Resumen Técnico: Persecución-Evasión con Conciencia de Compromiso

Planteamiento del Problema

El artículo aborda el desafío de controlar equipos de perseguidores multiagente en escenarios adversarios de persecución-evasión. Los enfoques tradicionales suelen tener dificultades para equilibrar la planificación estratégica de tareas (por ejemplo, captura frente a denegación de área) con restricciones de seguridad rigurosas (evitación de colisiones) en tiempo real. Resolver un equilibrio global en juegos diferenciales de tiempo continuo es computacionalmente intratable para sistemas multiagente. Además, los métodos existentes carecen a menudo de la flexibilidad necesaria para adaptarse a variaciones en las "Reglas de Compromiso" (ROE, por sus siglas en inglés)—como pasar de una captura agresiva a una defensa de perímetro o neutralización—sin rediseñar la lógica de control subyacente. El problema central es desarrollar una arquitectura de control jerárquica que desacople la planificación estratégica de la garantía de seguridad, permitiendo que un enjambre cambie fluidamente entre modos de compromiso mientras garantiza una operación libre de colisiones.

Metodología

Los autores proponen una arquitectura de control jerárquica que consta de dos capas distintas: un planificador de alto nivel de Control Predictivo Basado en Modelo (MPC) Minimax de Horizonte Recedente y un filtro de seguridad de Función de Barrera de Control (CBF) de Tiempo Discreto.

1. Planificación de Alto Nivel: MPC Minimax

La interacción se formula como un juego dinámico de suma cero de horizonte finito. El equipo de perseguidores busca minimizar una función de costo compartida $J$, mientras que el evadidor busca maximizarla. Para evitar la intratabilidad de resolver la ecuación completa de Hamilton-Jacobi-Isaacs, el sistema emplea un esquema minimax iterativo:

• Mejor Respuesta Iterativa: En cada paso de tiempo, los perseguidores resuelven una trayectoria de control óptima asumiendo una trayectoria nominal de evadidor congelada. Posteriormente, el evadidor resuelve su propia trayectoria óptima asumiendo la trayectoria actualizada de los perseguidores. Este proceso se repite durante un número fijo de iteraciones de Nash.
• Formulaciones de Juego Duales: La función de costo $J$ se modifica para soportar diferentes ROE:
  • Seguimiento de Persecución-Evasión: El costo penaliza la distancia relativa entre los perseguidores y el evad even. Crucialmente, incluye una penalización de velocidad transversal que anula geométricamente los componentes de velocidad perpendiculares a la línea de visión, obligando a los perseguidores a una trayectoria de colisión directa en lugar de depender de heurísticas reactivas.
  • Defensa de Perímetro: El costo cambia la prioridad del captura absoluta al seguimiento de fronteras. Se penaliza a los perseguidores por desviarse de los puntos objetivo asignados en un polígono de defensa, mientras que el evadidor es penalizado por progresar hacia la región protegida.

2. Ejecución de Bajo Nivel: Filtro de Seguridad CBF

Para garantizar la seguridad sin comprometer la convexidad del MPC, una Función de Barrera de Control (CBF) de tiempo discreto opera como un filtro de bucle interno.

• Filtro de Seguridad: La entrada de control nominal ($u_{des}$) generada por el MPC se pasa a un Programa Cuadrático (QP). El QP minimiza la desviación de $u_{des}$ mientras satisface las restricciones de CBF de tiempo discreto.
• Barrera Cinemática: La función de barrera $h(x_k)$ es consciente de la velocidad, evaluando la tasa de aproximación actual contra la distancia de frenado disponible bajo límites de aceleración máxima. Esto asegura que los agentes tengan tiempo suficiente para evitar la violación de una distancia segura $D_{safe}$.
• Variables de Holgura: Se incluyen variables de holgura en el QP para asegurar la factibilidad estricta incluso en cúmulos densos, las cuales son fuertemente penalizadas para desalentar las violaciones de seguridad.

