Heuristic Predictive Control for Multi-Robot Flocking in Congested Environments

要約

マルチロボットの群れは、さまざまな領域において単一ロボット システムに比べて非常に優れた利点を持っていますが、混雑した環境で安全で最適なパフォーマンスを確保することは困難です。
したがって、この論文は、混雑した環境における複数のロボットの分散最適な植毛制御の研究に焦点を当てています。
ヒューリスティック予測制御ソリューションは、ギブスランダム場 (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ポテンシャル関数を使用してロボット間およびロボット環境の相互作用を特徴付けます。
最適解は、将来の特定の時点における GRF の事後結合分布を最大化することによって得られます。
勾配ベースのヒューリスティック ソリューションが開発され、最適な制御の計算を大幅に高速化できる可能性があります。
ヒューリスティックな解決策の妥当性を示すために数学的分析も行われます。
動的環境におけるロボットの衝突回避性能を向上させるために、複数の衝突リスク レベルが設計されています。
提案されたヒューリスティック予測制御は、困難なシミュレーション環境におけるさまざまな指標に基づいて、複数の観点から包括的に評価されます。
提案されたアルゴリズムの能力は、非ヒューリスティック予測制御および既存の 2 つの一般的な植毛制御方法との比較によって検証されます。
提案された設計の効率をさらに実証するために、4 台のクワッドローター UAV を使用して実際の実験も実行されます。

要約(オリジナル)

Multi-robot flocking possesses extraordinary advantages over a single-robot system in diverse domains, but it is challenging to ensure safe and optimal performance in congested environments. Hence, this paper is focused on the investigation of distributed optimal flocking control for multiple robots in crowded environments. A heuristic predictive control solution is proposed based on a Gibbs Random Field (GRF), in which bio-inspired potential functions are used to characterize robot-robot and robot-environment interactions. The optimal solution is obtained by maximizing a posteriori joint distribution of the GRF in a certain future time instant. A gradient-based heuristic solution is developed, which could significantly speed up the computation of the optimal control. Mathematical analysis is also conducted to show the validity of the heuristic solution. Multiple collision risk levels are designed to improve the collision avoidance performance of robots in dynamic environments. The proposed heuristic predictive control is evaluated comprehensively from multiple perspectives based on different metrics in a challenging simulation environment. The competence of the proposed algorithm is validated via the comparison with the non-heuristic predictive control and two existing popular flocking control methods. Real-life experiments are also performed using four quadrotor UAVs to further demonstrate the efficiency of the proposed design.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google