Distributed Model Predictive Covariance Steering

要約

このホワイトペーパーでは、確率的不確実性の下でのマルチエージェント制御のための分散モデル予測共分散ステアリング（DIMPCS）を提案します。
私たちのアプローチの範囲は、共分散ステアリング理論、分散最適化、モデル予測制御（MPC）を安全でスケーラブルで分散化する単一のフレームワークにブレンドすることです。
当初、ワッサースタイン距離を使用して、マルチエージェントシステムの状態分布を望ましいターゲットに操縦する問題の定式化と、安全性を確保するための確率的制約を提示します。
次に、この問題を、共分散ステアリングのための妨害フィードバックポリシーパラメーター化と安全制約の扱いやすい近似を利用することにより、有限次元の最適化に変換します。
後者の問題を解決するために、乗数の交互方向方法を使用して、分散型コンセンサスベースのアルゴリズムを導き出します。
この方法は、提案されたDIMPCSアルゴリズムを生成する後退地平線形式に拡張されます。
最大数百のロボットを備えたさまざまなマルチロボットタスクでのシミュレーション実験は、DIMPCの有効性を示しています。
提案された方法の優れたスケーラビリティとパフォーマンスは、関連する確率MPCアプローチとの比較を通じて強調されています。
最後に、マルチロボットプラットフォームでのハードウェアの結果は、実際のシステムでのDIMPCの適用性も検証します。
すべての結果を含むビデオは、https：//youtu.be/tzwqozuj2kqで入手できます。

要約(オリジナル)

This paper proposes Distributed Model Predictive Covariance Steering (DiMPCS) for multi-agent control under stochastic uncertainty. The scope of our approach is to blend covariance steering theory, distributed optimization and model predictive control (MPC) into a single framework that is safe, scalable and decentralized. Initially, we pose a problem formulation that uses the Wasserstein distance to steer the state distributions of a multi-agent system to desired targets, and probabilistic constraints to ensure safety. We then transform this problem into a finite-dimensional optimization one by utilizing a disturbance feedback policy parametrization for covariance steering and a tractable approximation of the safety constraints. To solve the latter problem, we derive a decentralized consensus-based algorithm using the Alternating Direction Method of Multipliers. This method is then extended to a receding horizon form, which yields the proposed DiMPCS algorithm. Simulation experiments on a variety of multi-robot tasks with up to hundreds of robots demonstrate the effectiveness of DiMPCS. The superior scalability and performance of the proposed method is also highlighted through a comparison against related stochastic MPC approaches. Finally, hardware results on a multi-robot platform also verify the applicability of DiMPCS on real systems. A video with all results is available in https://youtu.be/tzWqOzuj2kQ.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google