解释性 AI 增强的多智能体机器人系统监督控制
机器人学
2025-09-22 v1 人工智能
系统与控制
系统与控制
摘要
我们提出了一种解释性 AI 增强的监督控制框架，用于多智能体机器人系统，结合了 (i) 用于安全、可审计模式切换的时序自动机监督器、(ii) 鲁棒的连续控制（用于大角度机动的 Lyapunov 控制器；用于精度和扰动抑制的滑模控制器 SMC 带边界层），以及 (iii) 将任务上下文映射到增益和预期性能（能耗、误差）的解释性预测器。蒙特卡洛驱动的优化提供训练数据，实现透明的实时权衡。我们在两个对比域中验证了该方法：航天器编队飞行和自主水下车 (AUV)。尽管两种环境不同（重力/执行器偏置 vs. 水动阻力/流动），但两者都具有不确定的六自由度 (6-DOF) 刚体动力学、相对运动以及紧跟需求，这使其成为通用机器人系统的典型代表。在太空任务中，监督逻辑选择满足任务准则的参数。在 AUV 领导-跟随测试中，相同的 SMC 结构在随机流动下保持固定偏移，稳态误差有界。在航天器验证中，SMC 控制器实现亚毫米对齐，跟踪误差比比例-微分 (PD) 控制器基线降低 21.7%，能耗降低 81.4%。同时，在 AUV 测试中，SMC 在随机流动下保持误差有界。这些结果凸显了该方法在安全关键、资源受限的多智能体机器人系统中具有良好的可移植性和可解释性。
引用
@article{arxiv.2509.15491,
title = {Explainable AI-Enhanced Supervisory Control for Robust Multi-Agent Robotic Systems},
author = {Reza Pirayeshshirazinezhad and Nima Fathi},
journal= {arXiv preprint arXiv:2509.15491},
year = {2025}
}