[论文解读] Fly Safe: Aerial Swarm Robotics using Force Field Particle Swarm Optimisation

Shan Luo, Lauren Parker|arXiv (Cornell University)|Jul 1, 2019

Robotic Path Planning Algorithms参考文献 22被引用 8

一句话总结

本文提出了一种新型的粒子群优化算法——力场粒子群优化（FFPSO），通过在速度更新方程中引入排斥力场，有效防止空中机器人集群中的碰撞。该方法实现了在三维空间中实时无碰撞目标搜索，将碰撞率降低至接近零，同时保持或提升了相比标准PSO的收敛速度。

ABSTRACT

Particle Swarm Optimisation (PSO) is a powerful optimisation algorithm that can be used to locate global maxima in a search space. Recent interest in swarms of Micro Aerial Vehicles (MAVs) begs the question as to whether PSO can be used as a method to enable real robotic swarms to locate a target goal point. However, the original PSO algorithm does not take into account collisions between particles during search. In this paper we propose a novel algorithm called Force Field Particle Swarm Optimisation (FFPSO) that designates repellent force fields to particles such that these fields provide an additional velocity component into the original PSO equations. We compare the performance of FFPSO with PSO and show that it has the ability to reduce the number of particle collisions during search to 0 whilst also being able to locate a target of interest in a similar amount of time. The scalability of the algorithm is also demonstrated via a set of experiments that considers how the number of crashes and the time taken to find the goal varies according to swarm size. Finally, we demonstrate the algorithms applicability on a swarm of real MAVs.

研究动机与目标

• 为解决标准PSO在应用于真实机器人集群（尤其是空中微型飞行器MAVs）时缺乏碰撞规避能力的问题。
• 开发一种可扩展且实用的方法，使机器人集群能够高效定位目标并避免碰撞。
• 在仿真和真实实验中均对所提出的算法进行验证，使用真实MAV集群进行测试。
• 证明将力场集成到PSO中可在消除粒子碰撞的同时保持或提升搜索性能。

提出的方法

• FFPSO通过在标准PSO速度更新方程中增加基于粒子间距离的排斥力场分量，实现对粒子间相互作用的控制。
• 评估了两种力场函数：线性（FFPSO-LIN）和平方反比（FFPSO-INV），二者均设计用于在粒子靠近时产生排斥力。
• 随着粒子间距离减小，力场强度增强，确保在碰撞发生前即推动粒子分离。
• 该算法保留了原始PSO的核心组件：对个体历史最优位置和个人最优位置的追踪，以引导搜索向目标方向进行。
• 由一个中心化服务器收集各粒子的个体最优位置，计算全局最优位置，并将结果广播给所有粒子，实现协同搜索。
• 该方法在不同规模的集群下进行了仿真测试，并在包含三架Crazyflie 2.0无人机的真实三维室内环境中完成了验证。

实验结果

研究问题

• RQ1 PSO能否被改进以实现真实机器人集群在三维空间中定位目标的同时避免碰撞？
• RQ2 人工力场的集成如何影响空中机器人集群的收敛时间与碰撞率？
• RQ3 FFPSO算法在不同集群规模下的可扩展性如何？具体表现为碰撞率与搜索时间的变化？
• RQ4 与仿真环境相比，FFPSO在真实物理MAV环境下的实际表现如何？
• RQ5 力场机制是否可调校，以在确保无碰撞导航的同时维持高效的搜索性能？

主要发现

• FFPSO-LIN在搜索过程中将粒子碰撞数减少至零，同时保持或略微提升了相比标准PSO的收敛时间。
• 在仿真中，FFPSO-LIN在所有测试的集群规模（3至20个粒子）下均实现了100%的目标定位成功率，且无任何碰撞发生。
• 使用三架Crazyflie 2.0无人机的真实实验表明，FFPSO-LIN成功引导集群在无碰撞情况下定位了两个连续目标。
• 最近一对MAV之间的距离曾短暂低于安全阈值，但力场机制立即增强排斥力，成功避免了碰撞。
• 真实飞行数据图（图7）显示，力场机制有效维持了安全间距，同时支持集群向目标的协调运动。
• 结果表明，FFPSO在真实部署中具备良好的可扩展性与鲁棒性，验证了其在搜救等安全关键应用中的潜在价值。