⚡ electrical engineering

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

Dit artikel stelt een gedistribueerd 3D-leider-volger-vormingsbesturingskader voor multi-UAV-systemen voor dat visiegebaseerde veiligheid waarborgt door een nominale volgeregelaar in te bedden in een op Control Barrier Function gebaseerde veiligheidsfilter om te garanderen dat de leider binnen het gezichtsveld van de volger blijft.

Oorspronkelijke auteurs: Immanuel R. Santjoko, Richie R. Suganda, Miao Pan, Bin Hu

Gepubliceerd 2026-05-19

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Immanuel R. Santjoko, Richie R. Suganda, Miao Pan, Bin Hu

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je een team van kleine drones voor die samen vliegen in een 3D-ruimte, zoals een school vissen of een zwerm vogels. In deze opstelling is één drone de Leider, en de anderen zijn Volgers. De taak van de Volgers is om een specifieke formatie ten opzichte van de Leider aan te houden, maar er is een addertje onder het gras: ze kunnen elkaar niet met ogen zien; ze gebruiken camera's.

Hier is het probleem dat het artikel oplost: Het "Dode Hoek"-Dilemma.

Het Probleem: De Camera Heeft Tunnelvisie

Stel je de camera op een volgerdrone voor als een flitslichtstraal of een tunnel. Deze heeft een beperkte breedte (Kijkveld) en een beperkte diepte (het kan dingen te dichtbij of te ver weg niet zien).

Als de Leiderdrone plotseling naar een kant duikt, versnelt of abrupt stopt, kan deze zo uit het "flitslicht" van de volger vliegen.

Zonder veiligheidssysteem: De volger probeert de Leider exact te volgen waar die ook naartoe wil. Als de Leider uit het zicht van de camera vliegt, wordt de volger "blind". Het verliest de Leider uit het oog en de formatie valt uiteen.
Het Doel: De volger moet in formatie blijven maar mag de Leider nooit uit het zicht van zijn camera laten verdwijnen.

De Oplossing: De "Veiligheidsfilter"

De auteurs hebben een slim besturingssysteem gebouwd dat fungeert als een beschermengel of een verkeersagent voor de drones. Ze noemen het een "Control Barrier Function" (CBF), maar je kunt het zien als een Veiligheidsfilter.

Hier is hoe het werkt, stap voor stap:

Het "Droom"-Plan (Nominaal Bestuurder): Eerst berekent de drone waar hij wil gaan om de perfecte formatie te behouden. Dit is het "ideale" pad.
De Veiligheidscontrole (De Filter): Voordat de drone daadwerkelijk beweegt, controleert de Veiligheidsfilter: "Als ik ga waar ik wil, blijft de Leider dan binnen het flitslicht van mijn camera?"
- Zo ja: De filter zegt: "Ga je gang!" De drone beweegt precies zoals gepland.
- Zo nee: De filter zegt: "Stop! Dat pad zal je het zicht op de Leider doen verliezen." Het maakt vervolgens een kleine, zorgvuldige aanpassing aan de snelheid of richting van de drone. Het verandert het pad net genoeg om de Leider zichtbaar te houden, terwijl het toch probeert zo dicht mogelijk bij het oorspronkelijke formatieplan te blijven.

De Analogie: Een Hond Leiden aan een Leiband

Stel je voor dat je een hond (de Leider) uitlaat aan een leiband, maar je draagt een blinddoek en kunt de hond alleen zien door een smalle buis die je voor je gezicht houdt (de Camera).

De Oude Manier (Zonder Veiligheidsfilter): Je probeert in een perfecte cirkel met de hond te lopen. Als de hond plotseling naar links rent, blijf jij in je cirkel lopen. De hond rent uit het zicht van je buis. Je bent nu verdwaald en weet niet waar de hond is.
De Nieuwe Manier (Met Veiligheidsfilter): Je hebt een slimme assistent die je begeleidt. Je wilt in een cirkel lopen, maar de assistent ziet dat de hond naar de rand van je buis rent. De assistent trekt zachtjes aan je arm en zegt: "Loop niet rechtdoor; stap een beetje naar rechts." Je past je pad iets aan. Je loopt niet meer de perfecte cirkel, maar je houdt de hond binnen je buis zodat je het zicht erop nooit verliest.

