[论文解读] Optimal Dynamic Formation Control of Multi-Agent Systems in Environments with Obstacles

Xinmiao Sun, Christos G. Cassandras|arXiv (Cornell University)|Aug 19, 2015

Distributed Control Multi-Agent Systems参考文献 24被引用 4

一句话总结

本文提出了一种在障碍物密集环境中进行多智能体系统动态编队控制的低代价重配置算法。通过求解混合整数非线性规划（MINLP）以确保连通性，并采用覆盖势场方法（CPA）进行优化，该方法在保持最小计算开销的同时，实现实时团队连通性，且维持最优编队性能。

ABSTRACT

We address the optimal dynamic formation problem in mobile leader-follower networks where an optimal formation is generated to maximize a given objective function while continuously preserving connectivity. We show that in a convex mission space, the connectivity constraints can be satisfied by any feasible solution to a mixed integer nonlinear optimization problem. When the optimal formation objective is to maximize coverage in a mission space cluttered with obstacles, we separate the process into intervals with no obstacles detected and intervals where one or more obstacles are detected. In the latter case, we propose a minimum-effort reconfiguration approach for the formation which still optimizes the objective function while avoiding the obstacles and ensuring connectivity. We include simulation results illustrating this dynamic formation process.

研究动机与目标

• 解决在障碍物破坏连通性和任务目标时，维持多智能体系统最优动态编队的挑战。
• 确保在存在障碍物的非凸任务空间中，编队重配置期间连通性得以保持。
• 在保持编队目标最优性（如覆盖最大化）的同时，最小化重配置工作量。
• 开发一种实时控制框架，实现在遇到障碍物时动态适应编队。
• 将离线优化（通过MINLP）与在线自适应（通过CPA）相结合，实现高效、可扩展的编队控制。

提出的方法

• 将最优编队控制问题建模为混合整数非线性规划（MINLP），在连通性约束下最大化给定目标函数（如覆盖），
• 采用领导者-跟随者架构，其中领导者沿预设轨迹运动，跟随者调整位置以维持最优编队。
• 在障碍物威胁连通性时，通过算法1中的投影方法实施最小代价重配置策略，仅更新受影响的智能体。
• 使用覆盖势场方法（CPA）对编队的局部最优解进行优化，输入为连通图。
• 在任务开始时离线求解MINLP以获得初始最优编队，随后使用CPA对其进行增强以提升性能。
• 使用基于树的图结构表示智能体连通性，在重配置过程中保持上游和下游节点集不变，以维持拓扑结构。

实验结果

研究问题

• RQ1 当障碍物破坏任务空间并威胁连通性时，如何在多智能体系统中维持最优动态编队？
• RQ2 在检测到障碍物后，恢复连通性和编队最优性所需的最小重配置工作量是多少？
• RQ3 在遭遇障碍物时，能否高效重建连通图，同时保持原始编队目标？
• RQ4 MINLP与CPA的结合如何提升非凸环境中的编队质量？
• RQ5 在不损害计算可行性或连通性的前提下，实时自适应能达到何种程度？

主要发现

• MINLP解在凸任务空间中保证连通性，确保任何可行解均满足所需智能体连通性要求。
• 使用CPA后，初始最优编队的目标函数值从H(s) = 741.5提升至H(s) = 816.7，表明性能显著提升。
• 在t = 5时，第5号智能体需通过投影避免失去连通性，但仅该智能体被更新，计算成本最低。
• 在t = 5至t = 12期间，编队保持树状结构，上游/下游节点集未变，表明重配置稳定。
• 在t = 12时，由于障碍物约束，编队结构发生变化，表明拓扑结构发生改变以维持连通性和性能。
• 至t = 35时，团队采用线性编队以穿越狭窄区域，最终目标值达到H(s) = 781.1，尽管仍低于初始最优值。