Hybrid Decision Making for Scalable Multi-Agent Navigation: Integrating Semantic Maps, Discrete Coordination, and Model Predictive Control

要約

この文書では、構造化されているが動的な環境におけるマルチエージェント ナビゲーションのフレームワークを紹介します。このフレームワークには、3 つの重要なコンポーネントが統合されています。それは、共有セマンティック マップ エンコーディング メトリックとセマンティック環境知識、環境内のエリアへのアクセスを調整するためのクレーム ポリシー、および環境内のエリアへのアクセスを調整するためのモデル予測コントローラーです。
環境と調整の制約を考慮した運動軌道を生成します。
このアプローチの主な利点は次のとおりです。(i) 特定のタスク要件に基づいてエリア占有制約を強制する。
(ii) ロボットエージェント間の衝突回避制約の必要性を排除することにより、計算のスケーラビリティを向上させる。
(iii) エージェント間のデッドロックを予測して回避する能力。
この論文には、さまざまな代表的なシナリオにおけるフレームワークの有効性を実証するシミュレーションと物理実験の両方が含まれています。

要約(オリジナル)

This paper presents a framework for multi-agent navigation in structured but dynamic environments, integrating three key components: a shared semantic map encoding metric and semantic environmental knowledge, a claim policy for coordinating access to areas within the environment, and a Model Predictive Controller for generating motion trajectories that respect environmental and coordination constraints. The main advantages of this approach include: (i) enforcing area occupancy constraints derived from specific task requirements; (ii) enhancing computational scalability by eliminating the need for collision avoidance constraints between robotic agents; and (iii) the ability to anticipate and avoid deadlocks between agents. The paper includes both simulations and physical experiments demonstrating the framework’s effectiveness in various representative scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google