SwarmCVT: Centroidal Voronoi Tessellation-Based Path Planning for Very-Large-Scale Robotics

要約

群ロボット工学、あるいは超大規模ロボット工学（VLSR）は、複雑な作業に対して多くの有意義な応用がある。しかし、ロボットの数が増えるにつれて、動作制御の複雑さとエネルギーコストが急速に増大する。この問題に対処するため、我々のこれまでの研究では、巨視的アプローチと微視的アプローチを用いた様々な手法を定式化してきた。これらの手法では、巨視的スケールで観測される基準ガウス混合モデル（GMM）分布に微視的ロボットが準拠することを可能にします。その結果、巨視的レベルを最適化することで、全体として最適な結果が得られる。しかし、これらの方法はすべて、GMM軌道を構築するために、障害物のない領域内でガウス成分（GC）を系統的かつ大域的に生成する必要がある。本研究では、セントロイド・ボロノイ・テッセレーションを利用して、GCを系統的に生成する。その結果、一貫性と信頼性を確保しつつ、性能向上を示す。

要約(オリジナル)

Swarm robotics, or very large-scale robotics (VLSR), has many meaningful applications for complicated tasks. However, the complexity of motion control and energy costs stack up quickly as the number of robots increases. In addressing this problem, our previous studies have formulated various methods employing macroscopic and microscopic approaches. These methods enable microscopic robots to adhere to a reference Gaussian mixture model (GMM) distribution observed at the macroscopic scale. As a result, optimizing the macroscopic level will result in an optimal overall result. However, all these methods require systematic and global generation of Gaussian components (GCs) within obstacle-free areas to construct the GMM trajectories. This work utilizes centroidal Voronoi tessellation to generate GCs methodically. Consequently, it demonstrates performance improvement while also ensuring consistency and reliability.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL