面向超大规模聚类多智能体系统的分布式分层分布控制

随着多智能体机器人系统的规模和复杂性持续增长，本文考虑一类被称为超大规模多智能体系统（VLMAS）的系统，其维度可扩展至百万级智能体规模。具体而言，我们考虑在满足概率安全保证的前提下，将 VLMAS 所有智能体的状态分布引导至规定的目标分布的问题。基于此类系统通常具有多级分层聚类结构（智能体被组织为不同层级的团簇）这一关键假设，我们将此类团簇的控制与分布控制相关联，并引入分布式分层分布控制（DHDC）框架。所提方法包含两个子框架。第一个是分布式分层分布估计（DHDE），一种自底向上的分层去中心化算法，将各层级团簇的初始与目标配置与合适的高斯分布相关联。第二部分是分布式分层分布引导（DHDS），一种自顶向下的分层分布式方法，将各团簇与智能体的分布从 DHDE 指定的初始分布引导至目标分布。扩展至两百万智能体的仿真结果证明了所提框架的有效性与可扩展性。文中还展示了 DHDC 相较于相关方法在计算效率与安全性能上的提升。本工作结果表明，分层分布控制方法对于实现 VLMAS 的安全且可扩展控制方案具有重要意义。所有结果的视频见 https://youtu.be/0QPyR4bD2q0 。