Multi-Robot Trajectory Generation via Consensus ADMM: Convex vs. Non-Convex

要約

C-ADMM は、凸最適化問題の収束が保証されているため、よく知られた分散最適化フレームワークです。
最近、C-ADMM は、複数車両のターゲット追跡や共同操作タスクなどのロボット工学アプリケーションで研究されています。
しかし、理論的な保証が不足しているため、ロボット工学アプリケーションの非凸問題に適用される C-ADMM のパフォーマンスを調査した研究はほとんどありません。
このプロジェクトでは、分散型マルチロボット軌道計画の範囲を通じて、非凸 C-ADMM の収束挙動を定量的に探索および検証することを目的としています。
我々は、C-ADMM とバッファリング ボロノイ セル (BVC) を利用して非凸衝突回避制約を回避することにより凸軌道計画問題を提案し、この凸 C-ADMM アルゴリズムを非凸 C-ADMM ベースラインと比較します。
衝突回避の制約。
凸 C-ADMM アルゴリズムでは、マルチロボット ウェイポイント ナビゲーション シナリオで収束を達成するために必要な反復回数が 1000 回少ないことを示します。
また、非凸 C-ADMM ベースラインが次善の解と軌道生成における安全制約の違反につながることも確認します。

要約(オリジナル)

C-ADMM is a well-known distributed optimization framework due to its guaranteed convergence in convex optimization problems. Recently, C-ADMM has been studied in robotics applications such as multi-vehicle target tracking and collaborative manipulation tasks. However, few works have investigated the performance of C-ADMM applied to non-convex problems in robotics applications due to a lack of theoretical guarantees. For this project, we aim to quantitatively explore and examine the convergence behavior of non-convex C-ADMM through the scope of distributed multi-robot trajectory planning. We propose a convex trajectory planning problem by leveraging C-ADMM and Buffered Voronoi Cells (BVCs) to get around the non-convex collision avoidance constraint and compare this convex C-ADMM algorithm to a non-convex C-ADMM baseline with non-convex collision avoidance constraints. We show that the convex C-ADMM algorithm requires 1000 fewer iterations to achieve convergence in a multi-robot waypoint navigation scenario. We also confirm that the non-convex C-ADMM baseline leads to sub-optimal solutions and violation of safety constraints in trajectory generation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google