Deadlock Resolution and Recursive Feasibility in MPC-based Multi-robot Trajectory Generation

要約

共有ワークスペース内でオンラインで衝突のない軌道を生成することは、ほとんどのマルチロボット アプリケーションの基本です。
ただし、モデル予測制御 (MPC) に基づいて広く使用されている手法の多くには、根本的な最適化の実現可能性に関する理論的な保証がありません。
さらに、中央コーディネーターなしで分散方式で適用すると、複数のロボットがお互いを無限にブロックするデッドロックが発生することがよくあります。
ランダムな摂動を導入するなどのヒューリスティックな手法は存在しますが、これらの手段を検証するための詳細な分析は行われていません。
この目的に向けて、デッドロック解決を伴う無限水平モデル予測制御と呼ばれる体系的な手法を提案します。
MPC は、警告帯域を備えた提案された修正バッファー ボロノイに対する凸最適化として定式化されます。
この定式化に基づいて、デッドロックの状態が正式に分析され、力の平衡に類似していることが証明されます。
デッドロックが発生する前にオンラインで効果的に検出できる検出解決スキームが提案されています。
デッドロックが検出されると、適応型解決スキームを利用してデッドロックを解決します。このスキームでは、軽微な条件下では安定したデッドロックが存在できません。
さらに、提案された計画アルゴリズムは、入力制約とモデル制約の両方の下で各タイム ステップでの基本的な最適化の再帰的な実現可能性を保証し、すべてのロボットに対して同時実行され、ローカル通信のみを必要とします。
大規模なマルチロボット システム上で包括的なシミュレーションと実験研究が行われます。
他の最先端の方法と比較して、特に混雑した高速シナリオでの成功率の大幅な向上が報告されています。

要約(オリジナル)

Online collision-free trajectory generation within a shared workspace is fundamental for most multi-robot applications. However, many widely-used methods based on model predictive control (MPC) lack theoretical guarantees on the feasibility of underlying optimization. Furthermore, when applied in a distributed manner without a central coordinator, deadlocks often occur where several robots block each other indefinitely. Whereas heuristic methods such as introducing random perturbations exist, no profound analyses are given to validate these measures. Towards this end, we propose a systematic method called infinite-horizon model predictive control with deadlock resolution. The MPC is formulated as a convex optimization over the proposed modified buffered Voronoi with warning band. Based on this formulation, the condition of deadlocks is formally analyzed and proven to be analogous to a force equilibrium. A detection-resolution scheme is proposed, which can effectively detect deadlocks online before they even happen. Once detected, it utilizes an adaptive resolution scheme to resolve deadlocks, under which no stable deadlocks can exist under minor conditions. In addition, the proposed planning algorithm ensures recursive feasibility of the underlying optimization at each time step under both input and model constraints, is concurrent for all robots and requires only local communication. Comprehensive simulation and experiment studies are conducted over large-scale multi-robot systems. Significant improvements on success rate are reported, in comparison with other state-of-the-art methods and especially in crowded and high-speed scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google