Decentralized Nonlinear Model Predictive Control for Safe Collision Avoidance in Quadrotor Teams with Limited Detection Range

📄 arXiv: 2409.17379v1 📥 PDF

作者: Manohari Goarin, Guanrui Li, Alessandro Saviolo, Giuseppe Loianno

分类: cs.RO, cs.MA

发布日期: 2024-09-25

备注: 7 pages, 5 figures, Submitted to the IEEE International Conference on Robotics and Automation (ICRA) 2025

💡 一句话要点

提出基于指数控制障碍函数的去中心化NMPC，解决四旋翼编队在有限感知范围内的安全避障问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 多旋翼编队 去中心化控制 非线性模型预测控制 控制障碍函数 安全避障 有限感知范围 无人机

📋 核心要点

  1. 现有基于控制障碍函数的多旋翼编队控制方法，忽略了执行器约束和有限感知范围，导致安全性和实用性受限。
  2. 提出一种去中心化非线性模型预测控制（NMPC），结合指数控制障碍函数（ECBFs），在有限感知范围内保证编队安全和优化性能。
  3. 通过仿真和真实实验验证，结果表明该方法在多旋翼编队安全避障方面具有有效性，并提供了安全范围的保守和实用界限。

📝 摘要（中文）

多旋翼飞行器系统在去中心化控制中面临重大挑战，尤其是在感知和通信受限情况下的安全性和协调性。现有方法利用控制障碍函数（CBFs）来提供安全保证，但通常忽略了执行器约束和有限的检测范围。为了解决这些问题，我们提出了一种新颖的去中心化非线性模型预测控制（NMPC），它集成了指数控制障碍函数（ECBFs），以增强多旋翼飞行器系统的安全性和最优性。我们提供了保守和实用的最小范围界限，以保持ECBFs的安全保证。通过对多达10个四旋翼飞行器和20个障碍物的广泛仿真以及对3个四旋翼飞行器的真实实验验证了我们的方法。结果表明，所提出的框架在实际环境中有效，突出了其在可靠的四旋翼飞行器团队操作中的潜力。

🔬 方法详解

问题定义：论文旨在解决多旋翼飞行器编队在去中心化控制中，由于感知范围有限和执行器约束，难以保证安全避障的问题。现有方法如直接应用控制障碍函数（CBFs）通常忽略了这些实际约束，导致在真实场景中可能出现安全问题，或者过于保守而影响性能。

核心思路：核心思路是将指数控制障碍函数（ECBFs）集成到去中心化非线性模型预测控制（NMPC）框架中。ECBFs能够提供更强的安全保证，同时NMPC能够处理非线性动力学和执行器约束。通过这种结合，可以在有限感知范围内实现安全且优化的编队控制。

技术框架：整体框架是一个去中心化的NMPC结构，每个四旋翼飞行器都运行一个独立的NMPC控制器。该控制器接收来自邻近飞行器和环境的局部感知信息，并使用ECBFs来约束其控制输入，以避免碰撞。NMPC优化器在满足安全约束的同时，最小化一个成本函数，该成本函数通常包括跟踪目标轨迹和控制输入能量等项。

关键创新：关键创新在于将ECBFs与NMPC相结合，并推导了在有限感知范围下保持ECBFs安全性的最小范围界限。传统的CBFs可能对感知误差非常敏感，而ECBFs通过指数形式的屏障函数，能够提供更强的鲁棒性。此外，论文还提供了保守和实用的范围界限，为实际应用提供了指导。

关键设计：ECBFs的设计是关键。具体来说，ECBFs定义了一个安全集，当系统状态位于该集合内时，可以保证系统不会进入不安全状态。ECBFs的参数需要仔细调整，以平衡安全性和性能。NMPC的优化问题需要高效求解，以满足实时性要求。此外，感知范围的界限需要根据具体的传感器性能和环境条件进行选择。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

通过仿真实验，验证了该方法在多达10个四旋翼飞行器和20个障碍物场景下的有效性。真实实验中，3个四旋翼飞行器成功实现了安全避障。实验结果表明，该方法能够在有限感知范围内提供可靠的安全保证，并实现较好的编队控制性能。论文还提供了安全范围的保守和实用界限。

🎯 应用场景

该研究成果可应用于无人机物流、无人机巡检、无人机表演等领域。通过保证多无人机系统在复杂环境中的安全性和可靠性，可以提高这些应用的效率和安全性。未来，该技术有望扩展到更大规模的无人机编队，并与其他技术如协同感知、任务分配等相结合，实现更高级的自主控制。

📄 摘要（原文）

Multi-quadrotor systems face significant challenges in decentralized control, particularly with safety and coordination under sensing and communication limitations. State-of-the-art methods leverage Control Barrier Functions (CBFs) to provide safety guarantees but often neglect actuation constraints and limited detection range. To address these gaps, we propose a novel decentralized Nonlinear Model Predictive Control (NMPC) that integrates Exponential CBFs (ECBFs) to enhance safety and optimality in multi-quadrotor systems. We provide both conservative and practical minimum bounds of the range that preserve the safety guarantees of the ECBFs. We validate our approach through extensive simulations with up to 10 quadrotors and 20 obstacles, as well as real-world experiments with 3 quadrotors. Results demonstrate the effectiveness of the proposed framework in realistic settings, highlighting its potential for reliable quadrotor teams operations.