GRF-based Predictive Flocking Control with Dynamic Pattern Formation

要約

ロボットの群れが変化するパターンや形状に最適な分散方法で自律的に従うための植毛制御を設計することは、有望ではありますが、困難です。
そこで本論文では動的パターン形成による最適な植毛制御を検討する。
予測植毛制御アルゴリズムがギブズランダム場 (GRF) に基づいて提案されており、生物からインスピレーションを得た位置エネルギーを使用して「ロボット間」および「ロボット対環境」の相互作用を特徴付けます。
動きの滑らかさなどの特殊なパフォーマンス関連のエネルギーが、植毛動作を改善するために提案された設計に導入されています。
最適な制御は、GRF の事後分布を最大化することによって得られます。
領域ベースの形状制御は、平均シフト技術を考慮してパターン形成のために達成されます。
提案されたアルゴリズムは、障害物のある環境における 2 つの最先端の植毛制御手法との比較を通じて評価されます。
数値シミュレーションと実際の実験の両方が、提案された設計の効率を実証するために実行されます。

要約(オリジナル)

It is promising but challenging to design flocking control for a robot swarm to autonomously follow changing patterns or shapes in a optimal distributed manner. The optimal flocking control with dynamic pattern formation is, therefore, investigated in this paper. A predictive flocking control algorithm is proposed based on a Gibbs random field (GRF), where bio-inspired potential energies are used to charaterize “robot-robot” and “robot-environment” interactions. Specialized performance-related energies, e.g., motion smoothness, are introduced in the proposed design to improve the flocking behaviors. The optimal control is obtained by maximizing a posterior distribution of a GRF. A region-based shape control is accomplished for pattern formation in light of a mean shift technique. The proposed algorithm is evaluated via the comparison with two state-of-the-art flocking control methods in an environment with obstacles. Both numerical simulations and real-world experiments are conducted to demonstrate the efficiency of the proposed design.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google