[论文解读] Safe and Resilient Multi-vehicle Trajectory Planning Under Adversarial Intruder

Somil Bansal, Mo Chen+1 more|arXiv (Cornell University)|Nov 5, 2017

Robotic Path Planning Algorithms被引用 4

一句话总结

该论文提出了一种针对多车辆系统的鲁棒顺序轨迹规划（STP）框架，通过将重规划的车辆数量限制在用户定义的固定数量（与系统规模无关），从而在对抗性闯入者存在时保证安全性。该方法利用汉密尔顿-雅可比可达性分析计算最坏情况下的缓冲区域，确保可证明的安全性，同时保持线性可扩展性。

ABSTRACT

Provably safe and scalable multi-vehicle trajectory planning is an important and urgent problem. Hamilton-Jacobi (HJ) reachability is an ideal tool for analyzing such safety-critical systems and has been successfully applied to several small-scale problems. However, a direct application of HJ reachability to multi-vehicle trajectory planning is often intractable due to the "curse of dimensionality." To overcome this problem, the sequential trajectory planning (STP) method, which assigns strict priorities to vehicles, was proposed, STP allows multi-vehicle trajectory planning to be done with a linearly-scaling computation complexity. However, if a vehicle not in the set of STP vehicles enters the system, or even worse, if this vehicle is an adversarial intruder, the previous formulation requires the entire system to perform replanning, an intractable task for large-scale systems. In this paper, we make STP more practical by providing a new algorithm where replanning is only needed only for a fixed number of vehicles, irrespective of the total number of STP vehicles. Moreover, this number is a design parameter, which can be chosen based on the computational resources available during run time. We demonstrate this algorithm in a representative simulation of an urban airspace environment.

研究动机与目标

• 解决在拥有数千架无人机的城市空域中，对可证明安全且可扩展的轨迹规划的迫切需求。
• 克服传统STP在对抗性闯入者进入系统时的局限性，否则将触发全系统重规划。
• 确保所有车辆在最坏情况闯入者行为和有界扰动下仍能保持安全并达成目标。
• 设计一种与总车辆数量无关的重规划机制，使其适用于大规模部署。
• 通过将需要重规划的车辆数量限制在可调、计算上可管理的阈值内，实现实时运行。

提出的方法

• 应用汉密尔顿-雅可比（HJ）可达性分析，计算考虑最坏情况闯入者动力学和扰动的可达-避免集合与缓冲区域。
• 为每个STP车辆定义一个相对缓冲区域，以量化闯入者可能迫使进入规避机动的车辆最大数量。
• 引入一个设计参数 $\bar{k}$，表示可能需要重规划的车辆最大数量，该参数与总车辆数无关。
• 对STP车辆使用名义控制策略 $u^{\text{PP}}(\cdot)$，而在缓冲区域计算中假设闯入者和扰动的最坏行为。
• 通过可达性分析引入安全裕度，确保车辆在对抗性条件下仍保持在彼此危险区域之外。
• 利用并行化（GPU加速的CUDA）将规划和重规划时间从约15分钟缩短至 $\bar{k} = 3$ 时的30秒以内。

实验结果

研究问题

• RQ1 如何使顺序轨迹规划对对抗性闯入者具有鲁棒性，同时避免触发全系统重规划？
• RQ2 在最坏情况假设下，对抗性闯入者最多可迫使多少辆车进入规避机动？
• RQ3 能否独立于系统总规模，对需要重规划的车辆数量进行上限控制？
• RQ4 最坏情况可达性分析如何影响轨迹规划的系统密度和保守性？
• RQ5 在对抗性条件下，实时重规划的计算可行性如何？

主要发现

• 所提算法保证仅需重规划 $\bar{k}$ 辆车，其中 $\bar{k}$ 为用户定义的参数，且与总车辆数无关。
• 在旧金山的50辆车仿真中，闯入者仅迫使两辆车（$Q_1$ 和 $Q_2$）进入规避机动，与理论边界 $\bar{k} = 3$ 一致。
• 在CPU上，每辆车的规划与重规划耗时约15分钟，而使用GPU并行化的CUDA实现后，每辆车耗时缩短至9秒以内。
• 当 $\bar{k} = 3$ 时，所有车辆的总重规划时间低于30秒，证明了实时运行的可行性。
• 由于采用最坏情况假设，尤其在缓冲区域计算中存在保守性，若能获得更精确的名义车辆行为信息，可进一步降低保守性。
• 该方法在对抗性闯入者行为和有界扰动下，仍能保持所有STP车辆的可证明安全性与目标达成。