[논문 리뷰] Chance-constrained Model Predictive Control for Multi-Agent Systems

Daniel Lyons, Jan-P. Calliess외 1명|arXiv (Cornell University)|2011. 01. 01.

Advanced Control Systems Optimization참고 문헌 28인용 수 10

한 줄 요약

이 논문은 다중 에이전트 시스템에 대해 계산적으로 효율적인 확률적 제약 조건을 가진 모델 예측 제어(MPC) 접근법을 제안하며, 상호 간 충돌 확률을 낮추는 데 성공한다. 이는 확률적 경계를 기반으로 한 존재 확률 증가 영역(RIPP) 제약 조건을 도입하여, 고비용의 몬테카를로 샘플링을 필요로 하지 않고도 원래의 확률적 제약 조건 문제의 타당성을 보장함으로써 실시간 적용이 가능하게 한다. 이는 샘플 기반 방법과 비교해 약간의 준최적성만을 보이며, 실시간 성능을 확보한다.

ABSTRACT

We consider stochastic model predictive control of a multi-agent systems with constraints on the probabilities of inter-agent collisions. We first study a sample-based approximation of the collision probabilities and use this approximation to formulate constraints for the stochastic control problem. This approximation will converge as the number of samples goes to infinity, however, the complexity of the resulting control problem is so high that this approach proves unsuitable for control under real-time requirements. To alleviate the computational burden we propose a second approach that uses probabilistic bounds to determine regions with increased probability of presence for each agent and formulate constraints for the control problem that guarantee that these regions will not overlap. We prove that the resulting problem is conservative for the original problem with probabilistic constraints, ie. every control strategy that is feasible under our new constraints will automatically be feasible for the original problem. Furthermore we show in simulations in a UAV path planning scenario that our proposed approach grants significantly better run-time performance compared to a controller with the sample-based approximation with only a small degree of sub-optimality resulting from the conservativeness of our new approach.

연구 동기 및 목표

• 다중 에이전트 시스템에서 확률적 충돌 제약 조건을 수반하는 확률적 MPC의 계산 비가용성 문제를 해결하기 위해.
• 가우시안 가정이나 선형 제약 조건에 의존하지 않는 실시간 타당한 확률적 제약 조건 충돌 회피 방법을 개발하기 위해.
• 에이전트 상태 분포에 대한 확률적 경계를 사용하여 확률적 제약 조건을 보수적이지만 해석 가능한 형태로 재구성하기 위해.
• 불확실성 하에서 UAV 및 로봇 다중 에이전트 경로 계획에 대한 확률적 MPC의 실용적 구현을 가능하게 하기 위해.
• 제안된 방법이 샘플 기반 근사치에 비해 훨씬 빠른 런타임을 보이며 거의 최적의 성능를 달성함을 입증하기 위해.

제안 방법

• 샘플 기반 근사를 사용하여 상호 간 충돌 확률에 대한 확률적 제약 조건을 수립하며, 샘플 수가 증가할수록 진짜 확률에 수렴한다.
• 불확실한 에이전트 상태에 대한 확률 부등식을 적용하여 존재 확률 증가 영역(RIPP)을 도입함으로써, 충돌 방지를 위한 겹치지 않는 영역을 보장한다.
• 에이전트 간 RIPP 영역이 겹치지 않도록 하는 제약 조건을 유도하며, 이는 원래의 확률적 제약 조건 문제에 대해 증명 가능한 보수성(conservativeness)을 가진다.
• 에이전트 상태 분포의 1차 및 2차 모멘트(평균 및 공분산)만을 사용하며, 분포 형태에 대한 가정(예: 가우시안)을 제거한다.
• RIPP 제약 조건을 사용하여 확률적 MPC 문제를 혼합정수선형계획문제(MILP)로 재구성함으로써, 표준 솔버를 통해 효율적인 해를 구할 수 있도록 한다.
• RIPP 영역을 정의하기 위해 확률적 경계(예: 체비세프 유형 부등식)를 사용하며, 이는 높은 확률로 발생하는 상태를 보장된 신뢰 수준으로 포함한다.

실험 결과

연구 질문

• RQ1 다중 에이전트 시스템에 대해 샘플 기반 확률적 제약 조건 MPC의 계산 비가용성 문제를 해결할 수 있는 계산적으로 효율적인 대안을 개발할 수 있는가?
• RQ2 확률적 충돌 제약 조건을 어떻게 재구성하여 타당성을 유지하면서도 계산 복잡도를 감소시킬 수 있는가?
• RQ3 RIPP 기반 제약 조건이 복잡한 다변량 적분을 평가하지 않더라도 원래의 확률적 제약 조건 문제의 타당성을 보장할 수 있는가?
• RQ4 RIPP 제약 조건의 보수성은 샘플 기반 근사치에 비해 최적성에 얼마나 큰 영향을 미치는가?
• RQ5 제안된 방법은 일반화된 분포 가정 없이 비가우시안, 임의의 상태 분포에 대해서도 적용 가능한가?

주요 결과

• 제안된 RIPP 기반 방법은 원래의 확률적 제약 조건 MPC 문제에 대해 타당성을 보장한다. RIPP 제약 조건을 만족하는 모든 제어 전략은 진짜 충돌 확률 제약 조건 하에서도 자동으로 타당하다.
• 이 방법은 거의 최적의 성능를 달성한다: 시뮬레이션 결과에 따르면 샘플 기반 근사치에 비해 매우 작은 준최적성만을 보이며, 이는 거의 최적의 성능로 간주된다.
• 런타임 성능가 크게 향상되었다: RIPP 기반 MPC는 샘플 기반 접근보다 훨씬 빠르게 실행되어 실시간 제어가 가능하다.
• UAV 경로 계획 시나리오에서 RIPP 방법은 시간 단계 3에서 충돌 확률 0.7%를 달성하여 1% 이론적 기준을 크게 밑도었으며, 반면 강건 제어 방법은 28% 이상의 충돌 확률을 보였다. 이는 더 뛰어난 위험 통제 능력을 보여준다.
• 이 방법은 분포 무관성(distribution-agnostic)이다: 일반적인 확률 부등식을 사용하여 RIPP를 구성함으로써, 가우시안 분포 외의 임의의 상태 분포에 대해서도 적용 가능하다.
• 이 방법은 사용자가 충돌 확률에 대한 명시적 상한을 설정할 수 있도록 하여 임무 위험를 정밀하게 제어할 수 있다. 반면 강건 제어 방법은 이러한 직접적인 조정 가능성이 없다.