Conflict-Based Model Predictive Control for Scalable Multi-Robot Motion Planning

要約

この論文では、競合ベースのモデル予測制御 (CB-MPC) と呼ばれる、スケーラブルなマルチロボット動作計画アルゴリズムを紹介します。
競合ベースの検索 (CBS) からインスピレーションを得たプランナーは、同様の高レベルの競合ツリーを活用して、連続空間でのロボット間の競合を効率的に解決しながら、MPC を低レベルとして使用して各エージェントの運動学的および動的制約と作動制限について推論します。
レベルプランナー。
バニラの MPC コントローラーを使用した高レベルのマルチロボット プランの追跡では不十分であり、厳しいナビゲーション シナリオでは予期せぬ衝突が発生することを示します。
共同、優先順位付け、分散型などのマルチロボット MPC の他のバリエーションと比較して、CB-MPC が実行可能性と成功率を向上させ、ロボット間の緊密な対話を可能にし、全体にわたるソリューションの品質を損なうことなく計算コストを大幅に削減することを実証します。
さまざまな環境。
さらに、高レベルのパス プランナーと組み合わせた CB-MPC が、計算コストの高いフルホライズン マルチロボット運動力学プランナーを効果的に置き換えることができることを示します。

要約(オリジナル)

This paper presents a scalable multi-robot motion planning algorithm called Conflict-Based Model Predictive Control (CB-MPC). Inspired by Conflict-Based Search (CBS), the planner leverages a similar high-level conflict tree to efficiently resolve robot-robot conflicts in the continuous space, while reasoning about each agent’s kinematic and dynamic constraints and actuation limits using MPC as the low-level planner. We show that tracking high-level multi-robot plans with a vanilla MPC controller is insufficient, and results in unexpected collisions in tight navigation scenarios. Compared to other variations of multi-robot MPC like joint, prioritized, and distributed, we demonstrate that CB-MPC improves the executability and success rate, allows for closer robot-robot interactions, and reduces the computational cost significantly without compromising the solution quality across a variety of environments. Furthermore, we show that CB-MPC combined with a high-level path planner can effectively substitute computationally expensive full-horizon multi-robot kinodynamic planners.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google