Анализ устойчивости роя гетерогенных роботов с ограниченным полем зрения
Ключевые слова:
устойчивость, рой роботов, навигация, децентрализованный контроллерАннотация
Представлен анализ устойчивости роя гетерогенных роботов, где каждый робот имеет разный уровень чувствительности сенсоров и различные физические ограничения, включая максимальную скорость движения и ускорения. Каждый робот обладает уникальной областью восприятия в условиях ограниченного поля зрения. Изначально предлагался децентрализованный метод навигации для роя гетерогенных роботов, состоящего из ведущего робота и многочисленных ведомых роботов. С
децентрализованным методом навигации ведущий робот может направлять ведомых, поддерживая соединение и учитывая физические ограничения, уникальные для каждого робота. Данное исследование сосредоточено на анализе устойчивости равновесия такого роя ргетерогенных роботов. С математической точки зрения доказывается, что когда ведущий робот двигается с постоянной скоростью, форма и направление всех остальных ведомых роботов в конечном счете стремятся к равновесию. Чтобы продемонстрировать совпадение этого состояния равновесия, сперва необходимо доказать, что оно существует. Проводятся эксперименты и численные моделирования, чтобы подтвердить наличие стабильности, то есть достижение роем роботов состояния равновесия.
Литература
1. Şahin E. Swarm Robotics: From Sources of Inspiration to Domains of Application // Swarm Robotics. 2005. pp. 10–20.
2. Brambilla M., Ferrante E., Birattari M., Dorigo M. Swarm robotics: a review from the swarm engineering perspective // Swarm Intell. 2013. vol. 7. pp. 1–41.
3. Bayindir L. A review of swarm robotics tasks // Neurocomputing. 2016. vol. 172. pp. 292–321.
4. Ge X. et al. A survey on recent advances in distributed sampled-data cooperative control of multi-agent systems // Neurocomputing. 2018. vol. 275. pp. 1684–1701
5. Chung S. et al. Survey on Aerial Swarm Robotics // IEEE Trans. Robot. 2018. vol. 34. pp. 837–855.
6. Nedjah N., Junior L.S. Review of methodologies and tasks in swarm robotics towards standardization // Swarm and Evolutionary Computation. 2019. vol. 50. pp. 100565.
7. Kantaros Y., Thanou M., Tzes A. Distributed coverage control for concave areas by a heterogeneous Robot-Swarm with visibility sensing constraints // Automatica. 2015. vol. 53. pp. 195–207.
8. Teruel E., Aragues R., López-Nicolás G. A distributed robot swarm control for dynamic region coverage // Robot. Auton. Syst. 2019. vol. 119. pp. 51–63.
9. Durham J.W., Franchi A., Bullo F. Distributed pursuit-evasion without mapping or global localization via local frontiers // Auton. Robot. 2012. vol. 32. pp. 81–95.
10. Garcia-Aunon P., Roldán J., Barrientos A. Monitoring traffic in future cities with aerial swarms: Developing and optimizing a behavior-based surveillance algorithm // Cognitive Systems Research. 2019. vol. 54. pp. 273–286.
11. Kim T., Sugie T. Cooperative control for target-capturing task based on a cyclic pursuit strategy // Automatica. 2007. vol. 43. pp. 1426–431.
12. Kawakami H., Namerikawa T. Cooperative target-capturing strategy for multivehicle systems with dynamic network topology // Proc. of 2009 American Control Conference. 2009. pp. 635–640.
13. Miyata N., Ota J., Arai T., Asama H. Cooperative transport by multiple mobile robots in unknown static environments associated with real-time task assignment // IEEE Trans. Robot. Autom. 2002. vol. 18. pp. 769–780.
14. Chen J. et al. Occlusion-Based Cooperative Transport with a Swarm of Miniature Mobile Robots // IEEE Trans. Robot. 2015. vol. 31. pp. 307–321.
15. Xu M. et al. Collective Crowd Formation Transform with Mutual Information–Based Runtime Feedback // Comput. Graph. Forum. 2015. vol. 34. pp. 60–73.
16. Kobayashi Y., Endo T., Matsuno F. Distributed formation for robotic swarms considering their crossing motion // Journal of the Franklin Institute. 2018. vol. 355. pp. 8698–8722.
17. Dorigo M. et al. Swarmanoid: A Novel Concept for the Study of Heterogeneous Robotic Swarms // IEEE Robot. Autom. Mag. 2013. vol. 20. pp. 60–71.
