CAT-ORA: Collision-Aware Time-Optimal Formation Reshaping for Efficient Robot Coordination in 3D Environments

要約

このホワイトペーパーでは、エージェント間の衝突を防ぎながら、3次元環境で再変化する時間最適形成の問題に対処するために設計されたアルゴリズムを紹介します。
提案されたアプローチの有用性は、モバイルロボット工学で特に明白です。エージェントは、効率的なナビゲーションまたはタスクの完了のために形成形状の頻繁な変更を必要とするさまざまな現実世界アプリケーションの形成で整理およびナビゲートされることから利益を得ることができます。
バッテリー駆動のモバイルロボットに固有の制約された運用時間を考えると、特にマルチローターの無人航空機（UAV）の場合、フォーメーションの再形成プロセスを完了するために必要な時間は効率的な動作に不可欠です。
提案されている衝突対応の時間最適形成再形成アルゴリズム（CAT-ORA）は、ハンガリー語のアルゴリズムに基づいて、ロボット間衝突回避の解決策を解決します。
理論的検証は、CAT-ORAの最適性を確認し、その有効性はシミュレーションを通じてさらに紹介され、19のUAVを含む実世界の屋外実験があります。
徹底的な数値分析では、CAT-ORAが複雑な形成を実行するのに必要な時間を最大49％、平均して12％を短縮する可能性を示しています。

要約(オリジナル)

In this paper, we introduce an algorithm designed to address the problem of time-optimal formation reshaping in three-dimensional environments while preventing collisions between agents. The utility of the proposed approach is particularly evident in mobile robotics, where agents benefit from being organized and navigated in formation for a variety of real-world applications requiring frequent alterations in formation shape for efficient navigation or task completion. Given the constrained operational time inherent to battery-powered mobile robots, the time needed to complete the formation reshaping process is crucial for their efficient operation, especially in case of multi-rotor Unmanned Aerial Vehicles (UAVs). The proposed Collision-Aware Time-Optimal formation Reshaping Algorithm (CAT-ORA) builds upon the Hungarian algorithm for the solution of the robot-to-goal assignment implementing the inter-agent collision avoidance through direct constraints on mutually exclusive robot-goal pairs combined with a trajectory generation approach minimizing the duration of the reshaping process. Theoretical validations confirm the optimality of CAT-ORA, with its efficacy further showcased through simulations, and a real-world outdoor experiment involving 19 UAVs. Thorough numerical analysis shows the potential of CAT-ORA to decrease the time required to perform complex formation reshaping tasks by up to 49%, and 12% on average compared to commonly used methods in randomly generated scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google