當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

【论文笔记】Enhanced Decentralized Autonomous Aerial Swarm with Group Planning

發布時間：2023/12/20 编程问答 41 豆豆

生活随笔收集整理的這篇文章主要介紹了【论文笔记】Enhanced Decentralized Autonomous Aerial Swarm with Group Planning 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

摘要：自主空中蜂群仍然是機器人技術的一大挑戰。該領域的現有工作可分為集中式和分散式。集中式方法面臨規模困境，而分散式方法往往導致規劃質量差。在本文中，我們提出了一個具有群規劃的增強型分散式自主空中群系統。根據智能體的空間分布，系統動態地將群體劃分為若干組和孤立的智能體。針對每個小組內的沖突，我們提出了一種新的協調機制，稱為小組規劃(group planning)。群體規劃包括高效的多智能體尋徑(multi-agent pathfinding)和軌跡聯合優化(trajectory joint optimization)，可以顯著提高規劃質量和成功率。我們的仿真和實際實驗表明，我們的方法不僅適用于大規模群體，而且具有頂級的規劃質量。

1.引言

2.相關工作

A.Multi-Agent Pathfinding

B.Aerial Swarm

3.增強式空中集群框架

4.高效多智能體尋徑

A.High-level Search

B.Low-level Search

5.群軌跡聯合優化

A.MINCO Trajectory Class

B.Joint Optimizaton problem Formulation

6.評估

A.Efficient Multi-Agent Pathfinding

B.Comparisons

C.The Large-scale Simulation

D.Discussion On Map Sharing

7.真機實驗

A.室內

B.室外

8.總結

1.引言

????????機器人群是機器人技術中的一項重大挑戰，在未來 5 到 10 年內將取得巨大的進步和影響[1]。空中蜂群作為蜂群社區的熱門話題，可以解決人類文明面臨的諸多挑戰，如自然災害、太空殖民、空中交通等。

????????從計算和通信資源的部署方式來看，空中集群規劃可分為集中式和分散式兩種。集中式方法[2]-[5]同時解決所有agent的規劃問題，然后將規劃方案分配給每個agent，但是agent之間的交互使復雜性組合增加。 此外，在線共享大型機器人群的信息是不切實際的。 上述問題阻礙了將集中式方法應用于現實世界中的大型機器人團隊。最近，我們的研究社區見證了去中心化方法 [6]-[8] 的出現，盡管它們可以通過分攤計算和通信來應用于更大規模的群體，但規劃僅使用單個agent的環境信息。 結果，規劃質量和成功率隨著規模的增加而下降，尤其是在障礙物密集的環境中。

????????針對上述問題，我們提出了一種具有群規劃的增強型分散式空中蜂群系統。本文解決了效率和質量的矛盾，平衡了個人和群體之間的協調，并為空中蜂群引入了一個強大而靈活的框架（圖3）。我們認為建設一個適用的大型空中機群的挑戰是雙重的。需要一個強有力的軌跡規劃骨干，以及靈活的分組機制來解決源自agent和環境的潛在沖突。當智能體聚集在一個狹窄的空間中時，我們根據它們的空間分布動態地形成若干組，而當它們分散時，我們將每個智能體視為一個獨立的個體。對于組，我們提出了一種稱為組規劃的方法，作為完全分散方法的可移植插件。它利用多個agent的完整信息進行軌跡規劃，其中可能會發生難以解決的相互碰撞。我們首先實現了一種在線多agent尋路（multi-agent pathfinding）方法來生成多個無沖突路徑。基于這些路徑，我們提出了一種軌跡優化方法，使得所有軌跡都能收斂到聯合最優解。利用我們的group planning策略，與[8]中的解決方案相比，提出的系統是一個顯著增強的分散系統。

????????我們將我們的方法與最先進的方法進行比較。實驗結果表明，該方法能以最少的重新規劃次數生成最短的飛行時間和軌跡距離。此外，我們實現了分布式自主空中集群的系統解決方案。而感知、規劃、控制和通信被集成到機載系統中。本文的貢獻概述如下：

1）：一種更有效的三維在線多智能體路徑查找方法，結合ECBS ?[9]，用于查找接近最優軌跡的多個無沖突路徑。

2）：增強的分散式自主空中集群系統，具有群體規劃，可按需進行聯合優化，以顯著提高規劃質量和成功率。

3）：我們系統的開放源代碼已通過仿真和實際實驗進行了廣泛驗證。