[論文レビュー] Enhancing Mobile Robot Navigation Safety and Efficiency through NMPC with Relaxed CBF in Dynamic Environments

Nhat Nguyen Minh, Stephen McIlvanna+3 more|arXiv (Cornell University)|Nov 21, 2022

Advanced Control Systems Optimization被引用数 4

ひとこと要約

本稿は、動的環境における障害物回避を保証するため、緩和された制御バリア関数（CBF）を統合した、非ホロノミックな移動ロボット向けの安全を重視した非線形モデル予測制御（NMPC）フレームワークを提案する。短い予測ホライズンにおけるNMPC定式化にCBF制約を組み込むことで、計算負荷を低減しつつも安全かつ最適な性能を達成し、予測ホライズンが短い状況下でも、Bug-Type（BT）制約を用いたNMPCより優れた性能を発揮する。

ABSTRACT

In this paper, a safety-critical control strategy for a nonholonomic robot is developed to generate control signals that result in optimal, obstacle-free paths through dynamic environments. We formulate the control synthesis problem as an Optimal Control Problem (OCP) that enforces Control Lyapunov Function (CLF) constraints for system stability as well as safety-critical constraints using Control Barrier Function (CBF) with a relaxing decay rate of the barrier function. A Nonlinear Model Predictive Control (NMPC) integrates with CLF and CBF to ensure system safety and facilitate optimal performance within a short prediction horizon, reducing the computational burden in real-time implementation. Additionally, we incorporate an obstacle avoidance constraint based on the Euclidean norm into the NMPC framework, showcasing the CBF approach's superiority in addressing mobile robotic systems' point stabilisation and trajectory tracking challenges. Through extensive simulations, the proposed controller demonstrates proficiency in static and dynamic obstacle avoidance under various scenarios. Experimental validations conducted using the Husky A200 robot align with simulation results, reinforcing the applicability of our proposed approach in real-world scenarios, notably improving the computational efficiency and safety in practical mobile robot applications.

研究の動機と目的

• 動的環境下での障害物回避を保証する、非ホロノミック移動ロボット向けの安全を重視した制御フレームワークの開発。
• リアルタイムでの安全保証を実現するため、制御バリア関数（CBF）を非線形モデル予測制御（NMPC）に統合すること。
• 短い予測ホライズンで効果的な障害物回避を可能にするために、計算負担を低減すること。
• ポイント安定化および軌道追従タスクにおける、NMPC-CBFの性能をBug-Type（BT）制約を用いたNMPCと比較すること。
• 予測ホライズンを変化させた状況下で、静的および動的障害物を伴うシミュレーションを用いて手法の妥当性を検証すること。

提案手法

• 差動駆動ロボットの非線形運動モデルを用いた離散時間NMPCコントローラーの定式化。
• 安全領域の前向き不変性を保証するため、NMPC最適化に緩和された制御バリア関数（CBF）制約を組み込む。
• Lyapunov安定性定理を用いて、NMPC-CBF定式化の安定性条件を導出する。
• ユークリッドノルムに基づく障害物回避制約を適用し、ポイント安定化および軌道追従の両タスクにおけるCBFの有効性を向上させる。
• 性能評価のため、比較用コントローラーとしてNMPCにおけるCBF制約をBug-Type（BT）制約に置き換える。
• 計算コストを低減するために、短い予測ホライズン（N=5またはN=10）を採用し、安全性および追従性能を維持する。

実験結果

リサーチクエスチョン

• RQ1 緩和されたCBFは、動的障害物環境下でNMPCに効果的に統合可能か？
• RQ2 ポイント安定化タスクにおいて、NMPC-CBFはBug-Type制約を用いたNMPCと比較してどのように性能を発揮するか？
• RQ3 CBFを用いることで、BTベースのNMPCに比べて短い予測ホライズンでも効果的な障害物回避が可能になる程度はどの程度か？
• RQ4 静的および動的障害物が存在する状況下でも、NMPC-CBFコントローラーはどのように追従性能を維持するか？
• RQ5 移動ロボットのナビゲーションにおいて、CBFをBT制約よりも用いることで、計算効率にどの程度の向上が得られるか？

主な発見

• N=5の予測ホライズンを用いた場合、NMPC-CBFは滑らかで障害物のない軌道を介してゴール姿勢に安定化させるが、NMPC-BTは障害物の間で閉じ込められ、ゴールに到達できない。
• N=5の条件下で、複数の静的および動的障害物を伴う動的環境下でも、NMPC-CBFはNMPC-BTよりも優れた軌道追従性能を達成する。
• CBFの導入により最適化問題のサイズが50%削減され、障害物が豊富な状況下で1ステップあたりの平均計算時間が9.3 msから9.1 msに短縮された。
• NMPC-CBFはN=5でも安全で安定した性能を維持するが、NMPC-BTは障害物による停止に起因する状態誤差ベクトルの大きなオーバーシュートを示す。
• CBFベースのアプローチにより、短い予測ホライズンで安全なナビゲーションが可能となり、リアルタイム実装に向けた計算負担が顕著に低減された。
• 障害物を伴う軌道追従タスクにおいて、NMPC-CBFはNMPC-BTよりも速く収束し、特に短いホライズン下でも低い追従誤差を維持する。