[논문 리뷰] Distributed Model Predicted Control of Multi-agent Systems with Applications to Multi-vehicle Cooperation

Yougang Bian, Changkun Du외 2명|arXiv (Cornell University)|2020. 09. 15.

Distributed Control Multi-Agent Systems참고 문헌 13인용 수 7

한 줄 요약

이 논문은 선형 동역학과 제어 입력 제약 조건을 가진 다중 에이전트 시스템을 위한 분산 모델 예측 제어(DMPC) 프레임워크를 제안하며, 국소 최적화와 이웃 기반 상태 경로 교환을 통해 점점 수렴하는 공통의 상태를 달성한다. 이 방법은 유한한 시리즈의 비용-다음 함수를 포함하는 새로운 리아푸노프 함수를 통해 재귀적 타당성과 닫힌 루프 안정성을 보장하며, 잠수함형 자율 항법 차량(AUV)과 연결된 자율 주행 차량(CAV) 협업 응용 사례를 통해 검증된다.

ABSTRACT

This paper proposes a distributed model predicted control (DMPC) approach for consensus control of multi-agent systems (MASs) with linear agent dynamics and bounded control input constraints. Within the proposed DMPC framework, each agent exchanges assumed state trajectories with neighbors and solves a local open-loop optimization problem to obtain the optimal control input. In the optimization problem, a discrete-time consensus protocol is introduced into update law design for assumed terminal states, with which asymptotic consensus of assumed terminal states and recursive feasibility are rigorously proved. Together with the optimal cost function, an infinite series of cost-to-go functions is introduced into the design of a Lyapunov function, with which closed-loop asymptotic consensus is finally proved. Two applications including cooperation of autonomous underwater vehicles (AUVs) and connected and automated vehicles (CAVs) are used to validate the effectiveness of the proposed DMPC approach.

연구 동기 및 목표

• 제어 입력의 범위 제약과 제한된 통신 조건이 존재하는 다중 에이전트 시스템에서 공통의 상태를 달성하는 데 도전 과제를 해결한다.
• 중앙 집중식 조율 없이도 재귀적 타당성과 안정성을 유지하는 분산 제어 프레임워크를 개발한다.
• 국소 최적화와 이웃 간 정보 교환을 활용해 자율 차량 간의 확장 가능하고 강건한 협업을 가능하게 한다.
• 무한한 수의 비용-다음 함수를 포함하는 새로운 리아푸노프 함수 설계를 통해 점점 수렴하는 공통의 상태를 확보한다.
• 실제 응용 사례인 자율 잠수함(AUV) 및 연결된 자율 주행 차량(CAV)과 같은 환경에서 접근 방식을 검증한다.

제안 방법

• 각 에이전트는 이웃 에이전트와 공유된 상태 경로를 사용하여 국소 개방 루프 최적화 문제를 해결한다.
• 가정된 종료 상태의 업데이트 법칙에 이산 시간 공통의 상태 도달 프로토콜을 통합하여 수렴을 촉진한다.
• 비용-다음 함수를 무한 급수 형태로 확장하고 이를 리아푸노프 함수에 통합하여 닫힌 루프 점점 수렴을 증명한다.
• 제약 조건 하에서 매 시간 단계에서 최적화 문제가 항상 해를 가지도록 보장함으로써 재귀적 타당성을 엄밀히 증명한다.
• 국소 최적화의 해를 바탕으로 제어 입력을 계산하여 입력의 유한성과 시스템 안정성을 확보한다.
• 선형 에이전트 동역학을 대상으로 하며, 대규모 다중 에이전트 시스템에서 확장 가능한 구현을 지원하도록 설계된다.

실험 결과

연구 질문

• RQ1 제어 입력 제약 조건이 존재하는 다중 에이전트 시스템에서 재귀적 타당성을 보장하는 분산 모델 예측 제어는 어떻게 설계할 수 있는가?
• RQ2 중앙 집중식 조율 없이도 점점 수렴하는 공통의 상태를 달성할 수 있는 제어 구조는 무엇인가?
• RQ3 분산 MPC 프레임워크에서 닫힌 루프 안정성을 증명하기 위해 리아푸노프 함수는 어떻게 구성할 수 있는가?
• RQ4 비용-다음 함수의 무한 급수는 안정성과 수렴성 확보에 어떤 역할을 하는가?
• RQ5 제안된 DMPC 접근 방식은 자율 잠수함(AUV) 및 연결된 자율 주행 차량(CAV)과 같은 실세계 다중 차량 협업 시나리오에서 어떻게 성능을 발휘하는가?

주요 결과

• 제안된 DMPC 프레임워크는 제어 입력 제약 조건이 유한할 경우 재귀적 타당성을 보장한다.
• 가정된 종료 상태의 점점 수렴은 통합된 이산 시간 공통의 상태 도달 프로토콜을 통해 달성된다.
• 무한 급수 형태의 비용-다음 함수를 포함하는 리아푸노프 함수를 사용하여 닫힌 루프 점점 수렴이 증명된다.
• 중앙 집중식 조율이나 전역 정보 없이도 안정성과 수렴성을 보장한다.
• 시뮬레이션 결과는 자율 잠수함(AUV) 편대 제어와 연결된 자율 주행 차량(CAV) 편대 주행에서 효과적인 협업을 보여준다.
• 이 프레임워크는 확장 가능하며 통신 범위가 제한된 다중 차량 시스템에서 실시간 구현에 적합하다.