[论文解读] MRNAV: Multi-Robot Aware Planning and Control Stack for Collision and Deadlock-free Navigation in Cluttered Environments

Baskın Şenbaşlar, Pilar Luiz+2 more|arXiv (Cornell University)|Aug 25, 2023

Robotic Path Planning AlgorithmsComputer Science被引用 3

一句话总结

MRNAV 提出了一种分层多机器人导航架构，采用长、中、短时域决策模块，实现在存在静态和动态障碍物的复杂环境中的无碰撞、无死锁导航。该框架确保了实时可执行性、动态可行性，并对通信问题具有鲁棒性，在八架无人机会的模拟中实现了八小时不间断、无碰撞的运行。

ABSTRACT

Multi-robot collision-free and deadlock-free navigation in cluttered environments with static and dynamic obstacles is a fundamental problem for many applications. We introduce MRNAV, a framework for planning and control to effectively navigate in such environments. Our design utilizes short, medium, and long horizon decision making modules with qualitatively different properties, and defines the responsibilities of them. The decision making modules complement each other and provide the effective navigation capability. MRNAV is the first hierarchical approach combining these three levels of decision making modules and explicitly defining their responsibilities. We implement our design for simulated multi-quadrotor flight. In our evaluations, we show that all three modules are required for effective navigation in diverse situations. We show the long-term executability of our approach in an eight hour long wall time (six hour long simulation time) uninterrupted simulation without collisions or deadlocks.

研究动机与目标

• 解决多机器人团队在复杂、杂乱环境中存在静态和动态障碍物时的安全、无死锁导航挑战。
• 设计一种分层规划与控制架构，整合定性上不同的决策模块，而非将它们视为替代方案。
• 确保实时可执行性、动态可行性，并对通信缺陷（如消息丢失和延迟）具有鲁棒性。
• 在多种环境（包括森林和迷宫）中展示长期系统稳定性和有效性，即使存在动态障碍物。
• 验证长、中、短时域三个决策模块在所有场景中协同作用对实现鲁棒性能的必要性。

提出的方法

• 该框架采用三种不同的决策模块：长时域（LH-NDM）用于全局路径规划并保证完备性，中时域（MH-NDM）用于局部轨迹调整和死锁解除，短时域（SH-NDM）用于实时、反应式避碰。
• LH-NDM 使用基于优化的规划器（如 RRT* 或 A*）生成全局可行、动态可行的轨迹，确保在存在解时可抵达目标。
• MH-NDM 提供中间层推理，通过调整轨迹来解决局部死锁，同时遵守动态约束并保持系统活性。
• SH-NDM 在动作层面强制执行动态可行性和安全性，确保每次执行的动作均无碰撞，即使高层规划失败或偏离。
• 各模块通过明确定义的接口紧密集成，其中 SH-NDM 作为安全层，支持反应性和对轨迹偏差的恢复能力。
• 系统在支持电机速度控制、动态障碍物预测和通信缺陷的模拟多旋翼环境中实现并评估。

实验结果

研究问题

• RQ1 长、中、短时域决策模块的分层集成是否能在多样化的杂乱环境中实现无碰撞、无死锁导航，即使存在动态障碍物？
• RQ2 是否必须同时使用全部三个模块？是否存在任一模块单独使用即可在所有场景中有效的情况？
• RQ3 系统在通信延迟、消息丢失和动态障碍物不可预测性下如何维持长期稳定性和安全性？
• RQ4 当长时域规划因动态障碍物而失败时，中时域规划在解决局部死锁中起到何种作用？
• RQ5 在轨迹偏离参考路径时，SH-NDM 模块在多大程度上确保了执行过程中的动态可行性和安全性？

主要发现

• 只有长、中、短时域决策模块（LH+MH+SH）的组合配置能在所有测试环境（包括含动态障碍物的森林和迷宫）中实现无碰撞、无死锁导航。
• 在无动态障碍物的情况下，LH+SH 组合有效，但引入动态障碍物后即失效，原因在于缺乏中时域规划而无法处理动态避碰。
• SH-NDM 模块对安全性至关重要，所有成功配置均包含该模块，使其能够实现反应式避碰并从轨迹偏差中恢复。
• 系统成功执行了八小时不间断模拟（六小时模拟时间），八架四旋翼机在类似森林的环境中导航，包含300个动态障碍物，实现零碰撞和零死锁。
• 在 LH+SH 组合已有效的情况下，添加 MH-NDM 模块可延长导航时长，原因在于其施加的动态限制提升了实时可执行性，但对处理动态障碍物至关重要。
• 全局死锁解除需要全局推理，而只有 LH-NDM 模块能提供该能力，因此在迷宫等复杂环境中不可或缺，无论障碍物动态如何。