Graph Neural Planning and Predictive Control for Multi-Robot Communication-Constrained Unlabeled Motion Planning

Resumen Técnico: Planificación con Redes Neuronales de Grafos y Control Predictivo para la Planificación de Movimientos No Etiquetados en Sistemas Multi-robot con Restricciones de Comunicación

Formulación del Problema
El artículo aborda el problema de planificación de movimientos no etiquetados para sistemas multi-robot homogéneos. En este escenario, $N$ robots intercambiables deben alcanzar cooperativamente un conjunto de $N$ objetivos sin emparejamientos preasignados. El objetivo es minimizar el tiempo total de viaje y la distancia, garantizando al mismo tiempo la evitación de colisiones. El problema se formula como una tarea conjunta de asignación y planificación de trayectorias, la cual es PSPACE-dura.

Los autores identifican brechas críticas en los enfoques existentes basados en Redes Neuronales de Grafos (GNN) para este problema:

1. Dinámicas Simplificadas: Los métodos GNN anteriores a menudo dependen de dinámicas simplificadas en simulación y predicen comandos de velocidad directamente, sin tener en cuenta las dinámicas no lineales del mundo real ni los límites de actuación.
2. Garantías de Seguridad: La evitación de colisiones se trata frecuentemente como una restricción blanda o un filtro post-hoc, lo cual no garantiza la seguridad bajo límites de actuación.
3. Restricciones de Comunicación: Las arquitecturas GNN existentes a menudo requieren comunicación multi-salto (4–5 capas), lo que las hace vulnerables a retrasos y pérdidas de comunicación en el mundo real.
4. Despliegue: La mayoría de los métodos basados en aprendizaje dependen de una inferencia centralizada fuera de la plataforma, en lugar de una ejecución descentralizada a bordo.

Metodología: Marco Jerárquico GATP-NMPC
Los autores proponen un marco jerárquico (Figura 1) que desacopla la planificación de alto nivel del control de bajo nivel, integrando un Planificador con Atención de Grafos (GATP) con un Controlador Predictivo No Lineal Descentralizado (NMPC).

1. Planificación de Alto Nivel (GATP):

   • Arquitectura: El planificador utiliza una Red de Atención de Grafos (GAT) con solo 2 capas de paso de mensajes. Cada robot se comunica únicamente con sus $M$ vecinos más cercanos (por ejemplo, $M=2$).
   • Mecanismo: La GNN procesa observaciones locales (posiciones relativas de los $P_g$ objetivos más cercanos y los $P_r$ robots más cercanos) para predecir subobjetivos intermedios ($s_i$) en lugar de comandos de velocidad directos.
   • Elecciones de Diseño: La arquitectura emplea Perceptrones Multicapa (MLP) para fusionar las incrustaciones de nodos iniciales con la información agregada de los vecinos. Esta "función de actualización" ($f_1$) preserva la invariancia a la permutación y mejora la diferenciación de nodos. La salida se escala a un horizonte espacial $S_p$ (por ejemplo, 4 m) basado en un horizonte temporal deseado $T_p$ y una velocidad máxima $v_{max}$.
   • Entrenamiento: El GATP se entrena mediante aprendizaje por imitación utilizando un experto centralizado (Algoritmo Húngaro) para generar subobjetivos óptimos. Se utiliza un esquema de muestreo programado para reemplazar gradualmente los subobjetivos del experto con las predicciones del GATP durante el entrenamiento.

2. Control de Bajo Nivel (NMPC):

   • Ejecución: Cada robot ejecuta un NMPC descentralizado para rastrear el subobjetivo proporcionado por el GATP.
   • Restricciones: El NMPC resuelve un problema de optimización no lineal sobre un horizonte de predicción $T_c$ para generar entradas de control. Enforza explícitamente:
     • Dinámicas No Lineales: Las dinámicas de los cuadricópteros se modelan como sistemas afines al control.
     • Seguridad: Se imponen restricciones de seguridad estrictas utilizando Funciones de Barrera de Control Exponenciales (ECBF) para mantener una distancia de seguridad $d_{safe}$ entre los robots.
     • Límites de Actuación: Se respetan las restricciones de empuje de los motores.
   • Integración: El GATP actualiza continuamente la trayectoria de referencia del NMPC basándose en las posiciones cambiantes de los robots, permitiendo una re-planificación de baja frecuencia (por ejemplo, 1–2 Hz) mientras el NMPC se ejecuta a alta frecuencia (por ejemplo, 100–160 Hz).