3. Adaptación de las Reglas de Compromiso (ROE)

El marco logra la adaptabilidad mediante el ajuste de los pesos de la recompensa de suma cero compartida y las restricciones de la CBF (específicamente las penalizaciones de holgura y los márgenes de distancia segura). Al ajustar estos parámetros en línea, el sistema puede transicionar entre:

• Captura: Persecución agresiva con restricciones de separación relajadas.
• Disuasión/Desviación: Defensa de perímetro estricta o redirección lejos de zonas protegidas.
• Neutralización: Relajación selectiva de las restricciones de seguridad para permitir la interceptación física cuando no hay opción de recuperación.

Principales Contribuciones

1. Marco con Conciencia de Compromiso: El artículo introduce una arquitectura jerárquica que trata las ROE como objetos de diseño de control, permitiendo al enjambre cambiar tácticas (captura, protección, neutralización) sin cambios estructurales en la lógica de control.
2. Solucionador Minimax Computacionalmente Tratable: Se desarrolla un solucionador minimax de horizonte recedente en la capa de planificación, permitiendo que los equipos defensivos anticipen estratégicamente las acciones adversarias mediante la optimización de la mejor respuesta iterativa.
3. Filtro Integrado de Seguridad y Compromiso: Un filtro CBF-QP de tiempo discreto se integra en la capa de ejecución. Este modifica los comandos nominales del MPC para imponer la evitación de colisiones entre perseguidores y las restricciones de separación perseguidor-evadidor, separando los objetivos de satisfacción de la tarea (MPC) y supervivencia (CBF).

Resultados Experimentales

El marco fue evaluado en simulaciones a través de dinámica de doble integrador en plano 2D y dinámica de cuadrotor 3D totalmente no lineal.

• Persecución-Evasión 2D: En 100 juegos simulados, el sistema logró tasas de captura cercanas al 100% cuando los perseguidores fueron inicializados en un anillo radial. Incluso con una inicialización uniforme aleatoria (una prueba de estrés para el filtro CBF), las tasas de captura se mantuvieron competitivas, demostando la capacidad del solucionador para recuperarse de formaciones caóticas.
• Defensa de Perímetro 2D: El enjambre bloqueó con éxito a un evadidor de traspasar un límite 2D definido, asignando eficientemente agentes a lo largo de las longitudes de arco de la frontera para minimizar el progreso del evadidor.
• Dinámica de Cuadrotor 3D: La arquitectura escaló a la dinámica no lineal de 6 grados de libertad de un cuadrotor. El sistema mantuvo la estabilidad dinámica y coordinó con éxito en el espacio 3D para minimizar el volumen de escape del evadidor y asegurar la captura, contabilizando la dinámica de cabeceo/alabeo en el filtro de seguridad.
• Modulación de ROE: Las simulaciones demostraron transiciones fluidas entre modos de "preservación del evadidor" (separación estricta) y "neutralización del evadidor" (interceptación física) mediante la modulación de los parámetros de la misión y los pesos del filtro.

Significancia y Reivindicaciones

El artículo afirma que este marco proporciona una solución robusta para el control de enjambres adversarios al desacoplar la planificación estratégica de la aplicación de la seguridad. La significancia radica en la capacidad del sistema para:

• Adaptarse Dinámicamente: Cambiar entre tácticas de captura, defensa y neutralización simplemente ajustando los pesos, en lugar de reingenierizar el controlador.
• Garantizar la Seguridad: Garantizar una operación libre de colisiones y restricciones de separación mediante el filtro interno de CBF sin interrumpir la convexidad de la optimización del MPC.
• Escalar: Operar eficazmente tanto en entornos 2D como en entornos 3D no lineales complejos.

Los autores señalan que el trabajo actual asume dinámicas deterministas y un único objetivo adversario. Se propone como trabajo futuro extender el solucionador a configuraciones de $M$-perseguidores y $N$-evadidores, incorporar incertidumbre dinámica e integrar la estimación de estado a partir de mediciones sensoriales para relajar la suposición de conocimiento perfecto del estado.