Provably Safe Decentralized Contingency MPC under State-Only Information and Limited Sensing for Nonlinear Multi-agent Systems

Stellen Sie sich eine belebte Kreuzung vor, an der Dutzende von Autos aus jeder Richtung eintreffen, wobei jeder Fahrer nur sein eigenes Ziel und die Position der Fahrzeuge in seiner unmittelbaren Umgebung kennt. Sie können nicht miteinander kommunizieren, können die Absichten der Fahrer nicht weiter entfernt nicht sehen und müssen sich ausschließlich auf das verlassen, was ihre eigenen Sensoren im Moment erfassen können. In dieser hochriskanten Umgebung ist das Ziel einfach: Alle sollen ohne Kollision zu ihrem Ausgang gelangen. Doch dies ohne Kommunikation zu erreichen, gehört zu den schwierigsten Problemen in der Robotik und beim autonomen Fahren. Wenn ein Auto nicht vorhersagen kann, was andere tun werden, muss es auf das Schlimmste vorbereitet sein – bei jedem Schritt. Dies ist das Reich der dezentralen Steuerung, in dem jeder Agent unabhängig agiert und die Herausforderung darin besteht, die Balance zwischen dem Wunsch nach effizienter Bewegung und der absoluten Notwendigkeit der Sicherheit zu finden.

Jahrelang haben Forscher versucht, dies zu lösen, indem sie Fahrzeuge dazu brachten, ihre zukünftigen Pfade zu teilen, oder indem sie einfache reaktionsbasierte Regeln verwendeten, die zwar unmittelbare Kollisionen vermeiden, aber oft zu Staus oder erratischem Verhalten führen. Das Problem ist, dass ein Auto ohne einen gemeinsamen Plan eine sichere Bewegung tätigen könnte, die versehentlich einen Nachbarn blockiert und so eine Kettenreaktion von Stopps auslöst. Um mit Zuversicht voranzukommen, benötigt ein Fahrzeug mehr als nur eine Reaktion; es benötigt einen garantierten Backup-Plan, der funktioniert, egal was die Nachbarn tun. Diese neue Forschung stellt eine Methode vor, die es einer Gruppe von nichtlinearen, komplexen Fahrzeugen ermöglicht, eine solche chaotische Kreuzung sicher zu durchqueren, indem sie lediglich lokale Sensorik nutzt und niemals Daten über ihre zukünftigen Bewegungen austauschen muss.

Der Kern dieser Arbeit ist eine Strategie namens Contingency Model Predictive Control (Kontingenz-Modellprädiktive Regelung). Vereinfacht ausgedrückt bedeutet dies, dass jedes Fahrzeug in jedem einzelnen Moment zwei Dinge gleichzeitig berechnet. Erstens plant es seinen bestmöglichen Weg, um sein Ziel zu erreichen, wobei es auf Geschwindigkeit und Geschmeidigkeit optimiert. Zweitens berechnet es – was ebenso wichtig ist – ein garantiertes „Sicherheitsnetz-Manöver“. Dieses Sicherheitsnetz ist ein vorab berechneter Pfad, der das Fahrzeug zum vollständigen Stillstand oder an einen sicheren Warteplatz führt und sicherstellt, dass das Fahrzeug selbst dann, wenn alles andere schiefgeht, immer in die Sicherheit zurückkehren kann, ohne jemanden zu treffen. Die Brillanz dieses Ansatzes liegt darin, dass er das Ziel des effizienten Bewegens vom Ziel des sicheren Bleibens trennt, wodurch das Fahrzeug seine Mission verfolgen kann, während es jederzeit eine verifizierte Fluchtroute bereit hält.

Die Forscher, die mit einem Team der Universität Lübeck in Deutschland zusammenarbeiteten, entwickelten ein System, bei dem diese Sicherheitsnetze nicht statisch sind, sondern sich dynamisch anpassen, basierend auf dem, was das Fahrzeug sieht. Sie entwickelten ein Konzept namens „Safe Set“ (sicheres Set), was im Wesentlichen eine Schutzblase um das Fahrzeug herum darstellt. Innerhalb dieser Blase weiß das Fahrzeug, dass es jederzeit einen Notstopp ausführen kann. Die Innovation hierbei ist, wie diese Blasen interagieren. Anstatt die gesamte Historie der Bewegungen eines Nachbarn kennen oder dessen exakten Pfad rekonstruieren zu müssen, benötigt jedes Fahrzeug nur die aktuelle Position seiner Nachbarn. Aus diesem einzelnen Schnappschuss generiert das System eine neue, etwas größere Schutzblase, die die Worst-Case-Reichweite dieses Nachbarn darstellt.

