用于多智能体网络编队控制的集成感知、通信与控制技术

《Science China-Information Sciences》：Integrated sensing, communication, and control for multi-agent networked formation control

针对动态工业环境中AGV协同运输任务中的同步误差与通信延迟问题，提出基于ISCC整合感知、通信与控制的策略，包括动态障碍物风险图设计、MAPPO算法优化及通信周期动态分配机制，仿真显示同步误差降低59.9%，显著减少延迟与通行时间。

　　

摘要

本文研究了动态工业环境中的多智能体网络编队控制问题，其中多个自动引导车辆（AGV）在基站（BS）的协调下共同执行协作运输任务。在该系统中，每个智能体的局部感知能力有限且它们之间的频繁交互可能导致较大的同步误差和较高的闭环延迟，从而降低网络编队控制性能。为了解决这些挑战，我们提出了一种基于集成感知、通信和控制（ISCC）理念的新型通信-感知增强型多智能体编队控制策略。首先，我们建立了ISCC系统设计，以准确捕捉网络编队控制中感知、通信和控制之间的相互依赖关系。接着，我们利用条件风险价值（CVaR）设计了动态障碍物避让风险地图，该地图量化了通信延迟下的碰撞风险，从而有助于为平稳避让障碍物预留足够的时间，并降低紧急制动时的物料挤压风险。随后，我们将多智能体编队控制问题建模为部分可观测的马尔可夫决策过程，并通过利用全局ISCC状态通过多智能体近端策略优化（MAPPO）进行求解。此外，为了减少ISCC状态交互带来的额外开销，我们通过全局状态设计了一种动态通信周期分配机制，有效平衡了同步精度和通信开销。另外，我们采用了异构框架来缓解异构智能体之间的梯度冲突并提高控制效率。仿真结果表明，与基线策略相比，我们的策略通过减少误差至少提高了59.9%，显著降低了闭环延迟和行驶时间。