18. Sabattini L., Secchi C., Chopra N. Decentralized Estimation and Control for Preserving the Strong Connectivity of Directed Graphs // IEEE Trans. Cybern. 2015. vol. 45. pp. 2273–2286.
19. Filotheou A., Nikou A., Dimarogonas D.V. Robust decentralised navigation of multi-agent systems with collision avoidance and connectivity maintenance using model predictive controllers // Int. J. Control. 2020. vol. 93. no. 6. pp. 1470–1484.
20. Yoo S.J., Park B.S. Connectivity preservation and collision avoidance in networked nonholonomic multi-robot formation systems: Unified error transformation strategy // Automatica. 2019. vol. 103. pp. 274–281.
21. Yoshimoto M., Endo T., Maeda R., Matsuno F. Decentralized navigation method for a robotic swarm with nonhomogeneous abilities // Auton. Robots. 2018. vol. 42. pp. 1583–1599.
22. Panagou D., Kumar V. Cooperative Visibility Maintenance for Leader–Follower Formations in Obstacle Environments // IEEE Trans. Robot. 2014. vol. 30. pp. 831–844.
23. Delimpaltadakis I.M., Bechlioulis C.P., Kyriakopoulos K.J. Decentralized Platooning With Obstacle Avoidance for Car-Like Vehicles With Limited Sensing // IEEE Robot. Autom. Lett. 2018. vol. 3. pp. 835–840.
24. Liu X., Ge S.S., Goh C. Vision-Based Leader–Follower Formation Control of Multiagents With Visibility Constraints // IEEE Trans. Control Syst. Technol. 2019. vol. 27. pp. 1326–1333.
25. Poonawala H.A., Spong M.W. Cooperative visibility maintenance in SE(3) for multirobot-networks with limited field-of-view sensors // Control Theory Technol. 2017. vol. 15. pp. 246–257.
26. Maeda R., Endo T. Matsuno F. Decentralized Navigation for Heterogeneous Swarm Robots With Limited Field of View // IEEE Robotics and Automation Letters. 2017. vol. 2. pp. 904–911.
27. Endo T., Maeda R. Matsuno F. Stability Analysis for Heterogeneous Swarm Robots with Limited Field of View // Proc. of 2019 Developments in eSystems Engineering (DeSE). 2019. pp. 27–32.
28. Alligood K.T., Sauer T.D., Yorke J.A. Chaos: An introduction to dynamical systems // Springer. 1996. 358 p.
29. Li Y., Muldowney J.S. On Bendixson’s criterion // J. Differ. Equations. 1993. vol. 106. pp. 27–39.
30. Sontag E.D. A remark on the converging-input converging state property // IEEE Trans. Automat. Contr. 2003. vol. 48. pp. 313–314.
2. Brambilla M., Ferrante E., Birattari M., Dorigo M. Swarm robotics: a review from the swarm engineering perspective // Swarm Intell. 2013. vol. 7. pp. 1–41.
3. Bayindir L. A review of swarm robotics tasks // Neurocomputing. 2016. vol. 172. pp. 292–321.
4. Ge X. et al. A survey on recent advances in distributed sampled-data cooperative control of multi-agent systems // Neurocomputing. 2018. vol. 275. pp. 1684–1701
5. Chung S. et al. Survey on Aerial Swarm Robotics // IEEE Trans. Robot. 2018. vol. 34. pp. 837–855.
6. Nedjah N., Junior L.S. Review of methodologies and tasks in swarm robotics towards standardization // Swarm and Evolutionary Computation. 2019. vol. 50. pp. 100565.
7. Kantaros Y., Thanou M., Tzes A. Distributed coverage control for concave areas by a heterogeneous Robot-Swarm with visibility sensing constraints // Automatica. 2015. vol. 53. pp. 195–207.
8. Teruel E., Aragues R., López-Nicolás G. A distributed robot swarm control for dynamic region coverage // Robot. Auton. Syst. 2019. vol. 119. pp. 51–63.
9. Durham J.W., Franchi A., Bullo F. Distributed pursuit-evasion without mapping or global localization via local frontiers // Auton. Robot. 2012. vol. 32. pp. 81–95.
10. Garcia-Aunon P., Roldán J., Barrientos A. Monitoring traffic in future cities with aerial swarms: Developing and optimizing a behavior-based surveillance algorithm // Cognitive Systems Research. 2019. vol. 54. pp. 273–286.
11. Kim T., Sugie T. Cooperative control for target-capturing task based on a cyclic pursuit strategy // Automatica. 2007. vol. 43. pp. 1426–431.