Contribuciones Clave

• Marco Jerárquico: Una integración novedosa de un planificador basado en GNN con un NMPC con garantías de seguridad, que permite la aplicación de métodos basados en aprendizaje a sistemas del mundo real con dinámicas no lineales y restricciones de actuación.
• Arquitectura GNN Robusta: Una Red de Atención de Grafos de 2 capas que requiere comunicación mínima (1 salto, $M=2$ vecinos). Los autores demuestran que esta arquitectura superficial mejora la robustez frente a retrasos de comunicación en comparación con GNNs más profundas utilizadas en trabajos anteriores.
• Despliegue en el Mundo Real: La primera validación de un planificador de movimientos no etiquetado basado en GNN en un entorno de inferencia totalmente descentralizada y a bordo en cuadricópteros físicos.
• Ablación y Comparativa: Un estudio comparativo que muestra que la arquitectura GATP propuesta (con funciones de actualización específicas) supera a las Redes de Convolución de Grafos (GCN) estándar y a estrategias de actualización alternativas en términos de rendimiento de cobertura y generalización a tamaños de equipo más grandes.

Resultados Experimentales

• Simulación (10 Cuadricópteros):
  • Rendimiento de Cobertura: El GATP logró una cobertura comparable a la GCN (94,55 % frente a 95,00 % en 40 s para 10 robots), pero demostró una generalización superior a equipos más grandes (hasta 50 robots). El GATP mostró una caída menor en el rendimiento (23,5 %) en comparación con la GCN (34,5 %) a medida que aumentaba el tamaño del equipo, atribuido a la capacidad del mecanismo de atención para ponderar dinámicamente la importancia de los vecinos.
  • Retrasos de Comunicación: El sistema se probó con retrasos de comunicación simulados de hasta 0,6 s. El marco permaneció robusto ante retrasos de hasta 200 ms (retraso total $D=0,2$s), con un aumento de solo ~3,8–5,5 % en el tiempo de cobertura. El rendimiento se degradó significativamente solo cuando los retrasos se acercaron al intervalo de actualización de la planificación (0,5 s).
• Experimentos en el Mundo Real (4 Cuadricópteros):
  • Despliegue: El sistema se desplegó en cuadricópteros personalizados con procesadores Qualcomm VOXL 2 en una instalación de pruebas interior.
  • Tareas: Ejecutó con éxito tareas de formación circular y cobertura de zonas, así como evitación dinámica de obstáculos donde el planificador reasignó objetivos para evitar colisiones.
  • Latencia: El tiempo de inferencia del GATP fue de aproximadamente 1 ms (excluyendo la comunicación). El retraso promedio de comunicación por capa fue de 26 ms, lo que resultó en un tiempo total de planificación por robot que osciló entre 51 ms y 134 ms. Esto confirma que el sistema opera dentro del rango de retraso robusto identificado en la simulación.

Significado y Afirmaciones
El artículo afirma que este trabajo cierra la brecha entre la planificación multi-robot escalable basada en aprendizaje y los rigurosos requisitos de seguridad del despliegue en el mundo real. Al combinar una GNN eficiente en comunicación con un NMPC consciente de las restricciones, los autores demuestran que:

1. Seguridad y Viabilidad: Es posible utilizar GNNs para la coordinación de alto nivel mientras se garantiza la seguridad y la viabilidad dinámica a través del NMPC.
2. Escalabilidad y Robustez: Una arquitectura GNN superficial basada en atención ofrece una mejor generalización a equipos más grandes y una mayor robustez frente a retrasos de comunicación que las arquitecturas más profundas de múltiples saltos.
3. Viabilidad Práctica: La inferencia descentralizada a bordo es viable para sistemas multi-robot, como lo demuestran los experimentos exitosos en el mundo real con cuadricópteros.

Los autores concluyen modestamente que, aunque su diseño actual maneja bien los retrasos acotados, el trabajo futuro investigará condiciones de comunicación asíncrona más realistas y un acoplamiento más estrecho entre la planificación y el control durante el proceso de entrenamiento.