Time-Varying Coverage Control: A Distributed Tracker-Planner MPC Framework
作者: Patrick Benito Eberhard, Johannes Köhler, Oliver Hüsser, Melanie N. Zeilinger, Andrea Carron
分类: eess.SY, cs.RO
发布日期: 2025-07-02
💡 一句话要点
提出一种分布式跟踪-规划MPC框架，用于解决时变覆盖控制问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 时变覆盖控制 多智能体系统 模型预测控制 分布式控制 轨迹规划
📋 核心要点
- 现有方法难以应对时变密度函数、非线性动力学和严格约束下的多智能体覆盖控制。
- 该方法结合轨迹规划器和跟踪MPC，在多速率框架下运行，实现分布式控制。
- 实验证明，对于周期性密度函数，系统能收敛到最优轨迹，并满足约束和避碰要求。
📝 摘要（中文）
本文提出了一种分布式多智能体控制框架，用于解决非线性约束动力学下的时变覆盖问题。该问题旨在协调多个智能体，使其覆盖随时间变化的感兴趣区域。这种方法适用于自动驾驶出租车的部署以及搜救行动中的协调。有效覆盖的实现受到时变密度函数、非线性智能体动力学以及严格的系统和安全约束的限制。本文提出的方法集成了参考轨迹规划器和跟踪模型预测控制（MPC）方案，它们在多速率框架内以不同的频率运行。对于周期性密度函数，我们证明了闭环收敛到最优轨迹配置，并提供了关于约束满足、避碰和递归可行性的形式保证。此外，我们还提出了一种能够处理非周期性密度函数的有效算法，使该方法适用于实际应用。最后，我们通过使用四辆微型赛车的硬件实验验证了该方法。
🔬 方法详解
问题定义：论文旨在解决多智能体在时变环境下的覆盖控制问题。具体来说，环境中的感兴趣区域（由密度函数表示）随时间变化，智能体需要在满足自身动力学约束、系统约束和安全约束的前提下，有效地覆盖这些区域。现有方法在处理非线性动力学、时变密度函数以及保证约束满足方面存在不足。
核心思路：论文的核心思路是将覆盖控制问题分解为轨迹规划和轨迹跟踪两个子问题，并采用多速率框架进行求解。轨迹规划器负责生成参考轨迹，跟踪MPC负责使智能体跟踪这些轨迹。通过这种方式，可以将复杂的覆盖控制问题分解为更容易处理的子问题，并利用MPC的优势来处理非线性动力学和约束。
技术框架：该框架包含两个主要模块：参考轨迹规划器和跟踪MPC。轨迹规划器以较低的频率运行，负责根据时变密度函数生成参考轨迹。跟踪MPC以较高的频率运行，负责使智能体跟踪参考轨迹，并保证约束满足和避碰。这两个模块在多速率框架下协同工作，实现分布式控制。
关键创新：该方法的主要创新在于将轨迹规划和跟踪MPC集成到一个多速率框架中，并针对时变覆盖控制问题进行了优化。此外，该方法还提出了一种能够处理非周期性密度函数的有效算法，使其更适用于实际应用。
关键设计：轨迹规划器采用了一种基于优化的方法，通过最小化覆盖误差和轨迹长度来生成参考轨迹。跟踪MPC采用了一种基于模型预测控制的方法，通过预测智能体的未来状态并优化控制输入来跟踪参考轨迹，同时保证约束满足和避碰。具体的参数设置和损失函数需要根据具体的应用场景进行调整。
🖼️ 关键图片
📊 实验亮点
论文通过硬件实验验证了所提出的方法。实验使用四辆微型赛车，模拟了时变覆盖控制场景。实验结果表明，该方法能够有效地使智能体覆盖感兴趣区域，并满足约束和避碰要求。对于周期性密度函数，系统能够收敛到最优轨迹配置，验证了算法的有效性和可行性。
🎯 应用场景
该研究成果可应用于多种场景，例如自动驾驶出租车的动态调度，无人机在灾后搜救中的区域覆盖，以及机器人清洁队伍在大型场所的动态清洁任务。通过优化覆盖效率和安全性，该方法能够显著提升资源利用率和任务完成质量，具有重要的实际应用价值和广阔的发展前景。
📄 摘要（原文）
Time-varying coverage control addresses the challenge of coordinating multiple agents covering an environment where regions of interest change over time. This problem has broad applications, including the deployment of autonomous taxis and coordination in search and rescue operations. The achievement of effective coverage is complicated by the presence of time-varying density functions, nonlinear agent dynamics, and stringent system and safety constraints. In this paper, we present a distributed multi-agent control framework for time-varying coverage under nonlinear constrained dynamics. Our approach integrates a reference trajectory planner and a tracking model predictive control (MPC) scheme, which operate at different frequencies within a multi-rate framework. For periodic density functions, we demonstrate closed-loop convergence to an optimal configuration of trajectories and provide formal guarantees regarding constraint satisfaction, collision avoidance, and recursive feasibility. Additionally, we propose an efficient algorithm capable of handling nonperiodic density functions, making the approach suitable for practical applications. Finally, we validate our method through hardware experiments using a fleet of four miniature race cars.