Decentralized Multi-Robot Social Navigation in Constrained Environments via Game-Theoretic Control Barrier Functions

要約

出入り口や交差点などの制約された環境で動作する分散型マルチロボット システムの安全でデッドロックのないナビゲーションを確保するためのアプローチを紹介します。
安全性を確保するために多くのソリューションが提案されていますが、世界的なコンセンサスを得て分散型の方法でデッドロックを防止することは未解決の問題のままです。
まず、目的を、複数の競合するエージェントが存在する制約された空間における、非協力的で非コミュニケーション的で部分的に観察可能な複数ロボットのナビゲーション問題として形式化します。これを \emph{ソーシャル ミニゲーム} と呼びます。
活性を確保するための私たちのアプローチは、2 つの新しい洞察に基づいています。 $(i)$ 分散ロボットがその状態を \textit{活性セット} に摂動できるようにする混合戦略ナッシュ均衡が存在します。つまり、ロボットがデッドロックのない状態、および $(
ii) ライブネスセットの前方不変性は、コントロールバリア機能 (CBF) がセーフティセットの前方不変性を保証する方法と同じように達成できます。
提案したゲーム理論に基づいたナビゲーション アルゴリズムを、出入り口、廊下の交差点、ロータリー、廊下のシナリオで、F$1/10$ ロボット、Clearpath Jackal、Boston Dynamics Spot を使用した物理ロボット上でのシミュレーションだけでなく、シミュレーションでも評価します。
$(i)$ 私たちのアプローチは、幾何学的制約、最適化、マルチエージェント強化学習、オークションに基づくローカルプランナーと比較して、より安全で効率的なナビゲーションをもたらすこと、$(ii)$ 私たちのデッドロック解決戦略が最もスムーズであることを示します。
速度と経路偏差の最小の平均変化、そしてメイクスパン $(iii)$ の点で最も効率的な私たちのアプローチは、流量に匹敵する $2.8 – 3.3$ (ms)$^{-1}$ の流量をもたらします
人間によるナビゲーションでは $4$ (ms)$^{-1}$ で行われます。

要約(オリジナル)

We present an approach to ensure safe and deadlock-free navigation for decentralized multi-robot systems operating in constrained environments, including doorways and intersections. Although many solutions have been proposed to ensure safety, preventing deadlocks in a decentralized fashion with global consensus remains an open problem. We first formalize the objective as a non-cooperative, non-communicative, partially observable multi-robot navigation problem in constrained spaces with multiple conflicting agents, which we term as \emph{social mini-games}. Our approach to ensuring liveness rests on two novel insights: $(i)$ there exists a mixed-strategy Nash equilibrium that allows decentralized robots to perturb their state onto \textit{liveness sets} i.e. states where robots are deadlock-free and $(ii)$ forward invariance of liveness sets can be achieved identical to how control barrier functions (CBFs) guarantee forward invariance of safety sets. We evaluate our proposed game-theoretic navigation algorithm in simulation as well on physical robots using F$1/10$ robots, a Clearpath Jackal, as well as a Boston Dynamics Spot in a doorway, corridor intersection, roundabout, and hallway scenario. We show that $(i)$ our approach results in safer and more efficient navigation compared to local planners based on geometrical constraints, optimization, multi-agent reinforcement learning, and auctions, $(ii)$ our deadlock resolution strategy is the smoothest in terms of smallest average change in velocity and path deviation, and most efficient in terms of makespan $(iii)$ our approach yields a flow rate of $2.8 – 3.3$ (ms)$^{-1}$ which is comparable to flow rate in human navigation at $4$ (ms)$^{-1}$.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google