随机有限集理论与大规模协同群体的集中控制
摘要：用模型预测控制 (MPC) 解决大规模机器人群控制的问题。通过使用随机有限集 (RFS) 理论，解决了由于大量机器人，机器人功能的不确定性和机器人群的布局不确定性导致的计算复杂度等挑战。使用 RFS 表述来控制代理源的分布，假设代理源数量未知或未指定。采用改进的 $L_2^2$ 距离来定义代理源 RFS 与期望群配置之间的距离。MPC 和 ILQR 的模拟结果表明群强度收敛到期望强度。此外，RFS 控制表述在代理源数量和期望高斯混合布局的方面非常灵活。最后，ILQR 和高斯混合概率假设密度滤波器与机器人相对运动问题结合使用，展示了集中式 RFS 控制在这种现实世界情景中的可行性。
作者：Bryce Doerr, Richard Linares, Pingping Zhu, and Silvia Ferrari
论文ID：1810.00696
分类：Systems and Control
分类简称：cs.SY
提交时间：2020-12-04