Safety-Critical Planning and Control for Dynamic Obstacle Avoidance Using Control Barrier Functions

要約

動的障害物回避は、特に狭い環境にある場合、最適制御および最適化ベースの軌道計画の問題にとって難しいテーマです。
既存の作品の多くは、制御バリア機能 (CBF) を使用して、制御システム内に安全制約を強制します。
これらの作業の中で、CBF は通常、将来の状態を予測して情報に基づいた意思決定を行うためにモデル予測制御 (MPC) フレームワークに基づいて定式化されるか、安全強化ツールとして経路計画アルゴリズムと統合されます。
ただし、これらのアプローチは通常、障害物境界方程式の知識を必要とするか、計算効率が非常に遅くなります。
この論文では、衝突のない軌道を生成するための、離散時間 CBF (DCBF) を備えた反復 MPC に対する新しいフレームワークを提案します。
DCBF は、障害物の境界方程式を知る必要なく、連続グリッド マップで生成された凸多面体から取得されます。
さらに、生成された軌道の全体的な最適性を確保するために、経路計画アルゴリズムがこのフレームワークに組み込まれています。
私たちは、数値例を通じて、一輪車ロボットが、制御と軌道生成において顕著な計算効率と信頼性で、凸面と非凸面の両方の障害物に取り組み、狭く動的に変化する環境を安全かつ効率的に移動できることを、一輪車ロボットが可能にすることを実証します。

要約(オリジナル)

Dynamic obstacle avoidance is a challenging topic for optimal control and optimization-based trajectory planning problems, especially when in a tight environment. Many existing works use control barrier functions (CBFs) to enforce safety constraints within control systems. Inside these works, CBFs are usually formulated under model predictive control (MPC) framework to anticipate future states and make informed decisions, or integrated with path planning algorithms as a safety enhancement tool. However, these approaches usually require knowledge of the obstacle boundary equations or have very slow computational efficiency. In this paper, we propose a novel framework to the iterative MPC with discrete-time CBFs (DCBFs) to generate a collision-free trajectory. The DCBFs are obtained from convex polyhedra generated in sequential grid maps, without the need to know the boundary equations of obstacles. Additionally, a path planning algorithm is incorporated into this framework to ensure the global optimality of the generated trajectory. We demonstrate through numerical examples that our framework enables a unicycle robot to safely and efficiently navigate through tight and dynamically changing environments, tackling both convex and nonconvex obstacles with remarkable computing efficiency and reliability in control and trajectory generation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google