Multi-Agent Feedback Motion Planning using Probably Approximately Correct Nonlinear Model Predictive Control

要約

多くのタスクでは、マルチロボット チームが効率性、堅牢性、復元力を向上させることがよくあります。
しかし、現実世界のシナリオにおける複数のロボットのコラボレーションは、特に確率力学やセンサーの不確実性が存在する中で、動的ロボットが編隊制御や障害物回避などの競合する目的のバランスをとらなければならない場合に、多くの大きな課題を引き起こします。
この論文では、堅牢なマルチエージェント形成を達成するために、モデルと測定の不確実性の両方について推論できる、おそらくほぼ正しい非線形モデル予測制御 (PAC-NMPC) を使用した、分散型マルチエージェント後退地平線フィードバック運動計画アプローチを提案します。
雑然とした障害物フィールドを移動し、ロボット間の衝突を回避しながら制御します。
私たちのアプローチは、基礎となる PAC-NMPC アルゴリズムだけでなく、ジャイロスコープによる障害物回避から導出される最終コスト関数にも依存しています。
数値シミュレーションを通じて、分散アプローチが集中型の定式化と同等に機能すること、測定ノイズが大きい場合のパフォーマンスが向上すること、およびより複雑な動的システムに拡張できることを示します。

要約(オリジナル)

For many tasks, multi-robot teams often provide greater efficiency, robustness, and resiliency. However, multi-robot collaboration in real-world scenarios poses a number of major challenges, especially when dynamic robots must balance competing objectives like formation control and obstacle avoidance in the presence of stochastic dynamics and sensor uncertainty. In this paper, we propose a distributed, multi-agent receding-horizon feedback motion planning approach using Probably Approximately Correct Nonlinear Model Predictive Control (PAC-NMPC) that is able to reason about both model and measurement uncertainty to achieve robust multi-agent formation control while navigating cluttered obstacle fields and avoiding inter-robot collisions. Our approach relies not only on the underlying PAC-NMPC algorithm but also on a terminal cost-function derived from gyroscopic obstacle avoidance. Through numerical simulation, we show that our distributed approach performs on par with a centralized formulation, that it offers improved performance in the case of significant measurement noise, and that it can scale to more complex dynamical systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google