Decentralized Contingency MPC based on Safe Sets for Nonlinear Multi-agent Collision Avoidance
作者: Max Studt, Georg Schildbach
分类: math.OC, cs.MA, cs.RO, eess.SY
发布日期: 2026-05-11
💡 一句话要点
提出一种基于安全集的去中心化应急模型预测控制（MPC）框架，解决非线性多智能体无通信避障问题。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 模型预测控制 多智能体系统 去中心化避障 递归可行性 非线性动力学 应急规划
📋 核心要点
- 现有避障方法在无通信场景下往往过于保守，或难以在非线性动力学约束下提供严格的递归可行性与收敛性保证。
- 提出一种去中心化应急MPC框架，通过将标称轨迹与应急后备机动耦合，并引入几何安全集更新机制，确保系统安全性。
- 实验证明该方法在密集环境及复杂瓶颈场景中表现稳健，且支持智能体的即插即用，无需预先协调即可实现高效避障。
📝 摘要（中文）
去中心化避障仍是机器人领域的一大挑战，尤其是在智能体之间无法共享轨迹信息的情况下。现有的方法大多依赖于保守的协调机制，或者在递归可行性和收敛性方面提供有限的保证。本文针对具有非线性动力学的多智能体系统，开发了一种去中心化应急模型预测控制（Contingency MPC）框架，实现了仅基于状态信息的无碰撞运动。每个智能体遵循相同的共识规则，从而在无需通信的情况下实现安全规划。每个智能体求解一个局部优化问题，将标称轨迹与应急证书（contingency certificate）耦合，确保在滚动时域操作下存在可行的后备机动。一种新颖的几何去中心化安全集更新机制防止了连续时间步之间的可行性丢失。该方案保证了递归可行性（包括避障），并建立了向可容许安全平衡点的李雅普诺夫型收敛结果。仿真结果表明，该方法在稀疏和密集多智能体环境（包括拥挤瓶颈场景）及即插即用操作中均表现出色。
🔬 方法详解
问题定义：论文旨在解决非线性多智能体系统在缺乏通信（仅能获取状态信息）条件下的去中心化避障问题。现有方法在处理非线性动力学时，往往因缺乏全局协调而导致保守性过高，或在动态环境下难以维持递归可行性。
核心思路：引入应急MPC（Contingency MPC）思想，要求每个智能体在规划标称轨迹的同时，必须预留一个可行的“后备机动”。通过这种双重约束，确保即使在最坏情况下，智能体也能切换至安全状态，从而在去中心化架构下实现避障。
技术框架：系统由局部优化求解器构成，每个智能体独立运行。框架包含标称轨迹规划模块、应急后备机动验证模块以及几何安全集更新机制。智能体通过观测邻居状态，动态调整其安全约束区域，确保在滚动时域内始终满足避障要求。
关键创新：核心创新在于提出了一种去中心化的几何安全集更新机制。该机制能够根据当前状态实时收缩或扩展安全区域，有效解决了传统MPC在多智能体交互中因可行域收缩导致的死锁或不可行问题，并从理论上证明了其递归可行性。
关键设计：采用李雅普诺夫函数作为收敛性分析工具，确保系统最终收敛至安全平衡点。在优化问题中，将避障约束转化为基于安全集的凸约束或半定约束，并结合应急证书（Contingency Certificate）来保证后备机动的鲁棒性。
🖼️ 关键图片
📊 实验亮点
仿真实验涵盖了从稀疏到高密度（拥挤瓶颈）的多种复杂场景。结果显示，该方法在无需任何通信的情况下，成功实现了无碰撞导航，且在即插即用测试中表现出极强的鲁棒性。相比传统方法，该方案在保证安全性的同时，显著降低了轨迹的保守性，提升了系统的通行效率。
🎯 应用场景
该方法适用于无人机集群、自动驾驶车辆编队及仓储物流机器人等场景。特别是在通信受限、环境动态变化剧烈或需要高可靠性避障的工业自动化领域，该技术能够显著提升多智能体系统的协同效率与运行安全性。
📄 摘要（原文）
Decentralized collision avoidance remains challenging, particularly when agents do not communicate any information related to planned trajectories. Most existing approaches either rely on conservative coordination mechanisms or provide limited guarantees on recursive feasibility and convergence. This paper develops a decentralized contingency MPC framework for multi-agent systems with nonlinear dynamics that achieves collision-free motion under a state-only information pattern. Each agent follows the same consensual rule set, enabling safe decentralized planning without communication. Each agent solves a local optimization problem that couples a nominal trajectory with a contingency certificate ensuring a feasible backup maneuver under receding-horizon operation. A novel geometric and decentralized safe-set update mechanism prevents feasibility loss between consecutive time steps. The resulting scheme guarantees recursive feasibility, including collision avoidance, and establishes a Lyapunov-type convergence result to an admissible safe equilibrium. Simulation results demonstrate performance in both sparse and dense multi-agent environments, including cluttered bottleneck scenarios and under plug-and-play operation.