面向多机器人协调的分散树协议
论文提出分散式实时多机器人规划器 WarpWeaver，将机器人间耦合替换为局部约束，通过分散式列生成在共享空间协商租金，引导各机器人分散树搜索，并在静止时认证协议的近最优性。仿真中，WarpWeaver 在 Dynobench 上相比集中式离线规划器总行程时间最多减少 22%，相比分散式实时基线最多减少 37%，图连通性任务成功率提高近一倍；六台机器人板载规划硬件实验验证了可实施性。
发布于 10-23 23:01来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Dispersive Tree Agreements for Multi-Robot Coordination》查看原链
arXiv:2610.31540v1 公告类型：新论文 摘要：非线性系统的多机器人协调，通常被建模为在机器人群体约束下的联合空间最优控制问题。 现有追求联合最优的方法大多仍是集中式、离线的，且局限于无碰撞运动规划；而分散式、实时的对应方法则只以安全导航为目标，不追求联合最优。
本文提出一种分散式实时规划器，以 anytime 方式逼近联合最优。 我们扩展了近期一个单机器人框架，该框架针对微分平坦系统搜索前向传播指令构成的分散树，本文将其用于近最优地协调多机器人团队。 我们首先证明，机器人之间的耦合可以被一些局部约束有效替代；在这些局部约束下，局部生长的分散树包含一个近最优的协议。
机器人正是通过分散式列生成来追求这一结构，在共享空间上协商租金，以引导每个机器人树的搜索。 协商最终达成一个协议，其近最优性在静止时得到认证。 我们的协议 WarpWeaver 将这一协商实现为滚动时域上的异步实时循环，并证明即使实时截止时间使协商提前中断，也能有效收敛到静止协议。
在仿真中，WarpWeaver 在 Dynobench 套件上相比集中式离线规划器将总行程时间最多减少 22%，相比分散式实时基线最多减少 37%，并将一个任务专用规划器在图连通性上的成功率提高近一倍。 在六台机器人上进行板载规划的硬件实验，证明了其真实世界可实施性。