Safety-Critical Planning and Control for Dynamic Obstacle Avoidance Using Control Barrier Functions

要約

動的障害物の回避は、最適な制御と最適化に基づく軌道計画の問題のための困難なトピックです。
多くの既存の作業は、制御システムの安全上の制約を実施するために、制御バリア関数（CBF）を使用しています。
CBFは通常、障害物までの距離に基づいて定式化されるか、安全性向上ツールとしてパス計画アルゴリズムと統合されます。
ただし、これらのアプローチは通常、障害物境界方程式の知識を必要とするか、計算効率が非常に遅くなります。
この論文では、衝突のない軌道を生成するために、離散時間高次CBFS（DHOCBFS）を使用したモデル予測制御（MPC）に基づくフレームワークを提案します。
DHOCBFは、障害物の境界方程式を知る必要なく、グリッドマッピングを介して生成された凸ポリトープから最初に取得されます。
さらに、このフレームワークにパス計画アルゴリズムが組み込まれ、生成された軌道のグローバルな最適性が確保されます。
数値的な例を通じて、私たちのフレームワークにより、一輪車ロボットが凸型障害と非凸障害の両方で環境を安全かつ効率的にナビゲートできるようにすることを実証します。
当社の方法を確立されたCBFベースのベンチマークと比較することにより、軌跡の生成と障害物の回避における優れたコンピューティング効率、長さの最適性、および実現可能性を示します。

要約(オリジナル)

Dynamic obstacle avoidance is a challenging topic for optimal control and optimization-based trajectory planning problems. Many existing works use Control Barrier Functions (CBFs) to enforce safety constraints for control systems. CBFs are typically formulated based on the distance to obstacles, or integrated with path planning algorithms as a safety enhancement tool. However, these approaches usually require knowledge of the obstacle boundary equations or have very slow computational efficiency. In this paper, we propose a framework based on model predictive control (MPC) with discrete-time high-order CBFs (DHOCBFs) to generate a collision-free trajectory. The DHOCBFs are first obtained from convex polytopes generated through grid mapping, without the need to know the boundary equations of obstacles. Additionally, a path planning algorithm is incorporated into this framework to ensure the global optimality of the generated trajectory. We demonstrate through numerical examples that our framework allows a unicycle robot to safely and efficiently navigate tight, dynamically changing environments with both convex and nonconvex obstacles. By comparing our method to established CBF-based benchmarks, we demonstrate superior computing efficiency, length optimality, and feasibility in trajectory generation and obstacle avoidance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google