Automatic Configuration of Multi-Agent Model Predictive Controllers based on Semantic Graph World Models

要約

我々は、同じ環境の一部を共有する複数のロボットエージェントのナビゲーション問題を解決するモデル予測コントローラー（MPC）を動的に構築および構成するための共有セマンティックマップアーキテクチャを提案します。
ナビゲーション タスクは、マップ内の一連の意味的にラベル付けされたエリア、つまりルートを順に通過する必要があるものとして表されます。
各セマンティック ラベルは、その領域におけるロボットの動作動作に対する 1 つ以上の制約を表します。
このアプローチの利点は次のとおりです。(i) 個々のロボットの MPC ベースのモーション コントローラーは、実行時に、ローカルおよび時間的に関連するパラメーターを使用して (再) 構成できます。
(ii) アプリケーションは、意味ラベルを適応させるだけで、実行時にもロボットのナビゲーション動作に影響を与えることができます。
(iii) ロボットは、ロボットのルートが時間と空間のどの地平線で重なっているかを分析することで、調整の必要性を推論できます。
この論文では、さまざまな代表的な状況のシミュレーションを提供し、MPC のランタイム構成のアプローチにより、各ロボットが常に他のすべてのロボットを MPC の計算に含めるアプローチと同様のタスク実行パフォーマンスを維持しながら、計算時間が大幅に短縮されることを示しています。

要約(オリジナル)

We propose a shared semantic map architecture to construct and configure Model Predictive Controllers (MPC) dynamically, that solve navigation problems for multiple robotic agents sharing parts of the same environment. The navigation task is represented as a sequence of semantically labeled areas in the map, that must be traversed sequentially, i.e. a route. Each semantic label represents one or more constraints on the robots’ motion behaviour in that area. The advantages of this approach are: (i) an MPC-based motion controller in each individual robot can be (re-)configured, at runtime, with the locally and temporally relevant parameters; (ii) the application can influence, also at runtime, the navigation behaviour of the robots, just by adapting the semantic labels; and (iii) the robots can reason about their need for coordination, through analyzing over which horizon in time and space their routes overlap. The paper provides simulations of various representative situations, showing that the approach of runtime configuration of the MPC drastically decreases computation time, while retaining task execution performance similar to an approach in which each robot always includes all other robots in its MPC computations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google