Embedded Hierarchical MPC for Autonomous Navigation

要約

社会でロボットシステムを効率的に展開するには、モバイルロボットは複雑な環境を通じて自律的かつ安全に移動する必要があります。
非線形モデル予測制御（MPC）メソッドは、近くの障害と衝突することなく、環境を通して動的に実行可能な軌跡を見つける自然な方法を提供します。
ただし、Quadrotorsなどの典型的な埋め込みロボットシステムで利用可能な限られた計算能力は、最も高価なタスク、制約の生成と最適化など、MPCをリアルタイムで実行することに課題をもたらします。
この問題に対処するために、計画と追跡層で構成される新しい階層MPCスキームを提案します。
プランナーは、速度で長い予測の地平線で軌道を構築しますが、トラッカーは比較的速い速度で軌道追跡を保証します。
提案されたフレームワークが衝突を回避し、再帰的に実行可能であることを証明します。
さらに、複雑な静的環境で目標の位置に到達する必要がある四角体でのシミュレーションとラボ実験における有効性を示します。
このコードは、リアルタイムの実現可能性を確保するために、Quadrotorの埋め込みコンピューターに効率的に実装されています。
最先端のシングルレイヤーMPC製剤と比較して、これにより計画期間を5倍にすることができ、パフォーマンスが大幅に向上します。

要約(オリジナル)

To efficiently deploy robotic systems in society, mobile robots must move autonomously and safely through complex environments. Nonlinear model predictive control (MPC) methods provide a natural way to find a dynamically feasible trajectory through the environment without colliding with nearby obstacles. However, the limited computation power available on typical embedded robotic systems, such as quadrotors, poses a challenge to running MPC in real time, including its most expensive tasks: constraints generation and optimization. To address this problem, we propose a novel hierarchical MPC scheme that consists of a planning and a tracking layer. The planner constructs a trajectory with a long prediction horizon at a slow rate, while the tracker ensures trajectory tracking at a relatively fast rate. We prove that the proposed framework avoids collisions and is recursively feasible. Furthermore, we demonstrate its effectiveness in simulations and lab experiments with a quadrotor that needs to reach a goal position in a complex static environment. The code is efficiently implemented on the quadrotor’s embedded computer to ensure real-time feasibility. Compared to a state-of-the-art single-layer MPC formulation, this allows us to increase the planning horizon by a factor of 5, which results in significantly better performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google