Task Coordination and Trajectory Optimization for Multi-Aerial Systems via Signal Temporal Logic: A Wind Turbine Inspection Study

📄 arXiv: 2410.06620v2 📥 PDF

作者: Giuseppe Silano, Alvaro Caballero, Davide Liuzza, Luigi Iannelli, Stjepan Bogdan, Martin Saska

分类: cs.RO

发布日期: 2024-10-09 (更新: 2025-01-08)

备注: 2 pages, Accepted for discussion at the workshop session "Formal methods techniques in robotics systems: Design and control" at IROS'24 in Abu Dhabi, UAE

💡 一句话要点

提出基于信号时序逻辑的多无人机协同风力涡轮机检测任务分配与轨迹优化方法

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 多无人机系统 协同任务规划 信号时序逻辑 轨迹优化 风力涡轮机检测

📋 核心要点

  1. 现有无人机集群检测任务缺乏对时间约束和突发事件的有效处理，难以保证任务的可靠性和效率。
  2. 论文提出基于信号时序逻辑（STL）的任务规划方法，结合事件触发重规划机制和鲁棒性评分，提升任务适应性和用户满意度。
  3. 通过仿真和实际场景实验验证了该方法在风力涡轮机检测中的有效性，证明了其安全性和可行性。

📝 摘要（中文）

本文提出了一种用于多旋翼无人机群协同检测任务的任务分配和轨迹生成方法，重点关注风力涡轮机的检测。该方法通过构建基于信号时序逻辑（STL）规范的优化问题，生成安全、可行的飞行路径，满足时间敏感的约束和车辆限制。事件触发的重规划机制用于处理意外事件和延误，而广义鲁棒性评分方法则结合了用户偏好并最大限度地减少了任务冲突。该方法通过MATLAB和Gazebo中的仿真以及在模拟场景中的现场实验进行了验证。

🔬 方法详解

问题定义：论文旨在解决多无人机系统在协同检测任务中，如何高效、安全地分配任务并生成满足时间约束和车辆限制的飞行轨迹的问题。现有方法在处理复杂任务规范、应对突发事件以及优化用户偏好方面存在不足，难以保证任务的鲁棒性和用户满意度。

核心思路：论文的核心思路是将任务规范形式化为信号时序逻辑（STL）公式，并将其转化为混合整数线性规划（MILP）问题，从而实现任务分配和轨迹优化的统一。通过事件触发的重规划机制，系统能够及时响应意外事件和延误，保证任务的顺利进行。同时，利用广义鲁棒性评分方法，系统能够根据用户偏好选择最优的任务分配方案。

技术框架：该方法的技术框架主要包括以下几个模块：1) 任务规范建模：使用STL公式描述任务的时间约束和空间约束。2) 任务分配与轨迹优化：将STL公式转化为MILP问题，求解最优的任务分配方案和飞行轨迹。3) 事件触发重规划：当发生意外事件或延误时，触发重规划机制，重新生成任务分配方案和飞行轨迹。4) 鲁棒性评分：根据用户偏好，对不同的任务分配方案进行评分，选择最优方案。

关键创新：该方法的关键创新在于：1) 将STL应用于多无人机协同任务规划，能够有效地处理复杂的时间约束和空间约束。2) 提出了一种事件触发的重规划机制，能够及时响应意外事件和延误，保证任务的鲁棒性。3) 引入了广义鲁棒性评分方法，能够根据用户偏好选择最优的任务分配方案。

关键设计：在任务分配与轨迹优化模块中，论文将STL公式转化为MILP问题，其中决策变量包括无人机的任务分配、飞行轨迹点的位置和时间等。目标函数包括最小化任务完成时间、最小化飞行距离等。约束条件包括无人机的动力学约束、避障约束、时间约束等。在鲁棒性评分模块中，论文定义了鲁棒性函数，用于衡量任务分配方案的鲁棒性，鲁棒性函数的参数可以根据用户偏好进行调整。

📊 实验亮点

通过MATLAB和Gazebo仿真以及实际场景实验验证了该方法的有效性。实验结果表明，该方法能够生成安全、可行的飞行路径，满足时间约束和车辆限制，并能够有效地处理意外事件和延误。在风力涡轮机检测任务中，该方法能够显著提高检测效率和安全性。

🎯 应用场景

该研究成果可应用于多种多无人机协同任务场景，例如：风力涡轮机检测、桥梁检测、输电线路巡检、灾害救援、环境监测等。通过自动化的任务分配和轨迹规划，可以提高任务效率、降低人工成本，并提升任务的安全性。未来，该方法有望应用于更复杂的无人机集群控制系统，实现更高级别的自主化和智能化。

📄 摘要（原文）

This paper presents a method for task allocation and trajectory generation in cooperative inspection missions using a fleet of multirotor drones, with a focus on wind turbine inspection. The approach generates safe, feasible flight paths that adhere to time-sensitive constraints and vehicle limitations by formulating an optimization problem based on Signal Temporal Logic (STL) specifications. An event-triggered replanning mechanism addresses unexpected events and delays, while a generalized robustness scoring method incorporates user preferences and minimizes task conflicts. The approach is validated through simulations in MATLAB and Gazebo, as well as field experiments in a mock-up scenario.