数据驱动的共享障碍物工作空间中同构多智能体安全运动规划

《IEEE Open Journal of Control Systems》：SAFE–MA–RRT: Data-Driven Safe Motion Planning for Multi-Agent Systems

　　

摘要：

本文提出了一种完全数据驱动的运动规划框架，适用于在无显式系统模型的情况下，于共享且布满障碍物的工作空间中运行的同构线性多智能体系统。每个智能体通过求解凸半定规划问题，从实验数据中独立学习其闭环行为，从而生成局部不变椭球体及相应的状态反馈增益。这些以基于网格的路径点为中心的椭球体，可证明短距离转移的动态可行性，并界定安全操作区域。一种基于采样的规划器构建出此类路径点的树状结构，仅当相邻椭球体重叠时才允许转移，从而确保不变量到不变量的转移以及连续的安全性。所有智能体同时扩展各自的树，并通过时空预订表进行协调，该表通过防止同时占用和对向碰撞来保证智能体间的安全性。树中的每一条成功边都配备有自身的局部控制器，使系统能够在运行时无需重新求解优化问题即可执行。所生成的轨迹不仅具有动态可行性，而且相对于环境约束和智能体间碰撞均具有可证明的安全性。仿真结果表明，该方法仅使用数据和凸优化工具，即可在共享动力学和约束条件下，有效合成多个智能体的同步且安全的轨迹。