[論文レビュー] Velocity Field Generation for Density Control of Swarms using Heat Equation and Smoothing Kernels

Utku Eren, Behçet Açıkmeşe|arXiv (Cornell University)|Oct 1, 2017

Distributed Control Multi-Agent Systems参考文献 23被引用数 6

ひとこと要約

本稿では、熱方程式とカーネル密度推定を用いて、スワームの所望の空間的密度分布を達成するための分散型で滑らかな速度場制御手法を提案する。各エージェントは近隣の位置を用いて局所的に密度を推定し、密度誤差を最小化するための熱方程式を用いて速度場を計算し、衝突回避特性を有しながら目標分布に収束する。1000台のエージェントを用いたシミュレーションにより、Lenna画像の密度分布に一致する結果が得られた。

ABSTRACT

This paper presents a method to control the probability density distribution of a swarm of vehicles via velocity fields. The proposed approach synthesizes smooth velocity fields, which specify a desired velocity as a function of time and position in a decentralized manner i.e., each agent calculates the desired velocity locally by utilizing the number of agents within a prescribed communication distance. Swarm converges to the desired/commanded density distribution by following the velocity field. The local information consists, only, of agents' positions and it is utilized to estimate the density around each agent. Local density estimation is performed by using kernel density estimation. Then the local density estimates and the desired density are utilized to generate the velocity field, which propagates the swarm probability density distribution via the well-known heat equation. The key advantage of using smooth velocity fields to control swarm density with respect to our earlier Markov chain based probabilistic control methods is that the agents move more smoothly in an organized manner and their relative velocities go to zero as they get closer to each other, i.e., they facilitate conflict/collision avoidance. The desired density distribution, which is commanded to the local controllers, can be computed by using a Markov chain that propagates the desired density distribution within prescribed requirements. Along with convergence and stability analysis, the effectiveness of the approach is illustrated via numerical examples.

研究の動機と目的

• エージェントの位置情報のみを用いて、分散型で滑らかな速度場制御手法を開発し、スワームを所望の空間的密度分布に誘導すること。
• 現在の分布と所望の分布の間の局所的密度誤差を最小化するため、偏微分方程式に基づくフィードバック制御として熱方程式を活用すること。
• エージェント同士が近づくにつれて相対速度が0に近づくようにすることで、滑らかな運動を実現し、衝突回避を確保すること。
• 無限大のエージェント数（N→∞）を仮定したもとで、速度場コントローラーの理論的収束性と安定性を解析すること。
• Lenna画像のような複雑な密度パターンを再現する大規模スワームを用いた数値シミュレーションを通じて、本手法の有効性を実証すること。

提案手法

• 各エージェントは、多次元ガウスカーネルと帯域幅パラメータ h を用いたカーネル密度推定（KDE）により局所的密度を推定する。
• 速度場は、密度誤差（所望密度と推定密度の差）の勾配に基づいてエージェントを拡散する熱方程式を解くことで生成される。
• 熱方程式は、通信半径内に存在する自エージェント自身と近隣エージェントの位置情報のみを用いて、各エージェントが局所的に解く。
• 密度誤差を拡散によって最小化することで、滑らかな運動と所望密度への漸近的収束を実現する。
• 本手法は分散型である：グローバル情報やGPSは不要であり、各エージェントは自身の局所的密度推定値に基づいて速度を計算する。
• 理論的解析により、速度場が現在の密度が所望密度と一致する平衡状態にシステムを導くことが示され、リャプノフ関数を用いた漸近的安定性が証明されている。

実験結果

リサーチクエスチョン

• RQ1 エージェントの位置情報のみを用いて、分散型の速度場制御則を設計し、スワームを所望の空間的密度分布に誘導できるか？
• RQ2 フィードバックメカニズムとして熱方程式を用いることで、従来のマルコフ連鎖に基づく確率的制御手法と比較して、滑らかさと衝突回避性がどのように向上するか？
• RQ3 提案された速度場コントローラーのもとで、スワーム密度の収束挙動はいかなるものか？
• RQ4 カーネル帯域幅パラメータ h の選定が、有限エージェント数の状況における推定誤差と収束精度に与える影響は何か？
• RQ5 再調整なしに、エージェント総数 N の変化に対しても、本手法が所望の密度プロファイルを維持できるか？

主な発見

• 1000台のエージェントからなるスワームは、T=1000ステップのシミュレーション後、Lenna画像の密度分布に所望の分布に収束した。
• 現在の密度と所望の密度の間の平均二乗誤差（MSE）は時間経過とともに減少したが、カーネル密度推定の誤差により、恒久的な誤差が残存した。
• 速度場によりエージェントの運動が滑らかに保たれ、エージェント同士が近づくにつれて相対速度が0に近づくため、自然な衝突回避が実現された。
• 理論的解析により、漸近的収束が証明された：lim_{t→∞} f_R(t,x) = f_R^d(x) であり、これは時間無限大において現在の密度が所望の密度と一致することを意味する。
• 本手法は N の変化に対してロバストである：エージェント数が変化しても、速度場は所望の密度プロファイルの特徴を保持する。
• 局所的な一様性に起因する熱方程式の拡散の性質により、推定誤差のバイアスが O(h²) よりも良好な性能を示し、収束速度と精度が向上した。