DMPC-Swarm: Distributed Model Predictive Control on Nano UAV Swarms

📄 arXiv: 2508.20553v2 📥 PDF

作者: Alexander Gräfe, Joram Eickhoff, Marco Zimmerling, Sebastian Trimpe

分类: eess.SY

发布日期: 2025-08-28 (更新: 2025-09-03)

DOI: 10.1007/s10514-025-10211-w

💡 一句话要点

DMPC-Swarm：面向纳米无人机集群的分布式模型预测控制，解决通信受限下的碰撞避免问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 分布式模型预测控制 无人机集群 碰撞避免 无线通信 纳米无人机

📋 核心要点

  1. 现有DMPC方法缺乏针对移动无人机集群的定制通信系统和架构，难以在分布式硬件上充分利用分布式计算和无线通信。
  2. DMPC-SWARM集成了低功耗无线通信协议和新型DMPC算法，利用事件触发和分布式异地计算，保证消息丢失下的碰撞避免。
  3. DMPC-SWARM在16架纳米四旋翼无人机集群上成功实现，验证了其在真实无线网络互连的分布式计算环境下的有效性。

📝 摘要（中文）

无人机（UAV）集群在搜索救援、监视和交付等任务中日益重要。分布式模型预测控制（DMPC）通过结合分布式计算的可扩展性和动态集群运动控制，成为安全管理这些集群的一种有前景的方法。在这种DMPC方法中，多个智能体求解具有耦合防碰撞约束的局部优化问题，并定期交换其解决方案。然而，现有的DMPC方法尚未部署在分布式硬件上，以充分利用真正的分布式计算和无线通信，这主要是由于缺乏满足移动集群独特需求的通信系统以及支持分布式计算同时遵守无人机有效载荷约束的架构。我们提出了DMPC-SWARM，一种新的集群控制方法，它集成了高效、无状态的低功耗无线通信协议和一种新型DMPC算法，该算法可证明即使在消息丢失的情况下也能避免无人机碰撞。通过利用事件触发和分布式异地计算，DMPC-SWARM支持纳米无人机，使其能够受益于额外的计算资源，同时保持可扩展性和容错性。在详细的理论分析中，我们证明了DMPC-SWARM在包括通信延迟和消息丢失在内的实际条件下保证了碰撞避免。最后，我们展示了DMPC-SWARM在多达16架纳米四旋翼无人机集群上的实现，展示了这些DMPC变体的首次实现，其计算分布在通过真实无线网状网络互连的多个物理设备上。

🔬 方法详解

问题定义：论文旨在解决纳米无人机集群在通信受限和计算资源有限的情况下，如何实现安全、高效的分布式模型预测控制，避免无人机之间的碰撞。现有方法难以在实际的分布式硬件上部署，无法充分利用分布式计算和无线通信的优势。

核心思路：论文的核心思路是将分布式模型预测控制（DMPC）与低功耗无线通信协议相结合，通过事件触发机制和分布式异地计算，降低通信负担，提高计算效率，从而实现纳米无人机集群的实时碰撞避免。

技术框架：DMPC-SWARM的整体架构包括以下几个主要模块：1) 无人机上的嵌入式系统，负责传感器数据采集和本地控制；2) 低功耗无线通信模块，实现无人机之间的信息交换；3) 分布式异地计算平台，提供额外的计算资源；4) DMPC算法，负责生成无人机的运动轨迹。整个流程是，无人机通过传感器获取环境信息，然后通过无线通信模块与其他无人机交换信息，利用分布式异地计算平台求解局部优化问题，生成运动轨迹，最后通过本地控制器执行。

关键创新：论文最重要的技术创新点在于将高效、无状态的低功耗无线通信协议与新型DMPC算法相结合，实现了在消息丢失情况下也能保证碰撞避免。此外，利用事件触发机制和分布式异地计算，降低了通信负担，提高了计算效率。

关键设计：DMPC算法的关键设计包括：1) 耦合防碰撞约束，确保无人机之间的安全距离；2) 事件触发机制，只有当无人机的状态发生显著变化时才进行通信，降低通信频率；3) 分布式异地计算，将计算密集型的优化问题转移到计算资源更丰富的平台上进行求解。

🖼️ 关键图片

img_0

📊 实验亮点

DMPC-SWARM在多达16架纳米四旋翼无人机集群上进行了实验验证，证明了其在真实无线网络互连的分布式计算环境下的有效性。实验结果表明，DMPC-SWARM能够在通信延迟和消息丢失的情况下，保证无人机之间的碰撞避免，并实现集群的协同运动。这是首次在真实的纳米无人机集群上实现基于DMPC的分布式控制。

🎯 应用场景

DMPC-SWARM可应用于搜索救援、环境监测、农业植保、物流配送等领域。通过实现纳米无人机集群的安全、高效控制，可以提高任务效率，降低成本，并扩展无人机应用范围。未来，该技术有望应用于更大规模的无人机集群，实现更复杂的任务。

📄 摘要（原文）

Swarms of unmanned aerial vehicles (UAVs) are increasingly becoming vital to our society, undertaking tasks such as search and rescue, surveillance and delivery. A special variant of Distributed Model Predictive Control (DMPC) has emerged as a promising approach for the safe management of these swarms by combining the scalability of distributed computation with dynamic swarm motion control. In this DMPC method, multiple agents solve local optimization problems with coupled anti-collision constraints, periodically exchanging their solutions. Despite its potential, existing methodologies using this DMPC variant have yet to be deployed on distributed hardware that fully utilize true distributed computation and wireless communication. This is primarily due to the lack of a communication system tailored to meet the unique requirements of mobile swarms and an architecture that supports distributed computation while adhering to the payload constraints of UAVs. We present DMPC-SWARM, a new swarm control methodology that integrates an efficient, stateless low-power wireless communication protocol with a novel DMPC algorithm that provably avoids UAV collisions even under message loss. By utilizing event-triggered and distributed off-board computing, DMPC-SWARM supports nano UAVs, allowing them to benefit from additional computational resources while retaining scalability and fault tolerance. In a detailed theoretical analysis, we prove that DMPC-SWARM guarantees collision avoidance under realistic conditions, including communication delays and message loss. Finally, we present DMPC-SWARM's implementation on a swarm of up to 16 nano-quadcopters, demonstrating the first realization of these DMPC variants with computation distributed on multiple physical devices interconnected by a real wireless mesh networks. A video showcasing DMPC-SWARM is available at http://tiny.cc/DMPCSwarm.