12. Kawakami H., Namerikawa T. Cooperative target-capturing strategy for multivehicle systems with dynamic network topology // Proc. of 2009 American Control Conference. 2009. pp. 635–640.
13. Miyata N., Ota J., Arai T., Asama H. Cooperative transport by multiple mobile robots in unknown static environments associated with real-time task assignment // IEEE Trans. Robot. Autom. 2002. vol. 18. pp. 769–780.
14. Chen J. et al. Occlusion-Based Cooperative Transport with a Swarm of Miniature Mobile Robots // IEEE Trans. Robot. 2015. vol. 31. pp. 307–321.
15. Xu M. et al. Collective Crowd Formation Transform with Mutual Information–Based Runtime Feedback // Comput. Graph. Forum. 2015. vol. 34. pp. 60–73.
16. Kobayashi Y., Endo T., Matsuno F. Distributed formation for robotic swarms considering their crossing motion // Journal of the Franklin Institute. 2018. vol. 355. pp. 8698–8722.
17. Dorigo M. et al. Swarmanoid: A Novel Concept for the Study of Heterogeneous Robotic Swarms // IEEE Robot. Autom. Mag. 2013. vol. 20. pp. 60–71.
18. Sabattini L., Secchi C., Chopra N. Decentralized Estimation and Control for Preserving the Strong Connectivity of Directed Graphs // IEEE Trans. Cybern. 2015. vol. 45. pp. 2273–2286.
19. Filotheou A., Nikou A., Dimarogonas D.V. Robust decentralised navigation of multi-agent systems with collision avoidance and connectivity maintenance using model predictive controllers // Int. J. Control. 2020. vol. 93. no. 6. pp. 1470–1484.
20. Yoo S.J., Park B.S. Connectivity preservation and collision avoidance in networked nonholonomic multi-robot formation systems: Unified error transformation strategy // Automatica. 2019. vol. 103. pp. 274–281.
21. Yoshimoto M., Endo T., Maeda R., Matsuno F. Decentralized navigation method for a robotic swarm with nonhomogeneous abilities // Auton. Robots. 2018. vol. 42. pp. 1583–1599.
22. Panagou D., Kumar V. Cooperative Visibility Maintenance for Leader–Follower Formations in Obstacle Environments // IEEE Trans. Robot. 2014. vol. 30. pp. 831–844.
23. Delimpaltadakis I.M., Bechlioulis C.P., Kyriakopoulos K.J. Decentralized Platooning With Obstacle Avoidance for Car-Like Vehicles With Limited Sensing // IEEE Robot. Autom. Lett. 2018. vol. 3. pp. 835–840.
24. Liu X., Ge S.S., Goh C. Vision-Based Leader–Follower Formation Control of Multiagents With Visibility Constraints // IEEE Trans. Control Syst. Technol. 2019. vol. 27. pp. 1326–1333.
25. Poonawala H.A., Spong M.W. Cooperative visibility maintenance in SE(3) for multirobot-networks with limited field-of-view sensors // Control Theory Technol. 2017. vol. 15. pp. 246–257.
26. Maeda R., Endo T. Matsuno F. Decentralized Navigation for Heterogeneous Swarm Robots With Limited Field of View // IEEE Robotics and Automation Letters. 2017. vol. 2. pp. 904–911.
27. Endo T., Maeda R. Matsuno F. Stability Analysis for Heterogeneous Swarm Robots with Limited Field of View // Proc. of 2019 Developments in eSystems Engineering (DeSE). 2019. pp. 27–32.
28. Alligood K.T., Sauer T.D., Yorke J.A. Chaos: An introduction to dynamical systems // Springer. 1996. 358 p.
29. Li Y., Muldowney J.S. On Bendixson’s criterion // J. Differ. Equations. 1993. vol. 106. pp. 27–39.
30. Sontag E.D. A remark on the converging-input converging state property // IEEE Trans. Automat. Contr. 2003. vol. 48. pp. 313–314.
Опубликован
2020-10-01
Как цитировать
Эндо, Т., Маэда, Р., & Мацуно, Ф. (2020). Анализ устойчивости роя гетерогенных роботов с ограниченным полем зрения. Информатика и автоматизация, 19(5), 942-966. https://doi.org/10.15622/ia.2020.19.5.2
Раздел
Робототехника, автоматизация и системы управления
Copyright (c) Такахиро Эндо, Рёма Маэда, Фумитоси Мацуно
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).