MAPS$^2$: Multi-Robot Autonomous Motion Planning under Signal Temporal Logic Specifications

要約

この記事では、MAPS$^2$ : マルチロボット システムが信号時論理 (STL) 制約として表現される結合タスクを実行できるようにする分散アルゴリズムを紹介します。
STL 制約に対処する古典的な制御理論ツールは、STL 式の限定されたフラグメントを採用するか、min/max 演算子の近似を必要としますが、最適化ベースの手法を通じてロバスト性を最大化する作業では、多くの場合、極小値に悩まされ、NP ハードによる完全性の議論が緩和されます。
問題の性質。
MAPS$^2$ は確率的な保証を備えており、ロボットの軌道を反復的に改善するアルゴリズムをいつでも提供します。
このアルゴリズムは、STL の時間特性を利用して、空間的制約を選択的に課します。
各ロボットが、通信グラフを介して定義されているすぐ隣のロボットとのみ通信することによってその軌道を計算するという意味で、アルゴリズムは分散されています。
我々は、大規模なシミュレーションと実験的研究を実施し、STL を満たす軌道の生成を検証することによって、MAPS$^2$ の効率を説明します。

要約(オリジナル)

This article presents MAPS$^2$ : a distributed algorithm that allows multi-robot systems to deliver coupled tasks expressed as Signal Temporal Logic (STL) constraints. Classical control theoretical tools addressing STL constraints either adopt a limited fragment of the STL formula or require approximations of min/max operators, whereas works maximising robustness through optimisation-based methods often suffer from local minima, relaxing any completeness arguments due to the NP-hard nature of the problem. Endowed with probabilistic guarantees, MAPS$^2$ provides an anytime algorithm that iteratively improves the robots’ trajectories. The algorithm selectively imposes spatial constraints by taking advantage of the temporal properties of the STL. The algorithm is distributed, in the sense that each robot calculates its trajectory by communicating only with its immediate neighbours as defined via a communication graph. We illustrate the efficiency of MAPS$^2$ by conducting extensive simulation and experimental studies, verifying the generation of STL satisfying trajectories.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google