基于Gibbs随机场的多机器人拥挤环境启发式预测控制
机器人学
2024-07-10 v1
摘要
多机器人 flock 相较于单机器人系统在诸多领域具有显著优势,但在拥挤环境中确保安全和最优性能仍具挑战.因此本文聚焦于在拥挤环境中针对多机器人的分布式最优 flock 控制.提出一种基于Gibbs随机场(GRF)的启发式预测控制方案,其中生物仿生势函数用于刻画机器人-机器人及机器人-环境间的相互作用.通过在特定未来时刻最大化GRF的后验联合分布来获取最优解.开发了一种基于梯度的启发式求解方法,可显著加速最优控制的计算.还进行了数学分析以证明启发式解的有效性.设计了多个碰撞风险等级以提高动态环境中机器人的碰撞规避性能.该启发式预测控制方法基于不同指标在具有挑战性的仿真环境中进行了全面评估.通过与非启发式预测控制及两种现有流行的 flock 控制方法进行比较,验证了所提算法的优势.实验使用四个四旋翼无人机进行,进一步证明了所设计方案的效率.
关键词
引用
@article{arxiv.2407.06812,
title = {Heuristic Predictive Control for Multi-Robot Flocking in Congested Environments},
author = {Guobin Zhu and Qingrui Zhang and Bo Zhu and Tianjiang Hu},
journal= {arXiv preprint arXiv:2407.06812},
year = {2024}
}
备注
Accepted by IEEE/ASME Transactions on Mechatronics