An Efficient Real-Time Planning Method for Swarm Robotics Based on an Optimal Virtual Tube

要約

未知の障害物環境をナビゲートする群ロボット工学は、課題に直面する新たな研究分野である。このような環境下でタスクを実行するには、群ロボットが自律的に定位、知覚、意思決定、制御、プランニングを行う必要がある。オンボードプラットフォームの限られた計算資源は、プランニングと制御に大きな課題をもたらします。リアクティブ・プランナーは、計算負荷が低く、再プランニングの頻度も高いが、予測能力に欠け、しばしばローカル・ミニマムをもたらす。一方、ロングホライズンプランナは、デッドロックを減らすために多段階の予測を行うことができるが、計算コストが高く、再計画の頻度が低くなる。本論文では、未知環境における群ロボティクスのためのリアルタイム最適仮想管計画法を提案し、アフィン関数を通して最適軌道の近似解を生成する。その結果、近似解の計算量は$O(n_t)$となり、$n_t$は軌道のパラメータ数であるため、全体の計算量を大幅に削減できる。提案手法は、リアクティブ手法を統合することにより、未知の環境において低計算量で安全な群運動を可能にする。提案手法の有効性は、いくつかのシミュレーションと実験により検証される。

要約(オリジナル)

Swarm robotics navigating through unknown obstacle environments is an emerging research area that faces challenges. Performing tasks in such environments requires swarms to achieve autonomous localization, perception, decision-making, control, and planning. The limited computational resources of onboard platforms present significant challenges for planning and control. Reactive planners offer low computational demands and high re-planning frequencies but lack predictive capabilities, often resulting in local minima. Long-horizon planners, on the other hand, can perform multi-step predictions to reduce deadlocks but cost much computation, leading to lower re-planning frequencies. This paper proposes a real-time optimal virtual tube planning method for swarm robotics in unknown environments, which generates approximate solutions for optimal trajectories through affine functions. As a result, the computational complexity of approximate solutions is $O(n_t)$, where $n_t$ is the number of parameters in the trajectory, thereby significantly reducing the overall computational burden. By integrating reactive methods, the proposed method enables low-computation, safe swarm motion in unknown environments. The effectiveness of the proposed method is validated through several simulations and experiments.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL