RVC-NMPC: Nonlinear Model Predictive Control with Reciprocal Velocity Constraints for Mutual Collision Avoidance in Agile UAV Flight

📄 arXiv: 2512.08574v1 📥 PDF

作者: Vit Kratky, Robert Penicka, Parakh M. Gupta, Ondrej Prochazka, Martin Saska

分类: cs.RO

发布日期: 2025-12-09

备注: 8 pages, 8 figures

💡 一句话要点

提出基于RVC约束的NMPC方法，用于敏捷无人机飞行中的相互避障

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 无人机 集群控制 避障 非线性模型预测控制 互易速度约束

📋 核心要点

  1. 现有无人机避障方法过度依赖通信，限制了其在复杂环境和大规模集群中的应用。
  2. 该论文提出一种基于可观测信息的互易速度约束（RVC）的NMPC方法，无需过多通信即可实现避障。
  3. 实验表明，该方法在保证安全性的前提下，显著提升了无人机集群的飞行效率，飞行时间减少31%。

📝 摘要（中文）

本文提出了一种基于非线性模型预测控制（NMPC）和时变互易速度约束（RVC）的相互避障方法。与现有方法不同，该方法仅依赖于对其他机器人的可观测信息，无需过度通信。高效的RVC计算算法，以及将这些约束直接集成到控制器级别的NMPC问题公式中，使得整个流程能够以100 Hz的频率运行。这种高处理速率，结合受控无人机的非线性动力学建模，是该方法用于敏捷无人机飞行的关键特征。通过模拟真实环境的广泛仿真（涉及多达10架无人机和高达25 m/s的速度）以及实际实验（加速度高达30 m/s$^2$）对所提出的方法进行了评估。与现有技术相比，在具有挑战性的场景中，飞行时间减少了31%，同时在所有试验中保持了无碰撞导航。

🔬 方法详解

问题定义：该论文旨在解决多无人机在敏捷飞行中相互避障的问题。现有的方法通常依赖于无人机之间频繁且大量的通信，以共享位置、速度等信息。这种依赖性在高密度、通信受限或易受干扰的环境中会成为瓶颈，限制了无人机集群的规模和灵活性。此外，许多方法没有充分考虑无人机的非线性动力学特性，导致在高速运动时性能下降。

核心思路：论文的核心思路是利用互易速度约束（Reciprocal Velocity Constraints, RVC）来保证无人机之间的安全距离，同时避免过度依赖通信。RVC基于可观测的相对位置和速度信息，计算出每个无人机应该避免的速度范围，从而实现分散式的避障。通过将RVC集成到非线性模型预测控制（NMPC）框架中，可以同时优化无人机的运动轨迹和避障策略，从而实现更高效和安全的飞行。

技术框架：整体框架包括以下几个主要模块：1. 感知模块：通过传感器获取其他无人机的相对位置和速度信息。2. RVC计算模块：基于感知信息，计算每个无人机的互易速度约束。3. NMPC优化模块：将RVC作为约束条件，结合无人机的非线性动力学模型，优化无人机的控制输入。4. 控制执行模块：将优化后的控制输入发送给无人机的执行器，控制无人机的运动。整个流程以100Hz的频率运行，保证了实时性和响应速度。

关键创新：该论文的关键创新在于将RVC与NMPC相结合，实现了一种高效且分散式的无人机避障方法。与传统的基于通信的避障方法相比，该方法减少了对通信的依赖，提高了系统的鲁棒性和可扩展性。此外，通过将RVC直接集成到NMPC的优化问题中，可以同时考虑运动规划和避障，从而实现更优的性能。高频率的控制循环也是保证敏捷飞行的关键。

关键设计：RVC的计算基于无人机之间的相对位置和速度，目标是避免无人机进入彼此的安全区域。NMPC的优化目标通常包括最小化控制输入、跟踪目标轨迹等。RVC作为不等式约束被添加到NMPC的优化问题中。论文中可能涉及到对NMPC的代价函数和约束条件进行调整，以平衡运动性能和避障安全性。具体的参数设置（如安全距离、速度约束范围等）需要根据实际应用场景进行调整。

🖼️ 关键图片

img_0

📊 实验亮点

该论文通过仿真和实际实验验证了所提出方法的有效性。在包含多达10架无人机和高达25 m/s速度的仿真场景中，该方法能够实现无碰撞导航。与现有技术相比，在具有挑战性的场景中，飞行时间减少了31%。实际实验中，无人机的加速度高达30 m/s$^2$，也验证了该方法在敏捷飞行中的适用性。

🎯 应用场景

该研究成果可应用于物流配送、环境监测、搜索救援、农业植保等领域，尤其是在需要多无人机协同作业且通信条件受限的场景下。通过减少对通信的依赖，该方法能够提高无人机集群的鲁棒性和可扩展性，从而实现更大规模、更复杂的无人机应用。未来，该方法可以进一步扩展到其他类型的机器人，如地面机器人和水下机器人。

📄 摘要（原文）

This paper presents an approach to mutual collision avoidance based on Nonlinear Model Predictive Control (NMPC) with time-dependent Reciprocal Velocity Constraints (RVCs). Unlike most existing methods, the proposed approach relies solely on observable information about other robots, eliminating the necessity of excessive communication use. The computationally efficient algorithm for computing RVCs, together with the direct integration of these constraints into NMPC problem formulation on a controller level, allows the whole pipeline to run at 100 Hz. This high processing rate, combined with modeled nonlinear dynamics of the controlled Uncrewed Aerial Vehicles (UAVs), is a key feature that facilitates the use of the proposed approach for an agile UAV flight. The proposed approach was evaluated through extensive simulations emulating real-world conditions in scenarios involving up to 10 UAVs and velocities of up to 25 m/s, and in real-world experiments with accelerations up to 30 m/s$^2$. Comparison with state of the art shows 31% improvement in terms of flight time reduction in challenging scenarios, while maintaining a collision-free navigation in all trials.