論文の概要: A Coupled Control Barrier Function Approach to Deadlock-Free Multi-Robot Conflict Resolution
- arxiv url: http://arxiv.org/abs/2611.16218v1
- Date: Thu, 12 Nov 2026 03:09:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.347117
- Title: A Coupled Control Barrier Function Approach to Deadlock-Free Multi-Robot Conflict Resolution
- Title(参考訳): デッドロックフリーマルチロボット衝突解消のための結合制御バリア関数アプローチ
- Abstract要約: 本稿では,入力制約付きマルチロボットコンフリクト解決のための2次プログラミング(QP)に基づくフィードバックコントローラを提案する。
安全は結合制御バリア関数(CBF)を用いて実施され、収差行列はロボットの相互影響を符号化する。
シミュレーションでは、譲歩の好みやロボットの失敗に対する適応的な調整が示される。
- 参考スコア(独自算出の注目度): 9.43369218136536
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many robotic applications involve scenarios where multiple robots interact and the decisions of one robot influence the behavior of others. This paper presents a quadratic programming (QP)-based feedback controller for multi-robot conflict resolution with input constraints. Safety is enforced using coupled Control Barrier Function (CBF), while a yielding matrix encodes how robots influence each other. Unlike existing methods with fixed or hard priorities, the proposed framework enables yielding preferences while guaranteeing deadlock-free operation by design. Sufficient conditions are established for the controller to be locally Lipschitz. The optimal CBF sign- indefinite slack is shown to admit a finite uniform bound, which is compensated through an enlarged CBF safety margin to obtain a forward invariant set contained within the desired safe set. The analysis also identifies an irreducible slack component due to finite maximum deceleration that cannot be eliminated by increasing the slack penalty. Finally, sufficient conditions on the yielding matrix and nominal controller are derived to exclude deadlock states. Simulations demonstrate adaptive coordination across yielding preferences and robustness to robot failures.
- Abstract(参考訳): 多くのロボットアプリケーションは、複数のロボットが相互作用し、あるロボットの決定が他のロボットの行動に影響を与えるシナリオを含む。
本稿では,入力制約を伴うマルチロボット競合解決のための2次プログラミング(QP)に基づくフィードバックコントローラを提案する。
安全は結合制御バリア関数(CBF)を用いて実施され、収差行列はロボットの相互影響を符号化する。
固定あるいはハードの優先度を持つ既存の方法とは異なり、提案フレームワークは設計によるデッドロックフリーな操作を保証しながら、優先権を得ることができる。
コントローラーが局所リプシッツとなるための十分条件が確立される。
最適CBF符号-不定値スラックは、所望の安全集合に含まれる前方不変集合を得るために、拡張されたCBF安全マージンを通して補償される有限一様境界を持つことが示される。
この分析はまた、スラックペナルティを増大させることによって排除できない有限最大減速による既約スラック成分を同定する。
最後に、収差行列と名目制御器の十分な条件はデッドロック状態を排除するために導かれる。
シミュレーションは、ロボットの故障に対する譲歩の好みと堅牢性に対して適応的な調整を示す。
関連論文リスト
- Safe Ergodic Control for Multi-Robot Systems via Quadratic Programming [8.512867189292056]
エルゴディック制御は、ロボットが関心の分布に比例して各地域で時間を過ごすように促す。
既存の安全なエルゴードコントローラは、オフラインの客観的最適化や階層アーキテクチャに依存している。
本稿では、エルゴディディティと安全性を両立させる2次プログラミング(QP)ベースの制御器を提案する。
