[论文解读] Robust Connectivity Analysis for Multi-Agent Systems

Dimitris Boskos, Dimos V. Dimarogonas|arXiv (Cornell University)|Mar 24, 2015

Distributed Control Multi-Agent Systems参考文献 13被引用 5

一句话总结

该论文提出了一种用于多智能体系统的去中心化鲁棒控制框架，可在有界外部扰动下保证网络连通性。通过结合去中心化反馈控制律与有界自由输入项，该方法确保若初始智能体间距离和输入界满足特定条件，则连通性将在所有未来时间得到保持，从而可通过有限抽象实现可靠的运动规划。

ABSTRACT

In this report we provide a decentralized robust control approach, which guarantees that connectivity of a multi-agent network is maintained when certain bounded input terms are added to the control strategy. Our main motivation for this framework is to determine abstractions for multi-agent systems under coupled constraints which are further exploited for high level plan generation.

研究动机与目标

• 开发一种去中心化控制策略，即使在有界外部输入下也能保持多智能体系统的网络连通性。
• 在耦合约束下实现多智能体系统良好定义的有限抽象的构建。
• 通过确保在有界扰动下的鲁棒连通性和不变性，支持高层运动规划。
• 通过在边界附近添加排斥向量场，将该框架扩展至球形域。
• 提供关于初始相对距离和输入界的具体条件，以保证连通性在所有未来时间均成立。

提出的方法

• 设计一种形式为 $ u_i = k_i(x_i, x_{j_1}, \dots, x_{j_{|\mathcal{N}_i|}}) + v_i $ 的控制律，其中 $ v_i $ 为有界自由输入。
• 利用图拉普拉斯矩阵的特征值 $ \lambda_2(\mathcal{G}) $ 表征网络连通性，并推导相对智能体距离的界。
• 应用柯西-施瓦茨不等式，并将向量分解为平均分量与偏离分量，以界定智能体间距离。
• 在球形域边界附近引入排斥向量场，以确保解集的不变性，同时保持鲁棒连通性。
• 建立关于初始智能体间距离和输入幅值界充分条件，以保证连通性在所有未来时间成立。
• 利用拉普拉斯矩阵的谱性质及智能体状态的正交分解，推导鲁棒性界。

实验结果

研究问题

• RQ1 在何种初始相对距离和有界外部输入条件下，多智能体系统的网络连通性能在所有未来时间得到保持？
• RQ2 如何设计一种去中心化控制律，以在任意有界扰动下鲁棒地保持连通性？
• RQ3 当智能体被限制在有界球形域内时，鲁棒连通性特性是否仍能保持？
• RQ4 为确保在有界域内同时具备不变性和鲁棒连通性，控制律需要进行哪些修改？
• RQ5 如何利用该鲁棒框架为具有耦合约束的多智能体系统构建有限抽象？

主要发现

• 若连接智能体之间的初始相对距离及自由输入项的幅值满足适当的上界，则网络连通性可保证在所有未来时间成立。
• 只要初始智能体间距离相对于输入界足够大，则对所有有界输入信号 $ v_i $，鲁棒连通性特性均可保持。
• 在球形域边界附近引入排斥向量场，可确保解集不变性，同时保持鲁棒连通性。
• 该框架可支持单积分器多智能体系统有限抽象的构建，从而促进高层运动规划。
• 通过谱图论和向量分解技术，推导出控制输入和初始条件的显式界。
• 关键结果为：$ \lambda_2(\mathcal{G}) $，即拉普拉斯矩阵的第二小特征值，是扰动下连通性鲁棒性的关键度量。