⚡ electrical engineering

Control Barrier Function only Formation Tracking in Multi-Agent Systems

Dit artikel stelt een real-time controleframework voor heterogene multi-agent-systemen voor dat een enkele Control Barrier Function-achtige beperking binnen een kwadratische optimalisatieomgeving gebruikt om formatievolging te bereiken met uitsluitend relatieve buurinformatie, waardoor de noodzaak voor handmatige parametertuning of een aparte nominale controller wordt geëlimineerd.

Oorspronkelijke auteurs: S. Saharsh, Pushpak Jagtap

Gepubliceerd 2026-06-25

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: S. Saharsh, Pushpak Jagtap

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 zwerm vogels voor, een school vissen, of een groep dansers die in perfecte unisono bewegen. In de wereld van de robotica wordt dit formatie-tracking genoemd. Het doel is om een groep verschillende robots (sommigen zijn snel, anderen langzaam, sommigen rijden als auto's, anderen als drones) samen te laten bewegen in een specifieke vorm, terwijl ze een leider volgen, zonder dat ze tegen elkaar botsen of de weg kwijtraken.

Dit artikel stelt een nieuwe "hersenen" voor voor deze robotgroepen die dit mogelijk maakt in realtime, zelfs wanneer de robots complex zijn en de omgeving lastig is. Hier is hoe het werkt, onderverdeeld in eenvoudige concepten:

1. Het Probleen: De "Touwtrekkerij"

Normaal gesproken, wanneer je robots programmeert om in een formatie te bewegen, moet je een balans vinden tussen twee concurrerende doelen:

Doel A: In de juiste vorm blijven (Formatie).
Doel B: Niet botsen of van de kaart raken (Veiligheid).

In traditionele methoden vechten deze twee doelen vaak met elkaar. De computer raakt in de war, probeert beide doelen te bevredigen, en soms loopt de wiskunde vast (het systeem wordt "onhaalbaar"), waardoor de robots stoppen of vreemd gedrag vertonen. Het is alsoals proberen een auto te besturen terwijl je tegelijkertijd probeert hem perfect te parkeren en een muur te vermijden, maar het stuur zit vast.

2. De Oplossing: Het "Magische Kompas" (CBF)

De auteurs introduceren een slimme truc met iets dat een Control Barrier Function (CBF) wordt genoemd. Zie dit als een "Magisch Kompas" dat niet alleen vertelt waar de robot heen moet gaan, maar ook garandeert dat hij veilig blijft terwijl hij daar komt.

De Innovatie: In plaats van "in formatie blijven" en "veilig zijn" als twee aparte, vechtende taken te behandelen, combineert dit artikel ze tot één enkele regel.
De Analogie: Stel je voor dat je door een drukke kamer loopt. Normaal gesproken moet je apart zorgen voor "de uitgang bereiken" (formatie) en "niet tegen mensen aanbotsen" (veiligheid). Deze nieuwe methode geeft je één enkele instructie: "Loop richting de uitgang, maar houd je hand uitgestoken om jezelf voorzichtig van mensen weg te leiden." Het verandelt het hele proces in één vloeiende, veilige beweging.

3. Hoe de Robots Elkaar "Zien"

De robots hebben geen GPS-satelliet of een centrale computer nodig die hen precies vertelt waar iedereen is. Ze hoeven alleen naar hun directe buren te kijken.

Het "Bearing"-concept: In plaats van de exacte afstand of coördinaten van een buurman te moeten weten, hoeft elke robot alleen de richting (de hoek) te weten om naar zijn buren te kijken.
De Metafoor: Stel je een groep mensen voor die in het donker elkaars handen vasthouden in een cirkel. Ze hoeven niet te weten hoe ver ze van elkaar verwijderd zijn; ze hoeven alleen te weten in welke richting hun buurman staat. Als iedereen de juiste hoek naar zijn buurman blijft aanhoudt, vormt de hele cirkel zichzelf. Het papier gebruikt dit "kijken naar de hoek" (bearing) om te bepalen waar iedereen moet zijn.

4. De "Leader-Follower" Dans

Het systeem gebruikt een Leader-Follower opstelling:

De Leiders: Een paar robots (zoals de dirigenten van een orkest) volgen een vooraf gepland pad. Zij bepalen het tempo en de algemene richting.
De Volgers: De rest van de robots observeert de leiders en hun directe buren. Ze passen hun snelheid en richting aan om overeen te komen met de "vorm" die door de hoeken wordt gedefinieerd.
De Magie: Het artikel bewijst dat als elke volger zich simpelweg correct afstemt op zijn twee dichtstbijzijnde buren, de gehele groep automatisch de perfecte vorm aanneemt, zelfs als de leiders snel bewegen of van richting veranderen.

5. De "Eén-Stap" Optimalisatie

De hersenen van de robot gebruiken een wiskundig instrument genaamd Quadratic Programming (QP). Denk aan dit als een supersnelle rekenmachine die elke fractie van een seconde een puzzel oplost.

