基于 CBF 启发风险测量的去中心化多智能体系统自适应死锁避免

去中心化安全控制在多智能体系统中发挥重要作用，因其可扩展性和鲁棒性且不依赖中央权威。然而，在没有显式全局协调器的情况下，去中心化控制方法往往容易陷入死锁——即系统达到平衡状态，导致机器人停滞。在本文中，我们提出了一种广义的去中心化框架，统一了控制李雅普诺夫函数（CLF）和控制障碍函数（CBF），以促进高效的任务执行并确保多智能体系统的无死锁轨迹。当智能体接近与死锁相关的不利平衡状态时，该框架能够检测该平衡状态并在发生之前驱离智能体。这是通过设计一个辅助 CBF 的次级死锁解决方案来实现的，以防止多智能体系统收敛到不利平衡状态。为了避免死锁解决方案对原始任务相关控制器产生主导效应，我们提出了一种使用 CBF 启发风险测量的死锁指示函数，并将其编码在统一框架中，使智能体能够自适应地确定何时激活死锁解决方案。这使智能体能够遵循其原始控制任务，并在必要时无缝解锁或停用死锁解决方案，从而有效提高任务效率。我们通过理论分析、数值模拟和真实世界实验证明了所提方法的有效性。