ROVER: Risk-Aware Swarm Robotics MOtion Planner Using Conditional ValuE at Risk

要約

群ロボット工学の分野は、複雑で同期したタスクを完了する能力で大きな関心を集めています。
群れロボットシステム内の動作計画のための既存の方法論は、主に拡張性と安全性の保証において困難に直面しています。
これら 2 つの制限に対処するために、条件付き ValueE at Risk (ROVER) を使用して、安全性と保守性を体系的に調整し、雑然とした環境を通って群をターゲット エリアに誘導する、リスクを意識した群行動プランナーを提案します。
私たちのアプローチは、ガウス混合モデル (GMM) で表されるロボット群の巨視的状態を前提とした有限時間モデル予測制御 (FTMPC) 問題を定式化し、衝突を回避するために条件付きバリューアットリスク (CVaR) を統合します。
ロボット群と障害物との近接性に関する CVaR を効率的に計算するために、線形化された符号付き距離関数を利用します。
この方法の重要なコンポーネントは、FTMPC の GMM 不確実性の下で CVaR 制約を実装し、ロボットの群れが直面する衝突リスクを測定することです。
ただし、非凸制約付き FTMPC を解くのは簡単ではありません。
この複雑さを克服するために、1) CVaR 制約の明示的な線形近似を通じて、計算的に扱いやすい戦略を開発します。
2) 逐次二次計画法定式化。
シミュレーションと他のアプローチとの比較により、提案された方法の柔軟性、拡張性、リスク軽減の有効性が実証されています。

要約(オリジナル)

The field of swarm robotics has attracted considerable interest for its capacity to complete intricate and synchronized tasks. Existing methodologies for motion planning within swarm robotic systems mainly encounter difficulties in scalability and safety guarantee. To address these two limitations, we propose a Risk-aware swarm mOtion planner using conditional ValuE at Risk (ROVER) that systematically modulates the safety and conservativeness and navigates the swarm to the target area through cluttered environments. Our approach formulates a finite-time model predictive control (FTMPC) problem predicated upon the macroscopic state of the robot swarm represented by Gaussian Mixture Model (GMM) and integrates conditional value-at-risk (CVaR) to avoid collision. We leverage the linearized Signed Distance Function for the efficient computation of CVaR concerning the proximity between the robot swarm to obstacles. The key component of this method is implementing CVaR constraint under GMM uncertainty in the FTMPC to measure the collision risk that a robot swarm faces. However, the non-convex constrained FTMPC is nontrival to solve. To navigate this complexity, we develop a computationally tractable strategy through 1) an explicit linear approximation of the CVaR constraint; and 2) a sequential quadratic programming formulation. Simulations and comparisons with other approaches demonstrate the effectiveness of the proposed method in flexibility, scalability, and risk mitigation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google