Adaptive Sliding Mode Control for Vehicle Platoons with State-Dependent Friction Uncertainty

Titolo: Controllo a Modo Scorrimento Adattivo per Convogli di Veicoli con Incertezza dell'Attrito Dipendente dallo Stato

1. Il Problema

Il controllo della formazione di convogli (platoons) di robot mobili autonomi è fondamentale per applicazioni come il trasporto di carichi, la sorveglianza e le operazioni militari. La sfida principale risiede nel mantenere una distanza di sicurezza predefinita tra i veicoli e seguire una traiettoria desiderata in presenza di:

• Disturbi esterni: Variazioni impreviste dell'ambiente.
• Parametri incerti: Massa, momento d'inerzia e altre proprietà dinamiche non perfettamente note.
• Forze di attrito complesse: Questo è il punto critico del lavoro. L'attrito tra le ruote e il terreno non è costante; dipende dallo stato del sistema (velocità, usura degli pneumatici, tipo di superficie). I modelli tradizionali di attrito (es. Coulomb o viscoso) sono spesso insufficienti o richiedono una conoscenza a priori dei parametri.
• Limitazione degli approcci esistenti: I controllori adattivi a stato dell'arte (State-of-the-Art) possono gestire incertezze limitate (bounded), ma falliscono quando le forze di attrito sono dipendenti dallo stato e quindi non limitabili a priori senza conoscere esattamente i parametri del sistema.

2. Metodologia

L'autore propone un nuovo framework di Controllo a Modo Scorrimento Adattivo (ASMC - Adaptive Sliding Mode Control) specifico per convogli di robot mobili a ruote (WMR). L'approccio si basa su una struttura a due stadi:

1. Controllo Cinematico:

   • Utilizza un controllore standard basato sul metodo backstepping per calcolare le velocità lineari ($v_c$) e angolari ($\omega_c$) desiderate, basandosi sull'errore di tracciamento della traiettoria.
   • Questo stadio ignora la dinamica del veicolo (forze e coppie) e si concentra solo sulla geometria del movimento.

2. Controllo Dinamico (Il contributo principale):

   • Viene progettato un controllore ASMC per gestire la dinamica reale del robot, inclusa l'inerzia e l'attrito.
   • Modellazione dell'Incertezza: Il modello riconosce che l'attrito (sia Coulomb che viscoso) è una funzione dello stato (velocità). Di conseguenza, l'incertezza totale ($\epsilon$) non è un valore costante, ma dipende dallo stato del sistema ($\xi$).
   • Legge di Controllo: La legge di controllo è composta da due parti:
     • Un termine di feedback lineare ($-\Lambda s$) per la stabilità.
     • Un termine di commutazione adattiva ($-\rho(t) \text{sgn}(s)$) che compensa l'incertezza.
   • Adattazione dei Guadagni: Invece di conoscere i limiti dell'attrito, il controllore stima in tempo reale i guadagni adattivi ($\hat{K}$) necessari per contrastare l'incertezza. Questi guadagni vengono aggiornati tramite leggi di adattamento che utilizzano l'errore di tracciamento e le variabili di scorrimento.
   • Separazione Forze/Coppie: Il controllo è diviso in gestione della forza lineare e della coppia angolare, ma le due sono progettate simultaneamente per gestire le interdipendenze delle incertezze.

3. Analisi di Stabilità:

   • La stabilità del sistema in anello chiuso è dimostrata rigorosamente utilizzando la Teoria di Lyapunov.
   • Viene provato che il sistema è Uniformemente Ultimatemente Limitato (UUB), garantendo che gli errori di tracciamento e le stime dei parametri rimangano entro limiti definiti, anche senza conoscere a priori i parametri di attrito.

3. Contributi Chiave

• Gestione dell'Attrito Dipendente dallo Stato: Il lavoro risolve il problema specifico delle forze di attrito non limitabili a priori, che i controllori adattivi tradizionali non riescono a gestire efficacemente.
• Framework ASMC Senza Conoscenza Previa: Il controller non richiede la conoscenza dei parametri del sistema (massa, inerzia, coefficienti di attrito) o dei limiti delle perturbazioni.
• Progettazione Integrata: Un approccio che combina il controllo cinematico e dinamico, permettendo di gestire le incertezze complesse nel livello dinamico mentre si mantiene la precisione geometrica nel livello cinematico.
• Dimostrazione Teorica e Sperimentale: Fornisce una prova di stabilità formale e convalida i risultati attraverso simulazioni avanzate.

4. Risultati

Le simulazioni sono state eseguite utilizzando l'ambiente Gazebo con un modello di robot TurtleBot3 in un'arena personalizzata che includeva:

• Superfici con diversi coefficienti di attrito longitudinale (cambiamenti improvvisi tra quadranti).
• Ostacoli (dossi) per simulare disturbi improvvisi.
• Un percorso a "otto" con tre robot (uno leader e due follower).

Confronto con lo Stato dell'Arte (ASMC Standard):

• Tracciamento della Traiettoria: Il controller proposto ha mostrato errori di tracciamento (RMS) inferiori rispetto al controller standard, specialmente nelle zone ad alto attrito (terzo quadrante) e durante il passaggio sui dossi.
• Mantenimento della Distanza (Gap Error): Il controller proposto ha mantenuto la distanza tra i robot molto più stabile. In condizioni di attrito variabile, il controller standard ha mostrato un errore di distanza significativamente maggiore.
• Robustezza: Il controller proposto ha dimostrato una maggiore capacità di assorbire le variazioni improvvise delle forze di attrito senza perdere la formazione o divergere.

5. Significato e Impatto

Questo lavoro è significativo perché colma un divario teorico e pratico nella robotica mobile:

• Realismo: Riconosce che l'attrito reale non è un parametro fisso ma una funzione dinamica dello stato, rendendo il controllo più adatto alle condizioni del mondo reale (strade sconnesse, pioggia, usura).
• Autonomia: Permette ai convogli di robot di operare in ambienti non strutturati senza la necessità di una calibrazione preliminare complessa dei parametri di attrito.
• Scalabilità: Sebbene testato su tre robot, il framework è progettato per essere scalabile a convogli più grandi, offrendo una soluzione robusta per il trasporto autonomo di massa e le operazioni di sorveglianza in condizioni ambientali variabili.

In sintesi, la tesi di Rishabh Dev Yadav introduce un metodo di controllo avanzato che rende i convogli di robot più resilienti e precisi, superando le limitazioni dei metodi attuali quando si affrontano le incertezze dinamiche complesse tipiche dell'interazione ruota-terreno.