面向多智能体目标监控的自由空间椭球图
机器人学
2022-06-01 v1
摘要
我们将一种用于分解和推理环境中自由空间的新框架应用于多智能体持久监控问题。我们的分解方法将自由空间表示为一组与加权连通图相关联的椭球。用于高层规划中推理连通性和距离的同一椭球，可用作模型预测控制（Model Predictive Control）算法中的状态约束以强制无碰撞运动。该结构便于在二维和三维环境的分布式多智能体任务中 streamlined 实现。我们以一个由跟踪智能体组成的团队监控一组目标智能体的任务来说明其有效性。我们的算法使用椭球分解作为跟踪智能体协调、路径规划与控制的基元。由四个跟踪智能体在障碍密集环境中监控十五个动态目标的仿真展示了我们算法的性能。
引用
@article{arxiv.2205.15473,
title = {Free-Space Ellipsoid Graphs for Multi-Agent Target Monitoring},
author = {Aaron Ray and Alyssa Pierson and Daniela Rus},
journal= {arXiv preprint arXiv:2205.15473},
year = {2022}
}
备注
IEEE Intl. Conf. on Robotics and Automation (ICRA) 2022