[论文解读] Decentralized Formation Control Part II: Algebraic aspects of information flow and singularities

Mohamed-Ali Belabbas|arXiv (Cornell University)|Jan 12, 2011

Distributed Control Multi-Agent Systems参考文献 10被引用 3

一句话总结

本文提出一个代数框架，用于分析多智能体系统中去中心化的形成控制问题，重点关注信息流约束与拓扑障碍。研究证明，对于 n=4 个智能体构成的有向形成，仅凭部分信息无法实现局部稳定反馈律；由于系统具有非平凡的全局拓扑结构，稳定期望配置的同时不可避免地也稳定了其他非期望的配置。

ABSTRACT

Given an ensemble of autonomous agents and a task to achieve cooperatively, how much do the agents need to know about the state of the ensemble and about the task in order to achieve it? We introduce new methods to understand these aspects of decentralized control. Precisely, we introduce a framework to capture what agents with partial information can achieve by cooperating and illustrate its use by deriving results about global stabilization of directed formations. This framework underscores the need to differentiate the knowledge an agent has about the task to accomplish from the knowledge an agent has about the current state of the system. The control of directed formations has proven to be more difficult than initially thought, as is exemplified by the lack of global result for formations with n \geq 4 agents. We established in part I that the space of planar formations has a non-trivial global topology. We propose here an extension of the notion of global stability which, because it acknowledges this non-trivial topology, can be applied to the study of formation control. We then develop a framework that reduces the question of whether feedback with partial information can stabilize the system to whether two sets of functions intersect. We apply this framework to the study of a directed formation with n = 4 agents and show that the agents do not have enough information to implement locally stabilizing feedback laws. Additionally, we show that feedback laws that respect the information flow cannot stabilize a target configuration without stabilizing other, unwanted configurations.

研究动机与目标

• 理解去中心化智能体实现协同形成控制所需的最小信息需求。
• 解决有向形成中全局稳定性的挑战，特别是针对 n ≥ 4 个智能体的情形。
• 区分去中心化控制环境中任务知识与状态知识的差异。
• 形式化部分信息反馈能够稳定目标形成的条件。
• 分析全局拓扑在即使采用局部反馈律的情况下仍阻碍全局稳定性的作用。

提出的方法

• 提出一个框架，将稳定性问题转化为由信息流约束导出的两组函数集合的交集问题。
• 运用代数拓扑方法对平面形成空间进行建模，并识别出非平凡的拓扑障碍。
• 引入全局稳定性的概念，考虑系统底层拓扑结构，超越传统的局部反馈方法。
• 分析信息流图，确定每个智能体可访问的状态变量。
• 采用代数技术，表征与部分信息兼容的稳定反馈律集合。
• 证明对于 n=4 的情形，任何尊重信息流结构的局部反馈律，都无法在不同时稳定虚假平衡点的情况下稳定期望配置。

实验结果

研究问题

• RQ1 具备部分信息的去中心化智能体能否实现有向形成的全局稳定？
• RQ2 哪些拓扑障碍会阻碍 n ≥ 4 个智能体形成中的全局稳定？
• RQ3 信息流结构如何限制稳定反馈律的设计？
• RQ4 是否可以设计出尊重信息流的反馈律，稳定目标配置而不稳定其他非预期的配置？
• RQ5 在部分信息条件下，稳定反馈存在的代数条件是什么？

主要发现

• 对于 n=4 个智能体构成的有向形成，不存在尊重信息流结构的局部反馈律，能够稳定期望配置。
• 由于拓扑约束，稳定目标配置不可避免地也稳定了其他额外的、非期望的平衡配置。
• 平面形成空间具有非平凡的全局拓扑结构，阻碍了通过局部反馈实现全局稳定。
• 判断部分信息反馈是否能稳定系统的问题，可归结为检查两组代数函数集合的交集。
• 该框架揭示了信息流结构与系统拓扑共同决定了稳定性的可行性。
• 研究结果揭示了去中心化控制中的一个根本性局限：即使智能体完全掌握任务知识，若其信息访问受限，也无法实现全局稳定。