[论文解读] Dynamic Formation Reshaping Based on Point Set Registration in a Swarm of Drones

Jawad N. Yasin, Sherif A. S. Mohamed+5 more|arXiv (Cornell University)|Oct 29, 2020

Distributed Control Multi-Agent Systems参考文献 32被引用 3

一句话总结

本文提出了一种用于无人机蜂群的动态编队重塑算法，可在不减速的情况下通过障碍物之间的狭窄缝隙实现近似最优的重新配置。通过使用点集配准（point set registration）高效恢复原始编队，该方法最小化了路径偏差，并相较于传统感知避障方法将重新编队时间减少了14%。

ABSTRACT

This work focuses on the formation reshaping in an optimized manner in autonomous swarm of drones. Here, the two main problems are: 1) how to break and reshape the initial formation in an optimal manner, and 2) how to do such reformation while minimizing the overall deviation of the drones and the overall time, i.e., without slowing down. To address the first problem, we introduce a set of routines for the drones/agents to follow while reshaping to a secondary formation shape. And the second problem is resolved by utilizing the temperature function reduction technique, originally used in the point set registration process. The goal is to be able to dynamically reform the shape of multi-agent based swarm in near-optimal manner while going through narrow openings between, for instance obstacles, and then bringing the agents back to their original shape after passing through the narrow passage using point set registration technique.

研究动机与目标

• 解决在无人机蜂群动态障碍物导航过程中保持编队并最小化任务时间的挑战。
• 通过避免在编队重塑过程中减速或悬停，减少能耗和任务时长。
• 通过动态转换为队列编队，实现通过狭窄通道的平稳、连续导航。
• 在通过障碍物后，利用点集配准高效恢复原始编队形状。
• 在搜救或监视等时间关键的应用中，提升蜂群的可靠性和可扩展性。

提出的方法

• 蜂群采用领导者-跟随者架构，在重塑过程中动态重新选择领导者，以形成队列编队通过狭窄通道。
• 检测到障碍物后，领导者计算缝隙并调整蜂群以通过，同时跟随者通过临时领导者指派完成重新配置。
• 回转功能（Turn-Back）使用点集配准（PSR）计算最优目标位置，以重建原始编队。
• PSR被应用于最小化重新配置过程中的总体位移和偏差，利用温度函数降低以实现收敛。
• 通过局部通信和反馈控制，在智能体之间强制保持距离，以维持最小间距。
• 该算法在二维平面内运行，高度固定，优先保证持续前向运动，以减少能耗和任务时间。

实验结果

研究问题

• RQ1 如何使无人机蜂群在不减速的情况下动态重塑编队，以通过障碍物之间的狭窄缝隙？
• RQ2 在通过障碍物后，如何以最高效的方法恢复原始编队形状，同时最小化路径偏差？
• RQ3 与去中心化的局部重新配置相比，点集配准如何提升编队重新整合的速度和精度？
• RQ4 与标准的感知避障结合编队控制相比，所提方法在多大程度上减少了任务时间和能耗？
• RQ5 在重塑过程中动态重新选择领导者在多大程度上影响编队稳定性及无人机间距离的保持？

主要发现

• 与局部感知避障方法相比，DFRPSR算法将重新编队时间减少了14%，蜂群在97秒内恢复原始编队，而对比方法耗时111秒。
• 所有智能体在重塑过程中均保持了预设的最小距离，队列阶段无人机间距在7.81米至40米之间。
• UAV 1与UAV 2之间的最小距离为12.8米，最大距离达40米，这是由于过渡期间动态领导者变更所致。
• UAV 2在整个过渡过程中始终是UAV 4的领导者，其距离中位数为14.86米，最大距离为22.82米。
• 点集配准技术实现了快速且精确的重新定位，最小化了总体位移，确保了高效的重新编队。
• 该方法在静态二维环境中表现出可靠的性能，但其在三维环境中的扩展性以及空气阻力等环境因素的影响尚未经过测试。