Robust and Efficient Trajectory Planning for Formation Flight in Dense Environments

要約

編隊飛行は、さまざまな用途における空中ロボット群にとって大きな可能性を秘めています。
しかし、既存の方法には、密集した環境で完全自律型の大規模編隊飛行を実現する能力がありません。
このギャップを埋めるために、現実世界の制約を空中編隊ナビゲーションに効果的に統合する完全な編隊飛行システムを紹介します。
この論文では、地層間の全体的な類似性誤差を定量化するための、微分可能なグラフベースの指標を提案します。
このメトリクスは回転、平行移動、拡大縮小に対して不変であり、フォーメーション調整の自由度が高まります。
地形の類似性、障害物の回避、動的実現可能性を考慮した分散軌道最適化フレームワークを設計します。
最適化は分離されており、大規模な編隊飛行が計算上可能になります。
高度に制約されたシーンにおける編隊ナビゲーションの弾力性を向上させるために、ローカル ナビゲーション目標を生成することによって編隊パラメータとタスクの割り当てを適応的に調整する群再編成手法を提案します。
この研究では、グローバル計画とローカル軌道の最適化を調整するために、global-remap-local-replan と呼ばれる新しい群れ合意戦略と編隊レベルのパス プランナーが提案されています。
提案された方法を検証するために、適応性、予測可能性、弾力性、回復力、効率性の観点から、他の最先端の研究と合わせて包括的なベンチマークとシミュレーションを設計します。
最後に、提案された方法は、搭載コンピューターとセンサーを備えた手のひらサイズの群プラットフォームと統合されており、密集した屋外環境で最大規模の編隊飛行を達成することで、その効率性と堅牢性を実証します。

要約(オリジナル)

Formation flight has a vast potential for aerial robot swarms in various applications. However, existing methods lack the capability to achieve fully autonomous large-scale formation flight in dense environments. To bridge the gap, we present a complete formation flight system that effectively integrates real-world constraints into aerial formation navigation. This paper proposes a differentiable graph-based metric to quantify the overall similarity error between formations. This metric is invariant to rotation, translation, and scaling, providing more freedom for formation coordination. We design a distributed trajectory optimization framework that considers formation similarity, obstacle avoidance, and dynamic feasibility. The optimization is decoupled to make large-scale formation flights computationally feasible. To improve the elasticity of formation navigation in highly constrained scenes, we present a swarm reorganization method that adaptively adjusts the formation parameters and task assignments by generating local navigation goals. A novel swarm agreement strategy called global-remap-local-replan and a formation-level path planner is proposed in this work to coordinate the global planning and local trajectory optimizations. To validate the proposed method, we design comprehensive benchmarks and simulations with other cutting-edge works in terms of adaptability, predictability, elasticity, resilience, and efficiency. Finally, integrated with palm-sized swarm platforms with onboard computers and sensors, the proposed method demonstrates its efficiency and robustness by achieving the largest scale formation flight in dense outdoor environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google