Concurrent-Learning Based Relative Localization in Shape Formation of Robot Swarms (Extended version)

要約

この論文では、外部位置特定システムが利用できない環境における大規模なロボット群の形状形成の問題に取り組みます。
オンボード測定のみでこのタスクを効果的に達成することはまだほとんど研究されておらず、いくつかの実用的な課題に直面しています。
この困難な問題を解決するために、次の新しい結果を提案します。
まず、隣接するロボット間の相対位置を推定するために、同時学習ベースの推定器を提案する。
最小二乗推定器などの古典的なもので必要とされる持続的な励起条件を緩和します。
次に、形状の位置を決定するために有限時間合意プロトコルを導入します。
これは、各ロボットとランダムに割り当てられたシード ロボットの間の相対位置を推定することによって実現されます。
シード 1 の初期位置は、形状の位置をマークします。
第三に、相対位置特定の理論的結果に基づいて、新しい動作ベースの制御戦略が考案されます。
この戦略は、ロボットの大規模なグループの適応的な形状形成を可能にするだけでなく、ロボット間の相対的な位置特定の観察可能性も高めます。
数値シミュレーション結果は、最先端の戦略と比較して、提案された戦略のパフォーマンスを検証するために提供されます。
さらに、実際のロボットでの屋外実験により、私たちの方法の実際的な有効性と堅牢性がさらに実証されています。

要約(オリジナル)

In this paper, we address the shape formation problem for massive robot swarms in environments where external localization systems are unavailable. Achieving this task effectively with solely onboard measurements is still scarcely explored and faces some practical challenges. To solve this challenging problem, we propose the following novel results. Firstly, to estimate the relative positions among neighboring robots, a concurrent-learning based estimator is proposed. It relaxes the persistent excitation condition required in the classical ones such as least-square estimator. Secondly, we introduce a finite-time agreement protocol to determine the shape location. This is achieved by estimating the relative position between each robot and a randomly assigned seed robot. The initial position of the seed one marks the shape location. Thirdly, based on the theoretical results of the relative localization, a novel behavior-based control strategy is devised. This strategy not only enables adaptive shape formation of large group of robots but also enhances the observability of inter-robot relative localization. Numerical simulation results are provided to verify the performance of our proposed strategy compared to the state-of-the-art ones. Additionally, outdoor experiments on real robots further demonstrate the practical effectiveness and robustness of our methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google