Core Concepts
制御バリア関数を用いたモデル予測制御により、動的環境でのロボットの安全な経路計画を実現する。ソフト制約と単一ステップの安全制約を導入することで、経路の安全性と実行可能性を両立する。
Abstract
本論文では、動的環境におけるロボットの安全な経路計画のための新しいモデル予測制御(MPC)フレームワークを提案している。
まず、従来のMPCにおける制御バリア関数(CBF)の硬い制約が引き起こす実行可能性の問題を解決するため、CBFをソフト制約に変換する。これにより、最適化問題の解が常に得られるようになる。
さらに、一ステップの動的一般化CBF(D-GCBF)制約を導入することで、安全性を高めている。D-GCBFは相対次数に基づいて設計されており、予測期間全体にわたる制約よりも緩和された条件となる。
シミュレーション実験と実機実験の結果から、提案手法が安全性、実行可能性、経路効率の面で優れていることが示された。ダブル積分系とユニサイクル系の両方のロボットモデルで検証されており、動的環境下でのロボットの安全な経路計画に有効であることが確認された。
Stats
ダブル積分系の場合:
ロボットが目的地に到達できた割合: 99.6%
ロボットが障害物と衝突した割合: 4.6%
ロボットの平均移動時間: 13.34秒
ソリューション失敗の平均回数: 1.242回
ソリューション時間の平均: 55.51ミリ秒
ユニサイクル系の場合:
ロボットが目的地に到達できた割合: 96.0%
ロボットが障害物と衝突した割合: 9.8%
ロボットの平均移動時間: 12.71秒
ソリューション失敗の平均回数: 0.388回
ソリューション時間の平均: 61.03ミリ秒