Self-navigation in crowds: An invariant set-based approach

要約

ローカルセンシングを通じて動作する非ホロノミックロボットで構成されるマルチエージェントシステム内では、非調整の混雑した環境での自己ナビゲーションは非常に困難です。
私たちの主な目的は、制御コマンドを直接計算して他のエージェントと共存しながら安全な操縦を可能にする、新しい高速センサー駆動の自己ナビゲーション コントローラーを開発することです。
非ホロノミック移動ロボット用に細心の注意を払って作成された入力制約付きフィードバック コントローラーと、関連する不変集合の特性評価を提案します。
不変セットは、非協力的なエージェントの中でも安定性と安全性を維持するための鍵となります。
次に、エージェントの意図したターゲットに向かって不変セットの生成を戦略的に導く計画戦略を提案します。
これにより、エージェントは、混雑したマルチエージェント環境を確実に移動するために、事前に計画されたパス/軌道を明示的に要求することなく、理論的に安全な制御入力を直接計算できます。
私たちの技術の実用性は、ハードウェア実験と、安全な制御コマンドを合成するための計算時間を短縮するために計算を並列化する機能を通じて実証されます。
提案されたアプローチは、実行時に認識された安全限界に基づいた迅速な制御計算を必要とする、混雑したマルチエージェント シナリオでの潜在的なアプリケーションを見つけます。

要約(オリジナル)

Self-navigation in non-coordinating crowded environments is formidably challenging within multi-agent systems consisting of non-holonomic robots operating through local sensing. Our primary objective is the development of a novel, rapid, sensor-driven, self-navigation controller that directly computes control commands to enable safe maneuvering while coexisting with other agents. We propose an input-constrained feedback controller meticulously crafted for non-holonomic mobile robots and the characterization of associated invariant sets. The invariant sets are the key to maintaining stability and safety amidst the non-cooperating agents. We then propose a planning strategy that strategically guides the generation of invariant sets toward the agent’s intended target. This enables the agents to directly compute theoretically safe control inputs without explicitly requiring pre-planned paths/trajectories to reliably navigate through crowded multi-agent environments. The practicality of our technique is demonstrated through hardware experiments, and the ability to parallelize computations to shorten computational durations for synthesizing safe control commands. The proposed approach finds potential applications in crowded multi-agent scenarios that require rapid control computations based on perceived safety bounds during run-time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google