Hierarchical Trajectory (Re)Planning for a Large Scale Swarm

要約

散らかった環境での大規模な群れの軌跡を再繰り返す問題を検討します。
パスプランナーは、各セル内のロボットのワークスペースを分割し、ワークスペースを分割し、衝突のないパスを並行して使用して、ロボットを繰り返します。
分散軌道最適化は、効率的な実行のためのデッドロックのない軌道を生成し、最適化が失敗した場合でも制御の実現可能性を維持します。
階層的アプローチは、集中型と分散化された方法の両方の利点を組み合わせて、リアルタイムの再生機能を提供しながら、高いタスクの成功率を達成します。
分散型アプローチと比較して、当社のアプローチは効果的にデッドロックと衝突を回避し、タスクの成功率を大幅に増加させます。
シミュレーション中の最大142のロボットと、代表的な24のCrazyflieナノ四輪実験を備えたアルゴリズムのリアルタイムパフォーマンスを実証します。

要約(オリジナル)

We consider the trajectory replanning problem for a large-scale swarm in a cluttered environment. Our path planner replans for robots by utilizing a hierarchical approach, dividing the workspace, and computing collision-free paths for robots within each cell in parallel. Distributed trajectory optimization generates a deadlock-free trajectory for efficient execution and maintains the control feasibility even when the optimization fails. Our hierarchical approach combines the benefits of both centralized and decentralized methods, achieving a high task success rate while providing real-time replanning capability. Compared to decentralized approaches, our approach effectively avoids deadlocks and collisions, significantly increasing the task success rate. We demonstrate the real-time performance of our algorithm with up to 142 robots in simulation, and a representative 24 physical Crazyflie nano-quadrotor experiment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google