[论文解读] Optimization Based Solutions for Control and State Estimation in Non-holonomic Mobile Robots: Stability, Distributed Control, and Relative Localization

Mohamed Walid Mehrez Elrafei Mohamed Said|arXiv (Cornell University)|Jan 1, 2016

Robotic Path Planning Algorithms参考文献 3被引用 10

一句话总结

本论文提出基于优化的控制与状态估计方法，用于非完整移动机器人，采用模型预测控制（MPC）且无需终端约束或代价项，通过预测时域调节实现渐近稳定性。提出一种基于量化通信的分布式MPC用于多机器人编队控制，并构建一种基于移动时域估计（MHE）的框架，仅利用相对测量实现相对定位，实验验证了其在实时系统中的有效性。

ABSTRACT

Interest in designing, manufacturing, and using autonomous robots has been rapidly growing during the most recent decade. The main motivation for this interest is the wide range of potential applications these autonomous systems can serve in. The applications include, but are not limited to, area coverage, patrolling missions, perimeter surveillance, search and rescue missions, and situational awareness. In this thesis, the area of control and state estimation in non-holonomic mobile robots is tackled. Herein, optimization based solutions for control and state estimation are designed, analyzed, and implemented to such systems. One of the main motivations for considering such solutions is their ability of handling constrained and nonlinear systems such as non-holonomic mobile robots. Moreover, the recent developments in dynamic optimization algorithms as well as in computer processing facilitated the real-time implementation of such optimization based methods in embedded computer systems.

研究动机与目标

• 解决在受约束、非线性动力学下，通过实时优化实现非完整移动机器人的稳定控制问题。
• 设计一种模型预测控制（MPC）方案，确保在不依赖终端约束或代价项的情况下实现渐近稳定性。
• 通过基于区域划分的量化通信与微分更新机制，降低通信负载，实现多机器人系统（MRS）的分布式控制。
• 设计一种基于移动时域估计（MHE）的相对定位方法，使计算能力有限的机器人可通过高精度同伴仅利用相对测量实现定位。
• 将集中式MPC与相对MHE相结合，仅利用相对传感器数据实现MRS的完整控制与定位，实验验证于实时实验室系统。

提出的方法

• 基于有限时间可控制性与MPC代价函数的有界性，提出一种新颖的稳定性准则，确保在不使用终端约束的条件下实现渐近稳定性。
• 仅将预测时域长度作为唯一调节参数以保证闭环稳定性，替代传统方法中对终端代价与约束的依赖。
• 采用分布式MPC（DMPC）并结合一种新型基于量化的通信方案，将机器人所在区域进行划分，数据以整数形式交换，显著降低带宽需求。
• 引入微分通信机制，仅传输状态或控制输入的变化量，进一步减少数据传输量。
• 开发一种移动时域估计（MHE）框架，利用机器人对之间的相对距离与方位测量，估计计算能力较弱的机器人状态。
• 将集中式MPC与相对MHE相结合，实现仅利用相对测量的MRS全状态控制与定位，适用于嵌入式系统实际部署。

实验结果

研究问题

• RQ1 在MPC中，能否在不使用终端约束或代价项的情况下，保证非完整机器人控制的渐近稳定性？
• RQ2 在多机器人系统中，如何在保持稳定性与性能的前提下，最小化分布式MPC的通信负载？
• RQ3 能否仅利用机器人之间的相对测量，实现高精度的相对定位，尤其在部分机器人计算能力受限的情况下？
• RQ4 集中式MPC控制器与相对MHE在多大程度上可有效结合，以实现仅利用相对传感器数据的MRS全控制与全定位？
• RQ5 在嵌入式机器人系统中，基于优化的控制与估计方法的实际性能极限与实时可行性如何？

主要发现

• 通过合理选择预测时域长度，即可在MPC控制非完整机器人时保证渐近稳定性，无需引入终端约束或代价项。
• 所提出的分布式MPC中基于量化的通信方案将数据传输限制为整数，显著降低带宽使用，同时保持系统性能。
• 微分通信机制通过仅传输状态或控制输入的增量更新，进一步减少数据交换，提升大规模多机器人系统中的可扩展性。
• 相对MHE框架成功利用高精度同伴的相对测量，实现对计算能力较弱机器人的定位，适用于资源受限环境。
• 集成的MPC-MHE算法实现了仅利用相对传感器数据的多机器人系统实时控制与定位，实验室实验已成功验证。
• 实验验证结果证实，所提出的基于优化的控制与估计框架在真实世界嵌入式系统中具备实际可行性与鲁棒性。