[论文解读] Distributed Formation Control for Autonomous Robots in Dynamic Environments

Anh Duc Dang, Hung Manh La+2 more|arXiv (Cornell University)|May 4, 2017

Distributed Control Multi-Agent Systems参考文献 7被引用 9

一句话总结

该论文提出了一种在动态环境中使用人工力场引导机器人向虚拟节点聚集以形成期望形状（如V形、圆形）的分布式协同控制方法。该方法通过李雅普诺夫稳定性分析，结合旋转与排斥力场的创新组合，确保了无碰撞的稳定收敛，对凸形与非凸形障碍物均有效。

ABSTRACT

In this paper, we propose a novel and distributed formation control method for autonomous robots to follow the desired formation while tracking a moving target in dynamic environments. In our approach, the desired formations, which include the virtual nodes arranged into specific shapes, are first generated. Then, autonomous robots are controlled by the proposed artificial force fields in order to converge to these virtual nodes without collisions. The stability analysis based on the Lyapunov approach is given. Moreover, a new combination of rotational force field and repulsive force field in designing an obstacle avoidance controller allows the robot to avoid and escape the convex and nonconvex obstacle shapes. The V-shape and circular shape formations with their advantages are utilized to test the effectiveness of the proposed method.

研究动机与目标

• 使自主机器人能够在动态、充满障碍物的环境中保持期望的几何编队形态。
• 解决在存在凸形与非凸形障碍物的情况下实现无碰撞编队控制的挑战。
• 开发一种不依赖集中协调或全局信息的分布式控制策略。
• 通过基于李雅普诺夫的分析，确保机器人稳定收敛至虚拟编队节点。

提出的方法

• 预定义虚拟节点以形成特定的几何编队，如V形和圆形构型。
• 设计人工力场，引导每个机器人向其指定的虚拟节点运动，确保收敛。
• 采用混合力场，结合旋转与排斥分量，实现对凸形与非凸形障碍物的有效避障。
• 控制律为分布式，即每个机器人仅使用来自邻居和自身传感器的局部信息。
• 应用李雅普诺夫稳定性分析，证明机器人在所提控制律下可实现渐近收敛。
• 通过根据与障碍物的实时距离动态调整力场，实现障碍物避让。

实验结果

研究问题

• RQ1 在动态环境中，自主机器人如何在追踪移动目标的同时保持期望编队？
• RQ2 何种分布式控制策略可确保机器人无碰撞收敛至虚拟编队节点？
• RQ3 如何设计人工力场以有效应对凸形与非凸形障碍物？
• RQ4 在去中心化的编队控制框架中，何种机制可保证稳定性与收敛性？
• RQ5 所提方法是否能在目标动态运动与环境扰动下维持编队？

主要发现

• 所提方法在V形与圆形编队中均实现了机器人向指定虚拟节点的稳定收敛。
• 基于李雅普诺夫的稳定性分析证实，在所提控制律下系统可实现渐近收敛。
• 旋转与排斥力场的组合有效实现了对凸形与非凸形障碍物的避障。
• 控制方案的分布式特性确保了可扩展性与鲁棒性，且无需全局信息。
• 仿真结果表明，机器人能够成功追踪移动目标，同时保持编队并避开障碍物。