基于黎曼运动策略的多机器人系统多目标策略生成

在许多应用中，多机器人系统需实现多个目标。对于这些多目标任务，往往难以设计单一控制策略同时达成所有目标。本文关注可分解为一组简单子任务的多目标任务。这些子任务的控制器被分别设计，再组合为整个团队的控策策略。我们工作的一大特征是子任务控制器与其底层流形一并设计。当一控制器与其他控制器组合时，其关联流形亦被纳入考量。该表述产生了一种多机器人系统策略生成框架，可组合面向多样目标的控制器，同时隐式处理机器人与子任务间交互。为描述流形上的控制器，我们采用黎曼运动策略（Riemannian Motion Policies, RMPs），并提出一组面向常见多机器人子任务的RMPs。 centralized与decentralized算法被设计用于将此类RMPs组合为最终控制策略。理论分析表明该控制策略下系统稳定。此外，我们证明许多现有多机器人控制器可被该框架紧密近似。所提算法通过仿真任务与机器人实现得以验证。