Wat Ze Testten

De onderzoekers testten dit idee op twee manieren:

Computersimulaties (Gazebo): Ze creëerden een virtuele grot met smalle tunnels en open ruimtes. Ze lieten de Leiderdrone lastige dingen doen, zoals plotseling stoppen en scherpe bochten maken.
- Resultaat: De drones van de "Oude Manier" verloren het zicht op de Leider wanneer de Leider agressief bewoog. De drones van de "Nieuwe Manier" pasten hun paden succesvol aan om de Leider in het zicht te houden, zelfs wanneer de Leider probeerde buiten de grenzen te vliegen.
Echte Hardware (Crazyflie Drones): Ze vlogen met echte kleine drones in een lab.
- Resultaat: Net als in de simulatie slaagden de drones met de Veiligheidsfilter erin de Leider te volgen en deze in het cameraframe te houden, zelfs wanneer de Leider plotseling en schokkende bewegingen maakte. De drones zonder filter crashten of verloren de Leider uit het oog.

De Conclusie

Dit artikel presenteert een nieuwe manier om droneteams te laten vliegen zodat ze bij elkaar kunnen blijven zonder elkaar uit het oog te verliezen. Het gebruikt een wiskundig "veiligheidsnet" dat de bewegingen van de drone automatisch aanpast om ervoor te zorgen dat de Leider nooit uit het zicht van de camera verdwijnt, en zo een balans vindt tussen de noodzaak om een formatie te volgen en de noodzaak om veilig en zichtbaar te blijven.

Technische Samenvatting: Gedistribueerde 3D Leader–Follower Formatiebesturing met Zichtveldveiligheid via Control Barrier Functions

Probleemstelling
Het artikel behandelt de uitdaging om veilige, op visie gebaseerde 3D leader–follower-formaties (3D-LFF) te handhaven voor multi-UAV-systemen, met name in GPS-ontzegde omgevingen waar relatieve staatsschatting afhankelijk is van aan boord aanwezige camera's. Een kritieke beperking in dergelijke systemen is het Zichtveld (Field-of-View, FOV) en het dieptebereik van de camera van de follower. Als formatievolgcommando's de leader buiten het frustum van de camera van de follower drijven, gaat het zicht verloren, wat leidt tot een falen in de relatieve staatsschatting en een potentiële mislukking van de missie. Bestaande op positie gebaseerde benaderingen slagen er vaak niet in om deze 3D-camerafrustumbeperkingen strikt te modelleren, terwijl het uitbreiden van planaire zichtmethodes naar 3D-UAV-formaties niet triviaal is vanwege de gekoppelde 3D-geometrie en de effecten van relatieve koers. Het kernprobleem is het ontwerpen van een gedistribueerd besturingskader dat nauwkeurige formatievolging bereikt, terwijl gegarandeerd wordt dat de leader te allen tijde strikt zichtbaar blijft binnen het frustum van de camera van de follower.

Methodologie
De voorgestelde oplossing is een hiërarchische, perceptiebewuste besturingsarchitectuur die een nominale formatiecontroller integreert met een veiligheidsfilter gebaseerd op Control Barrier Functions (CBF's).

Systeemmodellering: De auteurs leiden een relatief kinematisch model af voor het leader–follower-paar met behulp van bolcoördinaten ( $L_{ij}, \phi_{ij}, \xi_{ij}$ ), aangevuld met een relatieve koersvariabele ( $\alpha_{ij}$ ). Dit model vat de geometrie tussen de aan het lichaam van de follower vastgeplaatste camera en de leader samen, uitgedrukt in het lichaamskoordinatenstelsel van de follower.
Nominale Controller: Een gedistribueerde 3D-LFF-volgcontroller wordt ontworpen met uitsluitend lokaal beschikbare relatieve toestanden en doorgestuurde leader-toestanden. Deze controller genereert een nominale snelheidsopdracht ( $u_i^{nom}$ ) die bedoeld is om de formatiefout exponentieel naar nul te drijven.
Veiligheidsfilter (CBF-QP): Om zichtbaarheid af te dwingen, wordt de nominale opdracht verwerkt via een op Control Barrier Functions gebaseerd Kwantitatief Programma (CBF-QP).
- Definitie van de Veilige Set: De perceptieve veilige set wordt gedefinieerd door de camerafrustumbeperkingen (horizontale/verticale FOV-hoeken en dieptelimieten $[x_{near}, x_{far}]$ ). Deze beperkingen worden gecodeerd als continu differentieerbare functies ( $h_c$ ) in Cartesische coördinaten.
- Optimalisatie: Bij elke besturingsstap minimaliseert het QP de afwijking tussen de veilige opdracht ( $u_i^{safe}$ ) en de nominale opdracht ( $u_i^{nom}$ ), onderworpen aan de CBF-beperkingen ( $\dot{h}_c + \kappa h_c \geq 0$ ). Dit zorgt voor de voorwaartse invariantie van de veilige set, wat betekent dat als de leader binnen het frustum begint, deze daar ook blijft.
- Robuustheid: Het kader bevat slackvariabelen om grenzen aan besturingsinvoer en niet-gemodelleerde verstoringen te hanteren, waardoor haalbaarheid wordt gewaarborgd zelfs bij agressieve manoeuvres.

