Conflict-Based Model Predictive Control for Scalable Multi-Robot Motion Planning

要約

本論文では、Conflict-Based Model Predictive Control (CB-MPC) と呼ばれるスケーラブルなマルチロボット運動計画アルゴリズムを紹介する。Conflict-Based Search (CBS)に触発されたこのプランナーは、MPCを低レベルプランナーとして用いて各エージェントの運動学的、動的制約と作動限界を推論しながら、連続空間におけるロボットとロボットの競合を効率的に解決するために同様の高レベルの競合ツリーを利用する。我々は、バニラMPCコントローラで高レベルのマルチロボットプランを追跡することは不十分であり、狭いナビゲーションシナリオで予期せぬ衝突を引き起こすことを示す。CB-MPCは、ジョイント、優先、分散といった他のマルチロボットMPCのバリエーションと比較して、実行可能性と成功率を向上させ、ロボットとロボットの相互作用をより緊密にし、様々な環境において解の質を損なうことなく計算コストを大幅に削減することを実証する。さらに、CB-MPCと高レベルのパスプランナーを組み合わせることで、計算量の多いフルホライズンマルチロボットキノダイナミックプランナーを効果的に代替できることを示す。

要約(オリジナル)

This paper presents a scalable multi-robot motion planning algorithm called Conflict-Based Model Predictive Control (CB-MPC). Inspired by Conflict-Based Search (CBS), the planner leverages a similar high-level conflict tree to efficiently resolve robot-robot conflicts in the continuous space, while reasoning about each agent’s kinematic and dynamic constraints and actuation limits using MPC as the low-level planner. We show that tracking high-level multi-robot plans with a vanilla MPC controller is insufficient, and results in unexpected collisions in tight navigation scenarios. Compared to other variations of multi-robot MPC like joint, prioritized, and distributed, we demonstrate that CB-MPC improves the executability and success rate, allows for closer robot-robot interactions, and reduces the computational cost significantly without compromising the solution quality across a variety of environments. Furthermore, we show that CB-MPC combined with a high-level path planner can effectively substitute computationally expensive full-horizon multi-robot kinodynamic planners.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL