Embedded Hierarchical MPC for Autonomous Navigation

要約

ロボットシステムを社会に効率的に導入するには、移動ロボットが複雑な環境を自律的かつ安全に移動できる必要があります。
非線形モデル予測制御 (MPC) 手法は、近くの障害物に衝突することなく、環境内で動的に実行可能な軌道を見つける自然な方法を提供します。
ただし、クアッドローターなどの一般的な組み込みロボット システムで利用できる計算能力は限られているため、MPC をリアルタイムで実行するには、制約の生成と最適化という最もコストのかかるタスクを含めて課題が生じます。
この問題に対処するために、計画層と追跡層で構成される新しい階層型 MPC スキームを提案します。
プランナーは低速で長い予測期間を持つ軌道を構築しますが、トラッカーは比較的高速で軌道追跡を保証します。
提案されたフレームワークが衝突を回避し、再帰的に実行可能であることを証明します。
さらに、複雑な静的環境で目標位置に到達する必要があるクアローターを使用したシミュレーションとラボ実験でその有効性を実証します。
コードはクアッドローターの組み込みコンピューターに効率的に実装され、リアルタイムの実現可能性が保証されます。
最先端の単層 MPC 配合と比較して、これにより計画期間を 5 倍に延ばすことができ、その結果、パフォーマンスが大幅に向上します。

要約(オリジナル)

To efficiently deploy robotic systems in society, mobile robots need to autonomously and safely move through complex environments. Nonlinear model predictive control (MPC) methods provide a natural way to find a dynamically feasible trajectory through the environment without colliding with nearby obstacles. However, the limited computation power available on typical embedded robotic systems, such as quadrotors, poses a challenge to running MPC in real-time, including its most expensive tasks: constraints generation and optimization. To address this problem, we propose a novel hierarchical MPC scheme that consists of a planning and a tracking layer. The planner constructs a trajectory with a long prediction horizon at a slow rate, while the tracker ensures trajectory tracking at a relatively fast rate. We prove that the proposed framework avoids collisions and is recursively feasible. Furthermore, we demonstrate its effectiveness in simulations and lab experiments with a quadrotor that needs to reach a goal position in a complex static environment. The code is efficiently implemented on the quadrotor’s embedded computer to ensure real-time feasibility. Compared to a state-of-the-art single-layer MPC formulation, this allows us to increase the planning horizon by a factor of 5, which results in significantly better performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google