SPF-EMPC Planner: A real-time multi-robot trajectory planner for complex environments with uncertainties

要約

実際のアプリケーションでは、障害物の予測不可能な動きやロボットの不正確な状態観察により、特にクラスター環境ではロボットの群れに重大な不確実性が生じます。
しかし、不確実性や複雑な環境構造、ロボットの群れなどを考慮すると、既存の手法では安全な航行を実現することが困難です。
この論文では、複雑で動的かつ不確実な環境におけるマルチロボットのナビゲーション問題に対処するために、安全確率フィールドを備えた拡張状態モデル予測制御プランナーを紹介します。
当初、安全確率場は、外部の動的障害物の不確実性をモデル化する革新的なアプローチを提供し、それを制約のない最適化手法と組み合わせて、オンラインでマルチロボットの安全な軌道を生成します。
その後、拡張状態モデル予測コントローラーは、ロボット固有のモデル制約と状態の不確実性を考慮しながら、これらの生成された軌道を正確に追跡できるため、計画された軌道の実際的な実現可能性が保証されます。
シミュレーション実験では、最先端のアルゴリズムよりも 4 倍高い成功率が示されています。
物理実験では、この方法がリアルタイムで動作し、不確実な環境でもマルチロボットの安全なナビゲーションを可能にする能力を実証しています。

要約(オリジナル)

In practical applications, the unpredictable movement of obstacles and the imprecise state observation of robots introduce significant uncertainties for the swarm of robots, especially in cluster environments. However, existing methods are difficult to realize safe navigation, considering uncertainties, complex environmental structures, and robot swarms. This paper introduces an extended state model predictive control planner with a safe probability field to address the multi-robot navigation problem in complex, dynamic, and uncertain environments. Initially, the safe probability field offers an innovative approach to model the uncertainty of external dynamic obstacles, combining it with an unconstrained optimization method to generate safe trajectories for multi-robot online. Subsequently, the extended state model predictive controller can accurately track these generated trajectories while considering the robots’ inherent model constraints and state uncertainty, thus ensuring the practical feasibility of the planned trajectories. Simulation experiments show a success rate four times higher than that of state-of-the-art algorithms. Physical experiments demonstrate the method’s ability to operate in real-time, enabling safe navigation for multi-robot in uncertain environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google