[论文解读] Distributed area coverage control with imprecise robot localization: Simulation and experimental studies

Sotiris Papatheodorou, Anthony Tzes+2 more|arXiv (Cornell University)|Dec 14, 2016

Distributed Control Multi-Agent Systems参考文献 17被引用 10

一句话总结

本文提出了一种在定位不确定性下针对凸区域中多机器人区域覆盖的分布式控制律，采用保证 Voronoi（GV）划分来定义每个机器人的责任区域。该方法通过基于梯度的控制律确保覆盖度的单调提升，经由仿真和差速驱动机器人实验验证，表现出对定位不精确的鲁棒性。

ABSTRACT

This article examines the area coverage problem for a network of mobile robots with imprecise agents' localization. Each robot has uniform radial sensing ability, governed by first order kinodynamics. The convex-space is partitioned based on the Guaranteed Voronoi (GV) principle and each robot's area of responsibility corresponds to its GV-cell, bounded by hyperbolic arcs. The proposed control law is distributed, demanding the positioning information about its GV-Delaunay neighbors. Simulation and experimental studies are offered to highlight the efficiency of the proposed control law.

研究动机与目标

• 解决在机器人定位不精确时多机器人系统区域覆盖的挑战。
• 开发一种仅使用 GV-Delaunay 邻居局部信息的分布式控制律。
• 在代理位置存在不确定性的情况下，确保覆盖目标函数的单调增加。
• 通过仿真和使用差速驱动机器人的实际实验验证所提出的控制律。

提出的方法

• 本文使用保证 Voronoi（GV）划分，根据不确定的定位信息定义每个机器人的责任区域，其中每个代理位于一个圆形不确定性区域内。
• GV 单元边界被表示为双曲弧线，其定义为：到两个不确定代理中心距离差等于其不确定性半径之和的点的轨迹。
• 基于 GV 划分推导出一种分布式梯度上升控制律，以最大化覆盖目标函数，确保覆盖度的单调提升。
• 提出一种次优控制律以降低计算复杂度，通过利用局部邻居信息简化梯度表达式获得。
• 在真实世界实验中实现并测试了该控制律，使用差速驱动机器人以验证其在真实世界不确定性下的性能。
• 理论分析与仿真研究对比了最优与次优控制律，评估了收敛性与覆盖效率。

实验结果

研究问题

• RQ1 当机器人定位存在不确定性时，如何实现有效的分布式区域覆盖？
• RQ2 何种空间划分方案最能有效考虑定位不确定性，同时支持分布式控制？
• RQ3 所提出的基于梯度的控制律如何在不确定性下确保覆盖目标函数的单调提升？
• RQ4 所提出的控制律在最优性与计算复杂度之间存在何种权衡？
• RQ5 与仿真结果相比，次优控制律在真实机器人实验中的表现如何？

主要发现

• 在已知 GV-Delaunay 邻居信息的假设下，理论分析证明最优控制律可确保覆盖目标函数的单调增加。
• 次优控制律在显著降低计算复杂度的同时实现了接近最优的覆盖性能，适用于低功耗机器人的实时实现。
• 仿真结果表明，次优控制律能收敛至稳定配置，并实现高覆盖效率，其性能与最优律非常接近。
• 使用差速驱动机器人的实验结果表明，在真实环境中成功实现了区域覆盖，验证了次优控制律在真实世界定位噪声下的鲁棒性。
• GV 划分方法在不确定性下有效界定了每个代理的责任区域，当 $ r^s \geq r_i^u $ 时可确保无重叠或覆盖空隙。
• 理论推导证实，两个代理 GV 单元之间的边界为双曲弧线，其焦点位于代理的估计位置，长轴长度等于其不确定性半径之和。