[论文解读] Decentralized Goal Assignment and Trajectory Generation in Multi-Robot Networks.

Dimitra Panagou, Matthew Turpin+1 more|arXiv (Cornell University)|Feb 15, 2014

Distributed Control Multi-Agent Systems参考文献 24被引用 3

一句话总结

本文提出了一种在多机器人网络中使用类似李雅普诺夫函数的去中心化方法，用于目标分配与轨迹生成，通过局部选择最优且无碰撞的分配方案。结合基于李雅普诺夫函数与障碍函数的切换策略，该方法确保了安全性、收敛性与可扩展性，且通信需求最小化，已在首次响应场景的仿真中得到验证。

ABSTRACT

Abstract — This paper considers the problem of decentralized goal assignment and trajectory generation for multi-robot networks when only local communication is available, and proposes an approach based on methods related to switched systems and set invariance. A family of Lyapunov-like functions is employed to encode the (local) decision making among candidate goal assignments, under which the agents pick the assignment which results in the shortest total distance to the goals. An additional family of Lyapunov-like barrier functions is activated in the case when the optimal assignment may lead to colliding trajectories, maintaining thus system safety while preserving the convergence guarantees. The proposed switching strategies give rise to feedback control policies which are scalable and computationally efficient as the number of agents increases, and therefore are suitable for applications including first-response deployment of robotic networks under limited information sharing. Simulations demonstrate the efficacy of the proposed method. I.

研究动机与目标

• 解决在仅限本地通信条件下多机器人网络中的去中心化目标分配与轨迹生成问题。
• 通过防止轨迹执行过程中的碰撞来确保系统安全，即使在最优分配选择下亦如此。
• 在代理数量增加时保持收敛性保证与可扩展性。
• 开发计算高效的反馈控制策略，适用于实时部署。
• 实现在信息共享最少条件下的首次响应机器人网络部署。

提出的方法

• 该方法采用一族类似李雅普诺夫函数，以编码局部决策，选择使总距离至目标最小的分配方案。
• 基于这些李雅普诺夫函数推导出切换策略，根据本地信息动态更新分配。
• 当最优分配可能导致轨迹碰撞时，激活另一族类似李雅普诺夫的障碍函数，以确保安全性。
• 切换逻辑整合两族函数，以在保持收敛性的同时强制实现防撞。
• 从切换策略中合成反馈控制策略，实现可扩展且分布式的执行。
• 该方法设计为计算高效，适用于大规模多机器人系统。

实验结果

研究问题

• RQ1 如何在仅依赖本地通信的多机器人网络中实现去中心化目标分配？
• RQ2 何种控制策略可确保在避免碰撞的同时收敛至最优分配？
• RQ3 如何在无集中协调或全局信息的情况下维持安全性？
• RQ4 随着代理数量的增加，所提方法的可扩展性如何？
• RQ5 该方法能否在首次响应机器人网络部署中有效应用？

主要发现

• 所提方法仅使用本地信息与通信，即可实现最小化至目标总距离的去中心化目标分配。
• 障碍函数的集成确保了即使在最优分配可能导致冲突的情况下，轨迹仍为无碰撞。
• 基于李雅普诺夫函数的切换策略在所提控制策略下保证了收敛至稳定分配。
• 由于其局部计算与通信需求，该方法在代理数量增加时仍能高效扩展。
• 仿真结果证实了该方法在信息共享有限的首次响应部署场景中的有效性。
• 反馈控制策略计算高效，适用于大规模机器人网络的实时实现。