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

Riepilogo Tecnico: Controllo di Formazione Distribuito 3D Leader–Follower con Sicurezza del Campo Visivo tramite Funzioni di Barriera di Controllo

Enunciato del Problema
Il documento affronta la sfida di mantenere formazioni 3D leader–follower sicure e basate sulla visione (3D-LFF) per sistemi multi-UAV, in particolare in ambienti privi di GPS dove la stima dello stato relativo si basa su telecamere onboard. Un vincolo critico in tali sistemi è il Campo Visivo (FOV) e la gamma di profondità della telecamera del seguace. Se i comandi di inseguimento della formazione spingono il leader fuori dal cono ottico della telecamera del seguace, la visibilità viene persa, portando a un fallimento nella stima dello stato relativo e a un potenziale fallimento della missione. Gli approcci esistenti basati sulla posizione spesso non riescono a modellare rigorosamente questi vincoli del cono ottico 3D, mentre l'estensione dei metodi di visibilità planare alle formazioni UAV 3D è non banale a causa della geometria 3D accoppiata e degli effetti dell'assetto relativo. Il problema fondamentale consiste nel progettare un framework di controllo distribuito che raggiunga un tracciamento accurato della formazione garantendo che il leader rimanga strettamente visibile all'interno del cono ottico della telecamera del seguace in ogni momento.

Metodologia
La soluzione proposta è un'architettura di controllo gerarchica e consapevole della percezione che integra un controllore di formazione nominale con un filtro di sicurezza basato su Funzioni di Barriera di Controllo (CBF).

1. Modellazione del Sistema: Gli autori derivano un modello cinematico relativo per la coppia leader–follower utilizzando coordinate sferiche ($L_{ij}, \phi_{ij}, \xi_{ij}$) integrate con una variabile di assetto relativo ($\alpha_{ij}$). Questo modello cattura la geometria tra la telecamera fissata al corpo del seguace e il leader, espressa nel sistema di riferimento del corpo del seguace.
2. Controllore Nominale: Viene progettato un controllore di tracciamento 3D-LFF distribuito utilizzando solo stati relativi localmente disponibili e stati del leader comunicati. Questo controllore genera un comando di velocità nominale ($u_i^{nom}$) inteso a portare l'errore di formazione a zero in modo esponenziale.
3. Filtro di Sicurezza (CBF-QP): Per imporre la visibilità, il comando nominale viene elaborato attraverso un Programma Quadratico basato su Funzioni di Barriera di Controllo (CBF-QP).
   • Definizione dell'Insieme Sicuro: L'insieme sicuro di percezione è definito dai vincoli del cono ottico della telecamera (angoli FOV orizzontali/verticali e limiti di profondità $[x_{near}, x_{far}]$). Questi vincoli sono codificati come funzioni continuamente differenziabili ($h_c$) in coordinate cartesiane.
   • Ottimizzazione: A ogni passo temporale di controllo, il QP minimizza la deviazione tra il comando sicuro ($u_i^{safe}$) e il comando nominale ($u_i^{nom}$) soggetto ai vincoli CBF ($\dot{h}_c + \kappa h_c \geq 0$). Ciò garantisce l'invarianza in avanti dell'insieme sicuro, il che significa che se il leader inizia all'interno del cono ottico, vi rimane.
   • Robustezza: Il framework include variabili di slack per gestire i limiti degli input di controllo e disturbi non modellati, garantendo la fattibilità anche durante manovre aggressive.

Contributi Chiave
Il documento delinea tre contributi principali:

1. Modello Cinematico Relativo: Un modello cinematico 3D in coordinate sferiche che incorpora l'assetto relativo, consentendo una legge di controllo distribuita basata su misurazioni relative locali.
2. Filtro di Sicurezza in Tempo Reale: Un filtro di sicurezza CBF-QP che impone i vincoli del cono ottico 3D (FOV e profondità) modificando minimamente i comandi di formazione nominali. Ciò garantisce la visibilità continua preservando le prestazioni di tracciamento ogni volta che è fattibile.
3. Validazione Sperimentale: Validazione completa utilizzando simulazioni Gazebo e esperimenti hardware con Crazyflie 2.1. I risultati dimostrano la capacità del framework di tracciare le formazioni desiderate e imporre rigorosamente i vincoli FOV, anche quando la formazione desiderata entra in conflitto con i limiti di visibilità o quando il leader esegue manovre brusche.

Risultati
Il metodo proposto è stato valutato rispetto a un controllore di base senza filtro di sicurezza (NoCBF) in due scenari: un compito di formazione a tre stadi e un compito di movimento brusco del leader.

• Compito a Tre Stadi: Nella Fase 2, dove l'espansione della formazione desiderata spingeva il leader verso il confine del cono ottico della telecamera, la baseline NoCBF ha violato i vincoli di sicurezza, causando l'uscita del leader dal FOV. Al contrario, il seguace equipaggiato con CBF ha regolato dinamicamente la sua velocità per mantenere il leader all'interno dell'insieme sicuro, risolvendo con successo il conflitto tra obiettivi di formazione e sicurezza di percezione.
• Movimento Brusco: Durante uno scenario che prevedeva una decelerazione improvvisa del leader, la baseline NoCBF non è riuscita a impedire al seguace di superare il bersaglio e perdere il leader. Il framework proposto ha mitigato con successo il sovraelongazione, mantenendo la visibilità.
• Esperimenti Hardware: I test di volo fisici con droni Crazyflie hanno confermato i risultati della simulazione. Il controllore CBF ha mantenuto il leader all'interno del cono ottico durante manovre complesse (inclusa una traiettoria a lemniscata modulata in imbardata), mentre la baseline non è riuscita a mantenere i vincoli di sicurezza durante le fasi di espansione della formazione.

Significato e Affermazioni
Il documento afferma di fornire una soluzione rigorosa per il controllo di formazione consapevole della percezione nello spazio 3D. Il suo significato risiede in:

• Visibilità Garantita: A differenza dei metodi precedenti che potrebbero fare affidamento su euristiche o non modellare completamente la geometria 3D, questo approccio utilizza le CBF per garantire matematicamente che il leader rimanga all'interno del cono ottico della telecamera (invarianza in avanti).
• Intervento Minimo: La formulazione CBF-QP garantisce che il filtro di sicurezza modifichi l'input di controllo solo quando necessario, preservando il più possibile le prestazioni di tracciamento della formazione nominale.
• Applicabilità Pratica: La validazione riuscita sia su simulazione che su hardware fisico (Crazyflie) dimostra che l'approccio è computazionalmente fattibile per l'implementazione in tempo reale su UAV con risorse limitate.

Gli autori notano che, sebbene gli esperimenti attuali utilizzino il motion capture per emulare misurazioni relative ideali, il lavoro futuro mira a integrare la percezione onboard per chiudere l'anello utilizzando misurazioni grezze basate sulle immagini. Il documento non afferma di risolvere tutti i problemi di coordinamento multi-agente, ma si rivolge specificamente all'intersezione critica tra tracciamento della formazione e sicurezza di percezione nelle configurazioni leader–follower 3D.