随机有限集理论与大规模协同 swarm 的集中式控制
系统与控制
2020-12-04 v4
摘要
控制大规模机器人智能体 swarm 面临诸多挑战，包括但不限于因智能体数量庞大导致的计算复杂性、swarm 中每个智能体功能的不确定性以及 swarm 构型的不确定性。本工作利用随机有限集（RFS）理论推广 swarm 状态，并通过模型预测控制（MPC）使用拟牛顿优化求解集中式控制问题，以克服上述挑战。本工作在未知或未指定智能体数量假设下利用 RFS 公式控制智能体分布。通过计算高效的 MPC 版迭代线性二次调节器（ILQR，微分动态规划（DDP）的一种变体）也获得了求解。利用信息散度借助修正的 距离定义 swarm RFS 与期望 swarm 构型之间的距离。使用 MPC 与 ILQR 的仿真结果表明 swarm 强度收敛于期望强度。此外，RFS 控制公式在 swarm 智能体数量与期望高斯混合构型方面表现出极大灵活性。最后，ILQR 与高斯混合概率假设密度滤波器联合用于解决具有不完美信息的航天器相对运动问题，以展示集中式 RFS 控制在该真实场景中的可行性。
引用
@article{arxiv.1810.00696,
title = {Random Finite Set Theory and Centralized Control of Large Collaborative Swarms},
author = {Bryce Doerr and Richard Linares and Pingping Zhu and Silvia Ferrari},
journal= {arXiv preprint arXiv:1810.00696},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:1801.07314