有介绍

是预测位置与实际位置的误差

根据自己预设的编队相对位置

就是在ROS里运行的，需要自己在gazebo创建工程或者连接机器人

Learning-based intelligent attack against formation control with obstacle-avoidance[C]//2019 American Control Conference (ACC). 可以看我师兄的文章以及他的引用

我的另一篇博客有分析https://www.guyuehome.com/33218

在我的git里有几个项目

可以，我的git里有源码

这是我自己本科毕设的内容，当时投出去的文章没中后来换方向了也没再管了

k是循环变量，每次+1，可以理解为离散时间

attacker里只有攻击者，defend里有检测和躲避，但是我把防御好像注释掉了

当距离大于1的时候就出现判定速度收敛到0的情况就是局部最小值了，没错应该说是局部震荡

只是为了施加一个随相对位置变化的权重，选取了exp()函数

循环代码前面有一行hold off指令

有一个东西叫谷歌，实在不行有百度。LDA矩阵是数学定义，我这里不讲基础数学

好像图片和矩阵是不对应了，后面我改下，谢谢

一般可以直接rosrun xx.py文件，但是前提是你在gazebo里运行了机器人的模型或者电脑连接并启动了机器人。这个报错说明你并没有连接上机器人节点

如果没有使用定位算法和雷达，就是里程计的误差