Integrated Localization and Path Planning for an Ocean Exploring Team of Autonomous Underwater Vehicles with Consensus Graph Model Predictive Control

📄 arXiv: 2505.07484v1 📥 PDF

作者: Mohsen Eskandari, Andrey V. Savkin, Mohammad Deghat

分类: eess.SY

发布日期: 2025-05-12

💡 一句话要点

提出基于共识图模型预测控制的水下机器人协同定位与路径规划方法

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 水下机器人 协同定位 路径规划 模型预测控制 共识图 深海探索 序列凸规划

📋 核心要点

  1. 深海探索中，AUV团队的协同定位与路径规划面临缺乏全局定位信号和水下通信受限的挑战。
  2. 论文提出一种基于共识图模型预测控制（MPC）的框架，将定位问题融入路径规划，实现节能和避碰。
  3. 通过数值仿真验证了所提方法的有效性，为水下机器人团队的协同作业提供了一种解决方案。

📝 摘要（中文）

本文提出了一种系统性的方法，用于水面无人艇（USV）协调的自主水下航行器（AUV）团队的定位感知、节能和无碰撞路径规划。该团队用于深海探索，AUV在协同导航、数据收集和海洋探索任务后从USV出发并返回。高效的路径规划和精确定位至关重要，后者由于缺乏全局定位信号和深水中较差的射频（RF）通信而尤为重要。惯性导航和声学通信是常见的定位解决方案。然而，前者容易受到里程计漂移的影响，后者则受到短距离的限制。路径规划被 формулируется 为有限后退时域模型预测控制（MPC）优化问题。开发了一种动态感知的线性运动学方程。定位被有效地整合为AUV节点之间的共识图优化。优化的AUV到USV（A2U）和AUV到AUV（A2A）图中的边被限制在声学调制解调器的声纳范围内。分析了共识MPC优化问题的时间复杂度，揭示了一个非凸NP-hard问题，该问题使用序列凸规划解决。提供了数值仿真结果来评估所提出的方法。

🔬 方法详解

问题定义：在深海探索中，由USV协调的AUV团队面临着缺乏可靠的全局定位信息以及水下无线通信距离有限的挑战。传统的惯性导航方法会随着时间累积误差，而声学定位方法则受限于通信距离。因此，如何在保证AUV团队安全、节能地完成任务的同时，实现精确定位是一个关键问题。现有方法通常将定位和路径规划分开考虑，导致次优的性能。

核心思路：本文的核心思路是将定位问题融入到路径规划中，通过AUV之间的相对定位信息以及AUV与USV之间的定位信息，构建一个共识图，并利用模型预测控制（MPC）框架进行优化。通过这种方式，可以有效地利用有限的声学通信资源，提高定位精度，并实现节能的路径规划。

技术框架：该方法主要包含以下几个模块：1) 动态感知的线性运动学模型：用于描述AUV的运动状态。2) 共识图优化：利用AUV之间的相对定位信息和AUV与USV之间的定位信息，构建一个共识图，并通过优化算法提高定位精度。3) 模型预测控制（MPC）：将路径规划问题 формулируется 为一个有限时域的优化问题，并利用MPC算法求解。4) 序列凸规划：由于共识MPC优化问题是一个非凸NP-hard问题，因此采用序列凸规划方法进行求解。

关键创新：该方法最重要的创新点在于将定位问题融入到路径规划中，通过共识图优化和模型预测控制相结合，实现了AUV团队的协同定位和路径规划。与现有方法相比，该方法能够更有效地利用有限的声学通信资源，提高定位精度，并实现节能的路径规划。

关键设计：在共识图优化中，AUV-to-USV (A2U) 和 AUV-to-AUV (A2A) 图的边被约束在声学调制解调器的声纳范围内。MPC优化问题被 формулируется 为一个有限后退时域的优化问题，并采用序列凸规划方法进行求解。具体参数设置和损失函数的设计需要根据实际应用场景进行调整。

📊 实验亮点

论文通过数值仿真验证了所提方法的有效性。仿真结果表明，该方法能够在保证AUV团队安全、节能地完成任务的同时，实现精确定位。具体的性能数据（例如定位精度、能量消耗等）以及与现有方法的对比结果需要在论文中查找。

🎯 应用场景

该研究成果可应用于深海资源勘探、海洋环境监测、水下基础设施维护等领域。通过AUV团队的协同作业，可以更高效、更安全地完成水下任务，降低作业成本，提高作业效率。未来，该方法有望推广到其他水下机器人平台，并与其他传感器融合，进一步提高定位精度和路径规划的鲁棒性。

📄 摘要（原文）

Navigation of a team of autonomous underwater vehicles (AUVs) coordinated by an unmanned surface vehicle (USV) is efficient and reliable for deep ocean exploration. AUVs depart from and return to the USV after collaborative navigation, data collection, and ocean exploration missions. Efficient path planning and accurate localization are essential, the latter of which is critical due to the lack of global localization signals and poor radio frequency (RF) communication in deep waters. Inertial navigation and acoustic communication are common solutions for localization. However, the former is subject to odometry drifts, and the latter is limited to short distances. This paper proposes a systematic approach for localization-aware energy-efficient collision-free path planning for a USV-AUVs team. Path planning is formulated as finite receding horizon model predictive control (MPC) optimization. A dynamic-aware linear kinodynamic motion equation is developed. The mathematical formulation for the MPC optimization is effectively developed where localization is integrated as consensus graph optimization among AUV nodes. Edges in the optimized AUV-to-USV (A2U) and AUV-to-AUV (A2A) graphs are constrained to the sonar range of acoustic modems. The time complexity of the consensus MPC optimization problem is analyzed, revealing a nonconvex NP-hard problem, which is solved using sequential convex programming. Numerical simulation results are provided to evaluate the proposed method.