[論文レビュー] Decentralized Goal Assignment and Trajectory Generation in Multi-Robot Networks.

Dimitra Panagou, Matthew Turpin+1 more|arXiv (Cornell University)|Feb 15, 2014

Distributed Control Multi-Agent Systems参考文献 24被引用数 3

ひとこと要約

本論文では、ローカルな情報に基づいて最適で衝突のない割り当てを選び、分散型の方法でマルチロボットネットワークにおけるタスク割り当てと軌道生成を実現するため、リャプノフ関数に類似した関数を用いる手法を提案する。リャプノフ関数とバリア関数に基づくスイッチング戦略を組み合わせることで、最小限の通信で安全で収束性とスケーラビリティを確保する。第一報復シナリオにおけるシミュレーションにより検証された。

ABSTRACT

Abstract — This paper considers the problem of decentralized goal assignment and trajectory generation for multi-robot networks when only local communication is available, and proposes an approach based on methods related to switched systems and set invariance. A family of Lyapunov-like functions is employed to encode the (local) decision making among candidate goal assignments, under which the agents pick the assignment which results in the shortest total distance to the goals. An additional family of Lyapunov-like barrier functions is activated in the case when the optimal assignment may lead to colliding trajectories, maintaining thus system safety while preserving the convergence guarantees. The proposed switching strategies give rise to feedback control policies which are scalable and computationally efficient as the number of agents increases, and therefore are suitable for applications including first-response deployment of robotic networks under limited information sharing. Simulations demonstrate the efficacy of the proposed method. I.

研究の動機と目的

• 局所的通信制限下におけるマルチロボットネットワークにおける分散型タスク割り当てと軌道生成を解決すること。
• 最適な割り当て選択であっても、軌道実行中に衝突を防ぐためにシステムの安全性を保証すること。
• エージェント数の増加に伴っても収束保証とスケーラビリティを維持すること。
• リアルタイム展開に適した計算効率の良いフィードバック制御ポリシーの開発。
• 情報共有を最小限に抑えた第一報復用ロボットネットワーク展開を可能にすること。

提案手法

• 最短総距離を最小化するタスク割り当てをローカル意思決定に統合するため、リャプノフ関数に類似した関数の族を用いる。
• これらのリャプノフ関数から導かれるスイッチング戦略により、ローカル情報に基づいて動的に割り当てを更新する。
• 最適な割り当てが軌道衝突のリスクを生じる場合には、追加のリャプノフ関数に類似したバリア関数の族を活性化し、安全性を保証する。
• 両関数族を統合したスイッチング論理により、収束を維持しながら衝突回避を強制する。
• スイッチング戦略からフィードバック制御ポリシーを合成し、スケーラブルかつ分散型の実行を可能にする。
• 本手法は計算効率が高く、大規模マルチロボットシステムに適した設計である。

実験結果

リサーチクエスチョン

• RQ1 局所的通信しか利用できないマルチロボットネットワークで、分散型タスク割り当てをどのように達成できるか？
• RQ2 最適な割り当てへの収束を保証すると同時に衝突を回避する制御戦略は何か？
• RQ3 中央集権的制御やグローバル情報なしで、安全性をどのように維持できるか？
• RQ4 エージェント数の増加に伴って、提案手法のスケーラビリティはどの程度向上するか？
• RQ5 本手法は、第一報復用ロボットネットワーク展開に効果的に適用可能か？

主な発見

• 提案手法は、ローカル情報と通信のみを用いて、タスクの総距離を最小化する分散型タスク割り当てを達成する。
• バリア関数の統合により、最適な割り当てが衝突を引き起こす場合でも、衝突のない軌道を保証する。
• リャプノフ関数に基づくスイッチング戦略により、提案制御ポリシー下で安定な割り当てへの収束が保証される。
• 局所的計算と通信要件のため、エージェント数の増加に伴って効率的にスケーリングされる。
• シミュレーションにより、情報共有を最小限に抑えた第一報復展開シナリオにおける手法の有効性が確認された。
• フィードバック制御ポリシーは計算効率が高く、大規模ロボットネットワークにおけるリアルタイム実装に適している。