SAFE-TAXI: A Hierarchical Multi-UAS Safe Auto-Taxiing Framework with Runtime Safety Assurance and Conflict Resolution

📄 arXiv: 2503.04942v1 📥 PDF

作者: Kartik A. Pant, Li-Yu Lin, Worawis Sribunma, Sabine Brunswicker, James M. Goppert, Inseok Hwang

分类: cs.RO

发布日期: 2025-03-06

备注: 7 pages,6 figures

💡 一句话要点

提出SAFE-TAXI框架，解决多无人机地面自动滑行中的安全保障与冲突消解问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱八：物理动画 (Physics-based Animation)

关键词: 无人机 自动滑行 安全保障 冲突消解 模型预测控制 控制屏障函数 分层控制 多智能体系统

📋 核心要点

  1. 多无人机自动滑行面临未知扰动、滑行道入侵和交叉口冲突等挑战，现有方法难以保证安全。
  2. SAFE-TAXI框架采用分层结构，将集中式时空规划与分布式MPC-CBF控制相结合，实现安全滑行。
  3. 通过数值模拟和实验验证，证明了SAFE-TAXI框架在解决冲突和避障方面的有效性。

📝 摘要（中文）

本文提出了一种分层安全自动滑行框架SAFE-TAXI，旨在提升多无人机系统（multi-UAS）的自动化地面操作能力。自动滑行问题面临诸多挑战，包括：(i)未知扰动，如影响飞机动力学的侧风；(ii)因计划外障碍物导致的滑行道入侵；(iii)滑行道多个入口点交叉口的时空冲突。为了解决这些问题，我们提出了一个分层框架，即SAFE-TAXI，它结合了集中式时空规划与基于MPC-CBF的分布式控制，以安全地引导飞机通过滑行道，同时避免交叉口冲突和计划外障碍物（例如，其他飞机或地面车辆）。我们提出的框架在时间上将自动滑行问题解耦为冲突消解和运动规划。冲突消解由集中式方法处理，为每架飞机计算考虑冲突的参考轨迹。相反，来自计划外障碍物的安全保障由基于MPC-CBF的控制器以分布式方式实现。我们通过数值模拟证明了我们提出的框架的有效性，并通过小型固定翼测试平台Night Vapor进行了实验验证。

🔬 方法详解

问题定义：论文旨在解决多无人机在机场地面自动滑行时面临的安全问题，包括侧风等未知扰动、突发障碍物导致的滑行道入侵，以及多无人机在交叉路口产生的时空冲突。现有方法在应对这些复杂情况时，难以保证无人机安全、高效地完成滑行任务。

核心思路：论文的核心思路是将自动滑行问题分解为冲突消解和运动规划两个阶段，并采用分层控制架构。集中式规划器负责全局的冲突消解，生成无冲突的参考轨迹；分布式MPC-CBF控制器则负责实时的安全保障，应对未知扰动和突发障碍物。这种分层结构能够兼顾全局效率和局部安全性。

技术框架：SAFE-TAXI框架包含两个主要模块：集中式冲突消解模块和分布式MPC-CBF控制模块。首先，集中式冲突消解模块根据无人机的初始状态和目标位置，生成考虑冲突的参考轨迹。然后，每个无人机上的分布式MPC-CBF控制器跟踪参考轨迹，同时利用CBF（Control Barrier Function）保证与障碍物和其他无人机的安全距离。

关键创新：该论文的关键创新在于将集中式冲突消解与分布式MPC-CBF控制相结合，形成一个分层的安全自动滑行框架。与传统的集中式或分布式方法相比，该框架能够更好地应对复杂环境中的各种挑战，保证无人机的安全性和效率。

关键设计：在集中式冲突消解模块中，采用了时空规划算法，考虑了无人机的动力学约束和冲突避免约束。在分布式MPC-CBF控制模块中，CBF的设计至关重要，它需要保证无人机与障碍物和其他无人机之间的安全距离。MPC的优化目标是跟踪参考轨迹，同时满足CBF约束。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

通过数值模拟和实验验证，SAFE-TAXI框架能够有效地解决多无人机自动滑行中的冲突和避障问题。实验结果表明，该框架能够保证无人机在复杂环境下的安全性和效率，显著提升了自动滑行的可靠性。

🎯 应用场景

SAFE-TAXI框架可应用于机场无人机自动滑行系统，提高机场运行效率，降低人工成本，并减少安全事故。该技术还可扩展到其他多智能体系统，如自动驾驶车辆、仓储机器人等，具有广阔的应用前景。

📄 摘要（原文）

We present a hierarchical safe auto-taxiing framework to enhance the automated ground operations of multiple unmanned aircraft systems (multi-UAS). The auto-taxiing problem becomes particularly challenging due to (i) unknown disturbances, such as crosswind affecting the aircraft dynamics, (ii) taxiway incursions due to unplanned obstacles, and (iii) spatiotemporal conflicts at the intersections between multiple entry points in the taxiway. To address these issues, we propose a hierarchical framework, i.e., SAFE-TAXI, combining centralized spatiotemporal planning with decentralized MPC-CBF-based control to safely navigate the aircraft through the taxiway while avoiding intersection conflicts and unplanned obstacles (e.g., other aircraft or ground vehicles). Our proposed framework decouples the auto-taxiing problem temporally into conflict resolution and motion planning, respectively. Conflict resolution is handled in a centralized manner by computing conflict-aware reference trajectories for each aircraft. In contrast, safety assurance from unplanned obstacles is handled by an MPC-CBF-based controller implemented in a decentralized manner. We demonstrate the effectiveness of our proposed framework through numerical simulations and experimentally validate it using Night Vapor, a small-scale fixed-wing test platform.