要約
マルチロボットシステムのいくつかの興味深い問題は、分散最適化のフレームワークにキャストできます。
例には、マルチロボットタスクの割り当て、車両ルーティング、ターゲット保護、監視が含まれます。
分散最適化アルゴリズムの理論分析は大きな注目を集めていますが、協同組合ロボット工学への適用は詳細に調査されていません。
このペーパーでは、適切な分散最適化セットアップによって、協同組合ロボット工学の顕著なシナリオにどのように対処できるかを示します。
具体的には、広く調査されたコンセンサス最適化(データ分析に最も適している)およびパーティションベースのセットアップ(最適化のグラフ構造を一致させる)に関する簡単な紹介の後、協同組合ロボット工学のいくつかのシナリオ、すなわち、いわゆる抑制接続と積極的な最適化フレームワークをモデル化する2つの分散設定に焦点を当てます。
それぞれについて、ユースケースアプリケーションを検討し、カスタマイズされた分散アルゴリズムを収束プロパティで説明します。
次に、中央コーディネーターのないロボットの実際のネットワークに分散スキームを実装できるように、最先端のツールボックスを修正します。
各ユースケースについて、これらのツールボックスでの実装について説明し、異種ロボットのネットワークに関するシミュレーションと実際の実験を提供します。
要約(オリジナル)
Several interesting problems in multi-robot systems can be cast in the framework of distributed optimization. Examples include multi-robot task allocation, vehicle routing, target protection, and surveillance. While the theoretical analysis of distributed optimization algorithms has received significant attention, its application to cooperative robotics has not been investigated in detail. In this paper, we show how notable scenarios in cooperative robotics can be addressed by suitable distributed optimization setups. Specifically, after a brief introduction on the widely investigated consensus optimization (most suited for data analytics) and on the partition-based setup (matching the graph structure in the optimization), we focus on two distributed settings modeling several scenarios in cooperative robotics, i.e., the so-called constraint-coupled and aggregative optimization frameworks. For each one, we consider use-case applications, and we discuss tailored distributed algorithms with their convergence properties. Then, we revise state-of-the-art toolboxes allowing for the implementation of distributed schemes on real networks of robots without central coordinators. For each use case, we discuss its implementation in these toolboxes and provide simulations and real experiments on networks of heterogeneous robots.
arxiv情報
著者 | Andrea Testa,Guido Carnevale,Giuseppe Notarstefano |
発行日 | 2025-04-02 15:08:32+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google