多机器人编队：为何要解决正确的问题

编队控制通过将成本函数编码为机器人维持的形状来简化最小化多机器人成本函数的任务。然而，通过将复杂的成本函数简化为编队，维持该形状与最小化原始成本函数之间会出现差异。例如， diamond 或 Box 编队形状常用于保护编队的所有成员。当更多关于周围环境信息变得可用时，静态形状往往不再最小化原始保护成本。我们提出了编队规划器，以减少编队与成本函数之间的偏差，同时仍然利用高效编队控制器。我们的编队规划器是一个两步优化问题，用于识别期望的相对机器人位置。我们首先解决一个受约束问题，以加权组合代理成本函数来估计非线性和非可微的成本。我们对该问题进行了理论分析，并识别了权重无需更新的情况。然后，使用机器人之间的相对位置来最小化加权、代理成本函数。通过从 lyapunov 直接方法派生的非合作编队控制器实现期望的相对位置。我们在模拟实验中展示了该方法的有效性，用于类似军事任务的成本，如保护和障碍规避。在模拟实验中，我们展示了编队规划器可将单个成本降低超过 75%。在同时最小化多种成本函数时，使用具有自适应权重的编队规划器可将成本降低 20-40%。编队规划通过最小化与原始成本函数高度吻合的代理成本函数来实现更好的性能，而不是依赖形状抽象。