Concurrent-Allocation Task Execution for Multirobot Path-Crossing-Minimal Navigation in Obstacle Environments

Bin-Bin Hu

doi:10.1109/TRO.2025.3626654

Concurrent-Allocation Task Execution for Multirobot Path-Crossing-Minimal Navigation in Obstacle Environments

2025-01-01

0

PRE

AI

DOI：10.1109/TRO.2025.3626654

原文链接

原文求助

摘要

En 中文

减少不同机器人轨迹之间的不必要路径交叉对于多机器人导航任务至关重要，这不仅能减少绕行和冲突场景，还能提升导航效率并提高生产力。尽管在多机器人路径交叉最小化（MPCM）导航方面取得了近期进展，但大多数方法依赖于将合适的期望点直接分配给机器人以最小化平方距离。然而，如果障碍物占据了通行空间，计算实际的机器人-点距离会变得复杂或难以处理，这可能使障碍环境中的MPCM导航效率低下甚至不可行。本文提出了并发任务分配执行（CATE）算法来解决此问题（即障碍环境中的MPCM导航）。首先，将路径交叉相关元素（包括机器人分配、期望点收敛、碰撞与障碍物避障）编码为整数和控制屏障函数（CBF）约束。然后，所提出的约束被用于在线约束优化框架中，通过同时最小化期望点分配成本和CBF约束中的松弛变量，隐含但有效地最小化障碍环境中可能的路径交叉和轨迹长度。通过这种方式，障碍环境中的MPCM导航可以通过灵活的空间排序实现。值得注意的是，所提出的CATE算法在障碍环境中的解的可行性和渐进收敛特性均得到保证，并且通过直接并发计算最优分配和控制输入，无需路径规划过程，降低了计算负担。最后，进行了广泛的仿真和实验验证，证明CATE算法首先在障碍环境中比现有最先进基线在可行性和效率方面表现更优，其次在动态障碍物环境中有效，并适用于在二维和三维中执行各种导航任务，再次通过搭载多自主移动机器人（AMR）导航系统的二维实验证明了其有效性和实用性，并首次提供了一种可能的解决方案以避免死锁并通过狭窄间隙。

Keyword:

Coordination of mobile robots

multirobot systems

obstacle environments

path-crossing-minimal navigation

Concurrent-Allocation Task Execution for Multirobot Path-Crossing-Minimal Navigation in Obstacle Environments

摘要

期刊

机构

引用论文