LiveNet：面向受限环境中安全与活生存导航的稳健、 minimally侵入式多机器人控制
机器人学
2024-12-09 v1 多智能体系统
系统与控制
系统与控制
摘要
在人口稠密的真实世界环境中，机器人经常遇到受限且杂乱的情况，例如通过狭窄的门way、走廊和走廊交叉口时，由于空间受限导致冲突，从而引发碰撞或死锁。在当前的去中心化最先进的基于优化和神经网络的方法（1）主要为通用开放空间设计，（2）过于保守，要么保证安全，要么保证活性，但不能两者兼顾。虽然一些解决方案依赖集中式冲突解决，但其高度侵入性的轨迹使其在实际部署中难以实用。本文引入LiveNet，一个完全去中心化且稳健的神经网络控制器，使人类类 yielding 和通过，实现在拥挤、易发生冲突的空间中的敏捷、非保守、无死锁且安全的导航。LiveNet minimally侵入，不需要代理间的通信或合作行为。LiveNet背后的关键思想是一种统一的CBF公式，同时实现安全和活性，将其集成到神经网络中以实现稳健性。我们在仿真中评估了LiveNet，发现一般的多机器人优化和基于学习的导航方法甚至无法到达目标，而专为此类环境设计的方法虽然成功，但速度慢10-20倍、侵入性高4-5倍，对场景配置变化（如起点和目标变化等）的鲁棒性较差。我们在https://github.com/srikarg89/LiveNet开源LiveNet代码。
引用
@article{arxiv.2412.04659,
title = {LiveNet: Robust, Minimally Invasive Multi-Robot Control for Safe and Live Navigation in Constrained Environments},
author = {Srikar Gouru and Siddharth Lakkoju and Rohan Chandra},
journal= {arXiv preprint arXiv:2412.04659},
year = {2024}
}