Distributed 3D Leader-Follower Formation Control with Field-of-View Safety via Control Barrier Functions

Resumen Técnico: Control de Formación Distribuido 3D Líder-Seguidor con Seguridad de Campo de Visión mediante Funciones de Barrera de Control

Enunciado del Problema
El artículo aborda el desafío de mantener formaciones 3D líder-seguidor basadas en visión (3D-LFF) seguras para sistemas multi-UAV, particularmente en entornos donde el GPS está denegado y la estimación del estado relativo depende de cámaras a bordo. Una restricción crítica en tales sistemas es el Campo de Visión (FOV) y el rango de profundidad de la cámara del seguidor. Si los comandos de seguimiento de formación llevan al líder fuera del cono visual de la cámara del seguidor, se pierde la visibilidad, lo que conduce a un fallo en la estimación del estado relativo y a un posible fracaso de la misión. Los enfoques basados en posición existentes a menudo fallan en modelar rigurosamente estas restricciones del cono visual 3D, mientras que extender métodos de visibilidad planar a formaciones de UAV 3D es no trivial debido a la geometría 3D acoplada y los efectos de la orientación relativa. El problema central es diseñar un marco de control distribuido que logre un seguimiento de formación preciso mientras garantiza que el líder permanezca estrictamente visible dentro del cono visual de la cámara del seguidor en todo momento.

Metodología
La solución propuesta es una arquitectura de control jerárquica y consciente de la percepción que integra un controlador de formación nominal con un filtro de seguridad basado en Funciones de Barrera de Control (CBF).

1. Modelado del Sistema: Los autores derivan un modelo cinemático relativo para el par líder-seguidor utilizando coordenadas esféricas ($L_{ij}, \phi_{ij}, \xi_{ij}$) aumentadas con una variable de orientación relativa ($\alpha_{ij}$). Este modelo captura la geometría entre la cámara fija al cuerpo del seguidor y el líder, expresada en el marco de cuerpo del seguidor.
2. Controlador Nominal: Se diseña un controlador de seguimiento 3D-LFF distribuido utilizando únicamente estados relativos disponibles localmente y estados del líder comunicados. Este controlador genera un comando de velocidad nominal ($u_i^{nom}$) destinado a llevar el error de formación a cero de manera exponencial.
3. Filtro de Seguridad (CBF-QP): Para imponer la visibilidad, el comando nominal se procesa a través de un Programa Cuadrático basado en Funciones de Barrera de Control (CBF-QP).
   • Definición del Conjunto Seguro: El conjunto seguro de percepción se define mediante las restricciones del cono visual de la cámara (ángulos de FOV horizontal/vertical y límites de profundidad $[x_{near}, x_{far}]$). Estas restricciones se codifican como funciones continuamente diferenciables ($h_c$) en coordenadas cartesianas.
   • Optimización: En cada paso de tiempo de control, el QP minimiza la desviación entre el comando seguro ($u_i^{safe}$) y el comando nominal ($u_i^{nom}$) sujeto a las restricciones CBF ($\dot{h}_c + \kappa h_c \geq 0$). Esto asegura la invariancia hacia adelante del conjunto seguro, lo que significa que si el líder comienza dentro del cono visual, permanece allí.
   • Robustez: El marco incluye variables de holgura para manejar los límites de la entrada de control y perturbaciones no modeladas, asegurando la factibilidad incluso bajo maniobras agresivas.

Contribuciones Clave
El artículo describe tres contribuciones principales:

1. Modelo Cinemático Relativo: Un modelo cinemático 3D en coordenadas esféricas que incorpora la orientación relativa, permitiendo una ley de control distribuida basada en mediciones relativas locales.
2. Filtro de Seguridad en Tiempo Real: Un filtro de seguridad CBF-QP que impone restricciones del cono visual 3D (FOV y profundidad) modificando mínimamente los comandos de formación nominales. Esto garantiza la visibilidad continua mientras preserva el rendimiento de seguimiento siempre que sea factible.
3. Validación Experimental: Validación exhaustiva utilizando simulaciones en Gazebo y experimentos de hardware con Crazyflie 2.1. Los resultados demuestran la capacidad del marco para seguir formaciones deseadas e imponer estrictamente las restricciones de FOV, incluso cuando la formación deseada entra en conflicto con los límites de visibilidad o cuando el líder realiza maniobras abruptas.

Resultados
El método propuesto se evaluó frente a un controlador base sin filtro de seguridad (NoCBF) en dos escenarios: una tarea de formación de tres etapas y una tarea de movimiento abrupto del líder.

• Tarea de Tres Etapas: En la Etapa 2, donde la expansión deseada de la formación empujó al líder hacia el límite del cono visual, la base NoCBF violó las restricciones de seguridad, causando que el líder saliera del FOV. En contraste, el seguidor equipado con CBF ajustó dinámicamente su velocidad para mantener al líder dentro del conjunto seguro, resolviendo con éxito el conflicto entre los objetivos de formación y la seguridad de la percepción.
• Movimiento Abrupto: Durante un escenario que involucraba una desaceleración repentina del líder, la base NoCBF no logró evitar que el seguidor excediera el punto y perdiera al líder. El marco propuesto mitigó con éxito el exceso, manteniendo la visibilidad.
• Experimentos de Hardware: Las pruebas de vuelo físico con drones Crazyflie confirmaron los resultados de la simulación. El controlador CBF mantuvo al líder dentro del cono visual durante maniobras complejas (incluyendo una trayectoria de lemniscata modulada en guiñada), mientras que la base falló en mantener las restricciones de seguridad durante las fases de expansión de la formación.

Significado y Afirmaciones
El artículo afirma proporcionar una solución rigurosa para el control de formación consciente de la percepción en el espacio 3D. Su significado radica en:

• Visibilidad Garantizada: A diferencia de métodos anteriores que pueden depender de heurísticas o no modelar completamente la geometría 3D, este enfoque utiliza CBFs para garantizar matemáticamente que el líder permanezca dentro del cono visual de la cámara (invariancia hacia adelante).
• Intervención Mínima: La formulación CBF-QP asegura que el filtro de seguridad solo modifique la entrada de control cuando sea necesario, preservando el máximo rendimiento posible de seguimiento de formación nominal.
• Aplicabilidad Práctica: La validación exitosa tanto en simulación como en hardware físico (Crazyflie) demuestra que el enfoque es computacionalmente factible para su implementación en tiempo real en UAVs con recursos limitados.

Los autores señalan que, aunque los experimentos actuales utilizan captura de movimiento para emular mediciones relativas ideales, el trabajo futuro apunta a integrar la percepción a bordo para cerrar el bucle utilizando mediciones basadas en imágenes crudas. El artículo no afirma resolver todos los problemas de coordinación multiagente, sino que se dirige específicamente a la intersección crítica entre el seguimiento de formación y la seguridad de la percepción en configuraciones líder-seguidor 3D.