.png){kind=icon}
返回
Collaborative-Online-Learning-enabled distributionally robust motion control for multi-robot systems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.automatica.2026.113102.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于协作在线学习（COOL）的多机器人系统运动控制框架，用于避免与随机移动障碍物的碰撞，这些障碍物的运动分布可通过分布式数据流部分观测到。为解决由遮挡引起的数据采集挑战，开发了一种基于狄利克雷过程混合模型的COOL方案，通过机器人之间交换选定的学习结构来高效提取分布信息。利用学习到的局部矩信息，构建了一个基于数据的障碍物运动模糊集，并利用当前障碍物位置在整个预测时域内进行传播。为平衡控制性能和计算效率，引入了一种具有安全保证的压缩方案，以自适应地调节模糊集的复杂度。随后通过分布鲁棒优化生成概率无碰撞轨迹，其中障碍物避障约束被等价地重新表述为可行的半定规划。最后，建立了概率碰撞避免和长期跟踪性能保证，并通过数值仿真验证了所提出框架的优越性。(c) 2026 Elsevier Ltd. All rights are reserved, including those for text and data mining, AI training, and similar technologies.
Keyword:
Collaborative online learning
Distributionally robust motion control
Separation hyperplane
Multi-robot system
