[论文解读] Semi-centralized control for multi-robot formation and theoretical lower bound

Shuo Wan, Jiaxun Lu+2 more|arXiv (Cornell University)|Sep 12, 2017

Distributed Control Multi-Agent Systems参考文献 3被引用 3

一句话总结

本文提出了一种用于多机器人编队的半集中式控制框架，通过匈牙利算法优化机器人到位置的分配，以最小化总移动距离。该方法利用信息论方法推导出编队偏差的理论下界，为系统设计提供指导，并通过仿真验证了该方法：随着测量次数增加，偏差降低，方差减小，量化率提高。

ABSTRACT

Multi-robot formation control enables robots to cooperate as a working group in completing complex tasks, which has been widely used in both civilian and military scenarios. Before moving to reach a given formation, each robot should choose a position from the formation so that the whole system cost is minimized. To solve the problem, we formulate an optimization problem in terms of the total moving distance and give a solution by the Hungarian method. To analyze the deviation of the achieved formation from the ideal one, we obtain the lower bound of formation bias with respect to system's parameters based on notions in information theory. As an extension, we discuss methods of transformation between different formations. Some theoretical results are obtained to give a guidance of the system design.

研究动机与目标

• 解决多机器人编队控制中的机器人位置分配问题，以最小化总移动距离。
• 量化实际编队与理想编队之间的偏差，定义为编队偏差。
• 利用信息论推导编队偏差的理论下界，以指导系统参数选择。
• 研究在最优中心选择下，不同编队配置之间的变换过程。
• 通过在不同系统参数下的仿真，验证理论边界与系统行为。

提出的方法

• 将机器人到位置的分配问题建模为分配问题，并使用匈牙利算法求解，以最小化总移动距离。
• 采用领导者-跟随者控制策略，每个机器人基于相对测量自主到达其分配位置。
• 将编队偏差定义为实际编队与理想编队之间的偏差，基于相对位置测量进行建模。
• 应用信息论工具，利用互信息和贝叶斯风险估计推导编队偏差的下界。
• 使用最小二乘拟合对仿真数据进行建模，并与理论下界进行比较。
• 在变换过程中，使用相同的分配与控制框架优化新编队中心的选择。

实验结果

研究问题

• RQ1 如何在多机器人编队中优化机器人到位置的分配，以最小化总移动距离？
• RQ2 在给定系统参数下，编队偏差的理论最小可实现值是多少？
• RQ3 测量方差、测量次数和量化率如何影响编队偏差？
• RQ4 在保持低偏差的前提下，变换不同编队的最优策略是什么？
• RQ5 编队偏差的理论下界与仿真结果的匹配程度如何？

主要发现

• 匈牙利方法能有效最小化机器人到位置分配中的总移动距离，确保初始位置分配最优。
• 仿真数据显示，随着测量次数增加，编队偏差降低，与理论预期一致。
• 测量方差越高，编队偏差越大，证实了编队精度对测量噪声的敏感性。
• 提高量化率可降低编队偏差，但高量化率下收益递减，表明分辨率与性能之间存在权衡。
• 利用信息论推导出的理论下界始终低于仿真结果，验证了其作为性能基准的有效性。
• 仿真结果与理论趋势高度一致，证实了所提出的理论下界在系统设计指导中的有效性。