Belangrijkste Bijdragen
Het artikel schetst drie primaire bijdragen:

Relatief Kinematisch Model: Een 3D kinematisch model in bolcoördinaten dat relatieve koers integreert, wat een gedistribueerde besturingswet mogelijk maakt op basis van lokale relatieve metingen.
Real-time Veiligheidsfilter: Een CBF-QP-veiligheidsfilter dat 3D-camerafrustumbeperkingen (FOV en diepte) afdwingt door nominale formatiecommando's minimaal te wijzigen. Dit garandeert continue zichtbaarheid terwijl de volgprestaties worden behouden zolang dit haalbaar is.
Experimentele Validatie: Uitgebreide validatie met Gazebo-simulaties en Crazyflie 2.1-hardware-experimenten. De resultaten tonen het vermogen van het kader om gewenste formaties te volgen en strikt FOV-beperkingen af te dwingen, zelfs wanneer de gewenste formatie in conflict is met zichtgrenzen of wanneer de leader abrupte manoeuvres uitvoert.

Resultaten
De voorgestelde methode werd geëvalueerd tegen een baseline-controller zonder veiligheidsfilter (NoCBF) in twee scenario's: een formatietask in drie fasen en een taak met abrupte leaderbeweging.

Taak in Drie Fasen: In Fase 2, waarbij de gewenste formatie-uitbreiding de leader naar de grens van het camerafrustum duwde, schond de NoCBF-baseline veiligheidsbeperkingen, waardoor de leader het FOV verliet. Daarentegen paste de met CBF uitgeruste follower dynamisch zijn snelheid aan om de leader binnen de veilige set te houden, en loste het conflict tussen formatiedoelen en perceptieve veiligheid succesvol op.
Abrupte Beweging: Tijdens een scenario met plotselinge leader-vertraging, faalde de NoCBF-baseline om te voorkomen dat de follower voorbij schoot en de leader verloor. Het voorgestelde kader slaagde erin het voorbijschieten te mitigeren en het zicht te behouden.
Hardware-experimenten: Fysieke vluchttests met Crazyflie-drones bevestigden de simulatieresultaten. De CBF-controller hield de leader binnen het frustum tijdens complexe manoeuvres (inclusief een door gieren gemoduleerde lemniscaat-traject), terwijl de baseline faalde om veiligheidsbeperkingen te handhaven tijdens fasen van formatie-uitbreiding.

Betekenis en Beweringen
Het artikel beweert een rigoureuze oplossing te bieden voor perceptiebewuste formatiebesturing in de 3D-ruimte. De betekenis hiervan ligt in:

Gewaarborgde Zichtbaarheid: In tegenstelling tot eerdere methoden die mogelijk vertrouwen op heuristieken of de 3D-geometrie niet volledig modelleren, gebruikt deze aanpak CBF's om wiskundig te garanderen dat de leader binnen het camerafrustum blijft (voorwaartse invariantie).
Minimale Interventie: De CBF-QP-formulering zorgt ervoor dat het veiligheidsfilter de besturingsinvoer alleen aanpast wanneer nodig, waardoor de nominale formatievolgprestatie zoveel mogelijk wordt behouden.
Praktische Toepasbaarheid: De succesvolle validatie op zowel simulatie als fysieke hardware (Crazyflie) toont aan dat de aanpak computationeel haalbaar is voor real-time implementatie op UAV's met beperkte middelen.

De auteurs merken op dat, hoewel huidige experimenten motion capture gebruiken om ideale relatieve metingen te emuleren, toekomstig werk erop gericht is onboard-perceptie te integreren om de lus te sluiten met ruwe op beelden gebaseerde metingen. Het artikel beweert niet alle multi-agent coördinatieproblemen op te lossen, maar richt zich specifiek op de kritieke kruising van formatievolging en perceptieve veiligheid in 3D leader–follower-configuraties.