論文 参考訳(メタデータ) (2026-10-04T14:30:04Z) - Distributed Motion Planning with Safety Guarantees for Self-Reconfiguring Robotic Boats [76.98547580312116]
本稿では,分散モデル予測制御(MPC)と制御バリア関数(CBF)を組み合わせたハイブリッドフレームワークを提案する。
リアルタイムに安全を確保するため、分散CBFベースのフィルタを適用し、エージェント間回避を強制する。
論文 参考訳(メタデータ) (2026-07-22T16:37:05Z) - Safe Overtaking for Autonomous Racing Using Hierarchical Optimization and Learning-Based Control [14.05083688629287]
本稿では,安全確認軌道制御から操作レベルの意思決定を分離する階層的オーバーテイクフレームワークを提案する。
強化学習ポリシは、離散時間CBF減衰パラメータをオンラインで適応し、車両入力を直接制御することなく、コンテキスト依存の安全マージンの変調を可能にする。
論文 参考訳(メタデータ) (2026-07-15T00:19:14Z) - Geometry-Aware Control Barrier Functions for Collision Avoidance via Bernstein Polynomial Approximations [8.629680427261542]
本稿では,Bernstein-Polynomial Signed Distance Fields(BPSDF)に基づく新しい幾何学的制御バリア関数(CBF)を提案する。
本研究では,異なる環境下でのシミュレーションにより,単一ロボットナビゲーションと異種マルチロボット衝突回避の効率と性能を検証する。
論文 参考訳(メタデータ) (2026-05-29T00:42:33Z) - Safety-Critical Whole-Body Control for Humanoid Robots via Input-to-State Safe Control Barrier Functions [6.59514190732471]
本稿では,ヒューマノイドロボットのための階層型安全クリティカル全身制御フレームワークを提案する。
提案アーキテクチャは,キネマティック・ボディー・コントローラ(KinWBC),ISSf-CBFセーフティフィルタ,ダイナミック・ボディー・コントローラ(DynWBC)を統合している。
論文 参考訳(メタデータ) (2026-05-25T08:02:30Z) - Safety-Critical Centralized Nonlinear MPC for Cooperative Payload Transportation by Two Quadrupedal Robots [3.7624387468002483]
相互接続型ロボットペイロードシステムは離散時間非線形微分代数系としてモデル化される。
我々は,ロボットとペイロードの衝突回避制約を強制する制御障壁関数(CBF)に基づくNMPC式を開発した。
提案手法は、決定変数として相互作用のレンチを保ち、構造化されたDAE制約の最適制御問題をもたらす。
論文 参考訳(メタデータ) (2026-04-03T17:19:47Z) - Pareto Control Barrier Function for Inner Safe Set Maximization Under Input Constraints [50.920465513162334]
入力制約下での動的システムの内部安全集合を最大化するPCBFアルゴリズムを提案する。
逆振り子に対するハミルトン・ヤコビの到達性との比較と,12次元四元数系のシミュレーションにより,その有効性を検証する。
その結果,PCBFは既存の手法を一貫して上回り,入力制約下での安全性を確保した。
論文 参考訳(メタデータ) (2024-10-05T18:45:19Z) - Safe Neural Control for Non-Affine Control Systems with Differentiable
Control Barrier Functions [58.19198103790931]
本稿では,非アフィン制御系における安全クリティカル制御の問題に対処する。
制御バリア関数(CBF)を用いて,状態制約と制御制約の2次コストの最適化を2次プログラムのシーケンス(QP)にサブ最適化できることが示されている。
我々は,高次CBFをニューラル常微分方程式に基づく学習モデルに差分CBFとして組み込んで,非アフィン制御系の安全性を保証する。
論文 参考訳(メタデータ) (2023-09-06T05:35:48Z) - Pointwise Feasibility of Gaussian Process-based Safety-Critical Control
under Model Uncertainty [77.18483084440182]
制御バリア関数(CBF)と制御リアプノフ関数(CLF)は、制御システムの安全性と安定性をそれぞれ強化するための一般的なツールである。
本稿では, CBF と CLF を用いた安全クリティカルコントローラにおいて, モデル不確実性に対処するためのガウスプロセス(GP)に基づくアプローチを提案する。
論文 参考訳(メタデータ) (2021-06-13T23:08:49Z) - Reinforcement Learning for Safety-Critical Control under Model
Uncertainty, using Control Lyapunov Functions and Control Barrier Functions [96.63967125746747]
強化学習フレームワークは、CBFおよびCLF制約に存在するモデル不確実性を学ぶ。
RL-CBF-CLF-QPは、安全制約におけるモデル不確実性の問題に対処する。
論文 参考訳(メタデータ) (2020-04-16T10:51:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。