Distributed Model Predictive Control with Connectivity-based Contracts
作者: Jorit Geurts, Danilo Saccani, Melanie N. Zeilinger, Andrea Carron
分类: cs.RO, math.OC
发布日期: 2026-09-17
💡 一句话要点
提出基于连通性合同的分布式模型预测控制以解决机器人协调问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 分布式控制 模型预测控制 移动机器人 连通性合同 自主系统 优化算法
📋 核心要点
- 现有的分布式模型预测控制方法通常假设通信网络保持连通，缺乏主动维护连通性的机制，导致在动态环境中可能出现协调失效。
- 本文提出了一种基于连通性合同的DMPC框架，通过为每个代理定义局部合同来确保团队的连通性，允许代理独立优化其行为。
- 实验结果表明，该方法在保持连通性、避免碰撞和遵循局部约束方面表现良好，仿真和硬件测试均显示出显著的性能提升。
📝 摘要（中文）
移动机器人团队依赖于与邻居的持续通信进行协调，但大多数分布式模型预测控制（DMPC）方案假设通信网络保持连通，而不是主动强制这一点。添加这种保证是困难的，因为通常的连通性数学条件是非凸的，并且将每个代理与其他所有代理连接，这与可扩展的分布式实时控制器不兼容。本文提出了一种DMPC框架，为每个代理分配一个连通性合同：一个局部区域，规定其预测位置在预测视野内的位置。合同的设计确保只要每个代理保持在自己的合同内，团队就能保持连通。通过维护合同图，代理通过与其直接邻居的单次交换构建其合同，之后每个代理独立解决自己的优化问题。我们证明了所得到的闭环系统保持连通，避免碰撞，并遵循局部状态和输入约束。对微型自主汽车类机器人的仿真和硬件实验验证了该方法。
🔬 方法详解
问题定义：本文旨在解决移动机器人团队在动态环境中协调时的通信连通性问题。现有DMPC方法通常假设网络连通性，但未能主动维护，导致潜在的协调失效和碰撞风险。
核心思路：提出了一种基于连通性合同的DMPC框架，为每个代理分配一个局部区域合同，规定其在预测视野内的可能位置，确保团队在合同内保持连通。
技术框架：整体架构包括代理间的合同交换、合同图的维护以及独立的优化问题求解。每个代理通过与邻居的单次信息交换构建合同，之后独立进行优化。
关键创新：最重要的技术创新在于引入了连通性合同的概念，使得每个代理能够在保证团队连通性的同时独立优化，克服了传统方法的非凸性限制。
关键设计：关键设计包括合同的定义和约束条件，确保每个代理在其合同范围内活动，从而避免碰撞并满足局部状态和输入约束。
🖼️ 关键图片
📊 实验亮点
实验结果显示，所提出的方法在保持机器人团队的连通性方面表现出色，成功避免了碰撞，并在多个仿真和硬件测试中实现了高效的任务执行。与传统DMPC方法相比，团队的协调性和安全性得到了显著提升。
🎯 应用场景
该研究的潜在应用领域包括自主机器人团队的协作任务，如无人机编队、自动驾驶车辆的协调行驶等。通过确保通信连通性和避免碰撞，该方法可以提升多机器人系统在复杂环境中的安全性和效率，具有重要的实际价值和未来影响。
📄 摘要（原文）
Teams of mobile robots rely on continuous communication with their neighbors for coordination, yet most distributed model predictive control (DMPC) schemes assume the communication network stays connected rather than actively enforcing it. Adding such a guarantee is hard since the usual mathematical condition for connectivity is nonconvex and links every agent to every other, which is incompatible with a scalable distributed real-time controller. We propose a DMPC framework in which each agent is assigned a connectivity contract: a local region prescribing where its predicted positions may lie over the prediction horizon. The contracts are designed so that, as long as every agent stays within its own contract, the team is guaranteed to remain connected. Given the maintained contract graph, an agent builds its contract from a single exchange with its immediate neighbors, after which every agent solves its own optimization problem independently. We prove that the resulting closed-loop system maintains connectivity, avoids collisions, and respects local state and input constraints. Simulation and hardware experiments on miniature autonomous car-like robots demonstrate the approach.