北京大学陈昱达, 李忠奎 | 复杂障碍物环境下的编队自适应变换(MOOP)

学术   2024-08-23 14:46   北京  

研究团队

陈昱达,李忠奎:北京大学工学院力学与工程科学系


文章下载

Yuda CHEN & Zhongkui LI. Formation adaptation in obstacle-cluttered environments via MPC-based trajectory planning. Sci China Inf Sci, 2024, doi: 10.1007/s11432-023-4031-y



研究意义

在集群系统中,多个智能体需要组成一定的编队构型来完成既定任务,与此同时为实现集群内协作,智能体间需要保持通信连接。而当集群按照既定编队构型运动时,将会无法穿过由障碍物所构成的狭窄空间,进而影响既定任务。针对此问题,需要提出一种编队队形变换方法来适应障碍物环境,在保证通信连接的前提下实现集群协同轨迹规划(图1)。

图 1 集群根据障碍物环境进行队形变换从而成功穿过狭窄过道

本文工作

为了解决以上问题,本文提出了一种基于编队自适应的集群轨迹规划方法,该方法由基于编队自适应的编队构型变换以及基于模型预测控制的轨迹规划两部分组成。
首先是编队自适应方法。在每一次重规划进程中,协调者会根据当前位置信息,利用最小二乘法估计编队位姿,并规划一条从该估计位置到目标位置的参考路径。基于参考路径预计当前编队状态,将会导出预估规划区域。之后将编队自适应问题构建为一个数值优化问题,并将智能体期望编队位置约束在预估规划区域中。求解以上数值优化问题可以获得最终期望编队构型以及智能体相应的临时目标位置。
智能体在获得临时位置后,将会使用模型预测控制(MPC)完成轨迹规划。具体而言,智能体会在本地构建一个数值优化问题。在该优化问题中,临时目标位置将以二次型的形式加入到代价函数中。此外还会在该优化问题中加入安全区域以及通信半径约束用于实现避障以及与其他智能体的通信连接。最后,由MPC获得轨迹将会被发送给底层控制器用于轨迹跟踪。
本文的创新点如下:
(1) 提出了一种基于数值优化的编队自适应算法可以实现障碍物环境下的编队自适应变换。
(2) 通过引入安全区域与通信半径的概念,使集群实现避障以及通信保持。
(3) 通过理论证明,保证了规划轨迹的安全性、可行性以及通信的连通性。

实验结果

本文所提出的集群轨迹规划在Crazyswarm无人集群平台上进行了验证。实验平台的基本框架如图2所示,其中Crazyswarm的基本单元是Bitcraze Crazyfile四旋翼无人机,其重量为27g,长度不超过15cm。这些微型无人机的运动数据将会被Opti-track室内动捕系统所捕捉并由Motive解析,最后的数据将会被工作站所获得。以上算法将会在工作站上运行,并由Crazyradio发送给无人机。实验中,无人机的最大速度被限制在1m/s,工作空间大小为4mx5m。

图2 Crazyswarm无人集群平台架构
第一个实验是3×3矩形结构的9个智能体穿过狭窄的区域。其中编队宽度大于2.3m,过道宽度仅1.3m。结果如图3所示,可以清楚地看出,编队在y轴上收缩以确保安全度过,整个运动过程仅需7s。

图3 第一个实验的真实轨迹图
第二个实验中(如图4),三角形和矩形障碍物组成了一个带有两个拐角的狭窄走廊。运动过程中,编队阵型首先缩小宽度进入走廊,然后向左偏移。之后编队一边横移一边转向,成扇形状到达目标位置。此次运动的持续时间仅为12s,这意味着该队形的平均速度可达0.7m/s——约为70%最大速度。

图4 第二个实验的真实轨迹图


在第三个实验中(如图5),5架四旋翼飞行器在“Z”字形的狭窄通道中飞行。经过一系列的编队自适应,大约10s后可以到达目标点。

图5 第三个实验的真实轨迹图
以上三个实验的无人机飞行数据如图6所示,具体实验过程可参见视频。

图6 从左到右分别是以上三个实验的结果,其中上图表示智能体相互之间的距离,下图表示智能体连线与障碍物之间的距离








中国科学杂志社
《中国科学》杂志社是国内外较具有影响力的科技期刊出版机构,目前主要产品包括《中国科学》系列、《科学通报》、《国家科学评论》、《国家科学进展》、《能源化学》和《医学+》等22种科技期刊,旨在见证中国科学发展,促进国际学术交流。
 最新文章