Multi-Robot Target Monitoring and Encirclement via Triggered Distributed Feedback Optimization

要約

私たちは、モジュラー ROS 2 制御アーキテクチャに組み込まれた分散フィードバック最適化戦略を設計します。これにより、異種ロボットのチームが対象地点をパトロールしながら協力して監視し、ターゲットを取り囲むことができます。
集合的なフィードバック最適化フレームワークに依存して、微視的変数 (例: 単一ロボットの位置) と巨視的変数 (例: チームの空間分布) の両方に応じてグローバルなパフォーマンス指標を最小限に抑えながら、マルチロボットのダイナミクスを処理します。
提案された分散ポリシーにより、ロボットはローカルな測定と隣接するデータ交換のみを使用して、グローバルな問題に協力して対処できます。
これらの交換は、ローカルで検証可能なトリガー条件によって規定される非同期通信プロトコルを通じて実行されます。
私たちの戦略が、検討されている最適化問題の静止点を表す一連の構成にロボットを誘導することを正式に証明します。
全体的な戦略の有効性とスケーラビリティは、現実的な Webots ROS 2 仮想実験のモンテカルロ キャンペーンを通じてテストされます。
最後に、地上および空中ロボットでの実際の実験により、私たちのソリューションの適用可能性を示します。

要約(オリジナル)

We design a distributed feedback optimization strategy, embedded into a modular ROS 2 control architecture, which allows a team of heterogeneous robots to cooperatively monitor and encircle a target while patrolling points of interest. Relying on the aggregative feedback optimization framework, we handle multi-robot dynamics while minimizing a global performance index depending on both microscopic (e.g., the location of single robots) and macroscopic variables (e.g., the spatial distribution of the team). The proposed distributed policy allows the robots to cooperatively address the global problem by employing only local measurements and neighboring data exchanges. These exchanges are performed through an asynchronous communication protocol ruled by locally-verifiable triggering conditions. We formally prove that our strategy steers the robots to a set of configurations representing stationary points of the considered optimization problem. The effectiveness and scalability of the overall strategy are tested via Monte Carlo campaigns of realistic Webots ROS 2 virtual experiments. Finally, the applicability of our solution is shown with real experiments on ground and aerial robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google