Multi-Agent Motion Planning on Industrial Magnetic Levitation Platforms: A Hybrid ADMM-HOCBF approach

📄 arXiv: 2603.19838v1 📥 PDF

作者: Bavo Tistaert, Stan Servaes, Alejandro Gonzalez-Garcia, Ibrahim Ibrahim, Louis Callens, Jan Swevers, Wilm Decré

分类: cs.RO

发布日期: 2026-03-20

备注: 8 pages, 4 figures, accepted to the European Control Conference 2026

💡 一句话要点

提出一种混合ADMM-HOCBF方法，用于工业磁悬浮平台上的多智能体运动规划。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 多智能体系统 运动规划 模型预测控制 交替方向乘子法 控制障碍函数 磁悬浮平台 分散式控制

📋 核心要点

  1. 集中式MPC在多智能体系统中面临计算复杂度挑战，难以扩展到大量智能体。
  2. 结合分散式ADMM和集中式HOCBF，实现分散式MPC框架，保证安全性的同时提高可扩展性。
  3. 通过仿真和实际磁悬浮平台实验验证了方法的有效性、实时性和可扩展性。

📝 摘要（中文）

本文提出了一种用于全向多智能体系统的新型混合运动规划方法。所提出的分散式模型预测控制（MPC）框架通过结合分散式交替方向乘子法（ADMM）与集中式高阶控制障碍函数（HOCBF）架构，解决了经典集中式MPC在智能体数量增长时难以处理的问题，同时提供了安全保证。仿真结果表明，与经典的集中式MPC相比，该方法在可扩展性方面有显著提高。通过开发高效的C++实现，并将生成的轨迹部署在真实的工业磁悬浮平台上，验证了该方法的有效性和实时性。

🔬 方法详解

问题定义：论文旨在解决工业磁悬浮平台上多智能体系统的运动规划问题。传统的集中式模型预测控制（MPC）方法在智能体数量增加时，计算复杂度呈指数级增长，难以满足实时性要求。此外，保证多智能体系统在运动过程中的安全性也是一个重要挑战。

核心思路：论文的核心思路是将多智能体运动规划问题分解为多个子问题，利用分散式交替方向乘子法（ADMM）进行协调，从而降低计算复杂度。同时，采用集中式高阶控制障碍函数（HOCBF）来保证智能体之间的安全距离，避免碰撞。

技术框架：该方法采用混合架构，主要包含以下几个模块：1) 分散式MPC：每个智能体都有自己的MPC控制器，负责生成局部轨迹。2) ADMM协调：利用ADMM算法在智能体之间交换信息，协调局部轨迹，以达到全局优化目标。3) HOCBF安全约束：使用集中式HOCBF来生成安全约束，保证智能体之间的安全距离。4) C++实现：为了满足实时性要求，该方法采用高效的C++语言实现。

关键创新：该方法最重要的创新点在于将分散式ADMM与集中式HOCBF相结合，既降低了计算复杂度，又保证了安全性。与传统的集中式MPC相比，该方法具有更好的可扩展性，能够处理更多智能体的运动规划问题。

关键设计：论文中，ADMM算法的关键参数包括惩罚因子和收敛阈值，需要根据具体问题进行调整。HOCBF的设计需要考虑智能体的动力学模型和安全距离。此外，为了提高计算效率，论文采用了一些优化技巧，例如使用稀疏矩阵运算和并行计算。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

仿真结果表明，与经典的集中式MPC相比，该方法在可扩展性方面有显著提高。在真实的工业磁悬浮平台上进行了实验验证，结果表明该方法能够生成安全、实时的轨迹，并成功地控制多个智能体完成运动规划任务。论文开发了高效的C++实现，验证了该方法的实时性。

🎯 应用场景

该研究成果可应用于各种多智能体系统，例如自动化仓库、智能交通、无人机编队等。在自动化仓库中，多个磁悬浮平台可以协同工作，高效地完成物料搬运任务。在智能交通中，多个自动驾驶车辆可以协同行驶，提高交通效率和安全性。该方法具有很高的实际应用价值和广阔的应用前景。

📄 摘要（原文）

This paper presents a novel hybrid motion planning method for holonomic multi-agent systems. The proposed decentralised model predictive control (MPC) framework tackles the intractability of classical centralised MPC for a growing number of agents while providing safety guarantees. This is achieved by combining a decentralised version of the alternating direction method of multipliers (ADMM) with a centralised high-order control barrier function (HOCBF) architecture. Simulation results show significant improvement in scalability over classical centralised MPC. We validate the efficacy and real-time capability of the proposed method by developing a highly efficient C++ implementation and deploying the resulting trajectories on a real industrial magnetic levitation platform.