Wenn sich zwei Fahrzeuge nähern, können sich ihre Schutzblasen überschneiden. In der Vergangenheit hätte diese Überschneidung komplexe Verhandlungen oder das Gedächtnis vergangener Interaktionen erfordert, um sie zu lösen. Diese neue Methode löst dies, indem sie eine einfache, unsichtbare Wand zwischen den beiden überlappenden Blasen schafft. Diese Wand wird instantan basierend auf den aktuellen Positionen berechnet und teilt den verfügbaren Raum effektiv so auf, dass jedes Fahrzeug seine eigene garantierte Zone hat, in der es operieren kann. Wenn ein Fahrzeug in ein neues Gebiet einfährt und einen Nachbarn zum ersten Mal sieht, etabliert es sofort diese Grenze. Wenn der Nachbar geht, verschwindet die Grenze. Dies ermöglicht es Fahrzeugen, jederzeit in den Verkehrsfluss einzutreten und ihn wieder zu verlassen, was als „Plug-and-Play“-Betrieb bekannt ist.

Um zu testen, ob diese Theorie in der realen Welt Bestand hat, führte das Team umfangreiche Computersimulationen unter Beteiligung einer vierarmigen Kreuzung durch. Sie modellierten fünfzig verschiedene Fahrzeuge mit der komplexen Physik eines echten Autos, einschließlich Lenkwinkeln und Beschleunigungsgrenzen. Diese Fahrzeuge betraten die Kreuzung von allen Seiten und entschieden sich dafür, geradeaus zu fahren, links oder rechts abzubiegen, ohne eine vorherige Vereinbarung darüber, wer zuerst fahren darf. Die Simulation führte alle zwei Sekunden neue Autos ein und entfernte sie, sobald sie ihre Reise beendet hatten, wodurch ein ständig wechselndes und unvorhersehbares Verkehrsmuster entstand. Die Fahrzeuge waren mit Sensoren ausgestattet, die nur eine bestimmte Distanz sehen konnten, was die Einschränkungen realer Hardware widerspiegelte.

Die Ergebnisse waren beeindruckend. Trotz des Mangels an Kommunikation und des ständigen Zustroms neuer, unvorhersehbarer Fahrer navigierte jedes einzelne Fahrzeug erfolgreich durch die Kreuzung und verließ sie ohne Kollision. Der geringste Abstand, den zwei Fahrzeuge zueinander einnahmen, betrug 1,026 Meter und blieb damit sicher über dem physischen Limit von 0,8 Metern, das erforderlich ist, um einen Crash zu vermeiden. Während des gesamten Experiments hielten die Fahrzeuge ihre Spuren ein und folgten ihren beabsichtigten Routen, wobei sie nur langsamer wurden oder ihre Pfade anpassten, wenn das Sicherheitssystem dies als notwendig erachtete. Die Daten zeigten, dass die „Sicherheitskosten“ für jedes Fahrzeug im Laufe der Zeit sanken, was beweist, dass das System nicht nur Kollisionen vermeidet, sondern auch gegen einen stabilen, effizienten Zustand konvergiert.

Diese Arbeit zeigt, dass es möglich ist, rigorose Sicherheitsgarantien in komplexen, nichtlinearen Systemen zu erreichen, ohne sich auf Kommunikationsnetzwerke zu verlassen, die ausfallen oder gestört werden können. Durch die Nutzung einer gedächtnisfreien Interaktion, bei der Fahrzeuge nur auf den aktuellen Zustand ihrer Nachbarn reagieren, haben die Forscher einen Rahmen geschaffen, der gegenüber Plug-and-Play-Änderungen in der Umgebung robust ist. Während die aktuelle Studie auf perfekten mathematischen Modellen und simulierten Daten basiert, liefern die Ergebnisse eine starke Grundlage für zukünftige reale Anwendungen. Sie deutet auf eine Zukunft hin, in der autonome Fahrzeuge sicher auf der Straße navigieren können, indem sie nicht auf einen zentralen Controller oder ein Funknetzwerk vertrauen, sondern auf ein gemeinsames, mathematisch bewiesenes Verständnis von Raum und Sicherheit.