Safe Distributed Control of Multi-Robot Systems with Communication Delays

要約

マルチロボット システムの安全な操作は、特に海底マッピングのための水中、ナビゲーションのための地下洞窟、組み立てや建設のための地球外ミッションなど、通信が劣化した環境において非常に重要です。
私たちは、ロボット間で交換される情報によって通信遅延が発生する、ネットワーク化された自律システムの安全性に取り組みます。
私たちは、マルチロボット システム用の分散制御バリア機能 (CBF) の概念を形式化します。これは、分散実装に適した安全性証明書であり、安全な分散コントローラーを学習するためのグラフ ニューラル ネットワークの使用に正式な根拠を提供します。
さらに、遅延を無視して分散コントローラーを学習すると、安全性が大幅に低下する可能性があることが観察されています。
私たちの主な貢献は、通信遅延下で安全な分散コントローラーをトレーニングするための予測ベースのフレームワークです。このフレームワークでは、近くのロボットの現在の状態が受信データと情報時代から予測されます。
マルチロボット衝突回避に関する数値実験により、予測子ベースのアプローチが通信遅延下で学習された分散コントローラーの安全性を大幅に向上できることが示されました。

要約(オリジナル)

Safe operation of multi-robot systems is critical, especially in communication-degraded environments such as underwater for seabed mapping, underground caves for navigation, and in extraterrestrial missions for assembly and construction. We address safety of networked autonomous systems where the information exchanged between robots incurs communication delays. We formalize a notion of distributed control barrier function (CBF) for multi-robot systems, a safety certificate amenable to a distributed implementation, which provides formal ground to using graph neural networks to learn safe distributed controllers. Further, we observe that learning a distributed controller ignoring delays can severely degrade safety. Our main contribution is a predictor-based framework to train a safe distributed controller under communication delays, where the current state of nearby robots is predicted from received data and age-of-information. Numerical experiments on multi-robot collision avoidance show that our predictor-based approach can significantly improve the safety of a learned distributed controller under communication delays

arxiv情報

提供元, 利用サービス

arxiv.jp, Google