De Oude Manier: De rekenmachine probeerde twee verschillende puzzels tegelijk op te lossen (Vorm + Veiligheid), wat vaak leidde tot een "Geen Oplossing" foutmelding.
De Nieuwe Manier: De rekenmachine lost één enkele puzzel op. Het vraagt: "Wat is de makkelijkste, meest efficiënte beweging die mij in de juiste vorm houdt EN garandeert dat ik mijn doelhoek binnen een specifieke tijd bereik?"
Het Resultaat: De robots bewegen vloeiend en passen hun snelheid en richting direct aan om in formatie te blijven, zonder ooit te hoeven stoppen om complexe veiligheidsregels te herberekenen.

6. Het Bewijs (De Simulatie)

De auteurs hebben dit getest in een computersimulatie met:

2 Leiders: Die een pad volgen.
6 Volgers: Sommigen waren eenvoudige "double integrator" robots (zoals een punt dat in een rechte lijn beweegt), en anderen waren "differential drive" robots (zoals echte auto's of Roomba's die draaien door de wielen te laten spinnen).
De Uitkomst: Ondanks dat de robots verschillende typen waren en met willekeurige, rommelige posities begonnen, namen ze allemaal succesvol de gewenste formatie aan en volgden ze de leiders perfect. De fout in hun hoeken was minimaal (bijna nul).

Samenvatting

Dit artikel presenteert een nieuwe manier om robotswarms aan te sturen. In plaats van te jongleren met aparte regels voor "in vorm blijven" en "niet botsen", creëert het één enkele, verenigde regel die beide zaken afhandelt. Door uitsluitend te vertrouwen op de richting van buren (en niet op hun exacte locatie), is het systeem robuust, werkt het zonder GPS, en stelt het verschillende soorten robots in staat om naadloos samen te bewegen, als een goed ingestudeerde dansgroep die een leidende danser volgt.

Technische Samenvatting: Alleen Control Barrier Function voor Formatievolging in Multi-Agent Systemen

Probleemstelling
Het artikel behandelt het probleem van formatievolging voor heterogene multi-agent systemen (MAS) die gekenmerkt worden door niet-lineaire dynamica. Een primaire uitdaging in dit domein is de afhankelijkheid van relatieve toestandsinformatie vanwege beperkingen in real-time communicatie, wat toegang tot globale toestandsgegevens verhindert. Bestaande benaderingen worstelen vaak met schaalbaarheid, aanpassingsvermogen in dynamische omgevingen, of onhaalbaarheid veroorzaakt door conflicten tussen nominale formatiecontrollers en real-time veiligheidsrestricties. Specifiek richten de auteurs zich op een leader-follower framework waarbij follower-agenten een unieke, rigide formatie moeten handhaven, gedefinieerd door gewenste bearingvectoren ten opzichte van hun buren, terwijl leaders vooraf bepaalde trajecten volgen. Het systeem werkt onder de assumptie van infinitesimale bearing-rigiditeit, wat ervoor zorgt dat de gewenste bearing-configuratie overeenkomt met een unieke formatie.

Methodologie
De voorgestelde oplossing maakt gebruik van een Quadratic Programming (QP) optimalisatiekader, aangedreven door een nieuwe Control Barrier Function (CBF) formulering. De methodologie is als volgt gestructureerd:

Probleemdecompositie: De globale formatievolgingstaak wordt gedecomponeerd in lokale subtaken voor elke follower-agent. Elke follower identificeert ten minste twee referentieknopen (leaders of andere followers) met niet-parallelle gewenste bearings. Het lokale doel is om de bearingvectoren van de agent uit te lijnen met de gewenste vectoren, wat gezamenlijk ervoor zorgt dat de globale formatie wordt bereikt.
Bearing-gestuurde Target: Voor elke follower wordt een "bearing-gestuurde target" ( $p_{iT}$ ) berekend. Deze target vertegenwoordigt het unieke snijpunt van lijnen gedefinieerd door de gewenste bearing-hellingen van de referentieknopen. Het controle-objectief is om de positie van de agent naar deze bewegende target te drijven, terwijl de snelheidsvector wordt uitgelijnd met de richting van de target.
Reachability Control Barrier Function (Reach-CBF): De auteurs introduceren een gemodificeerde CBF die verschilt van standaardformuleringen. Terwijl conventionele CBF's de voorwaartse invariantie van een veilige verzameling garanderen, garandeert deze "Reach-CBF" zowel de voorwaartse invariantie van een veilige verzameling als de bereikbaarheid in eindige tijd van een target-verzameling binnen die veilige verzameling.
- De veilige verzameling wordt gedefinieerd door de uitlijning tussen de snelheidsvector van de agent en de bearing-gestuurde targetvector.
- De target-verzameling komt overeen met een toestand waarin deze uitlijningsfout binnen een kleine, vooraf gedefinieerde tolerantie valt.
Control Law Design: De controle-input wordt afgeleid door een QP-probleem op te lossen dat de afwijking van een nominale snelheid-volgende controller minimaliseert, onderworpen aan de Reach-CBF restrictie.
- De nominale controller handelt de snelheidsregulatie af om de snelheid van de leader te evenaren.
- De Reach-CBF restrictie dwingt de vereiste directionele uitlijning af voor het behoud van de formatie.
- Dit ontwerp ontkoppelt de controle van de snelheidsgrootte (behandeld door de nominale controller) en de richting (afgedwongen door de CBF), waardoor de noodzaak voor een aparte nominale formatiecontroller wordt geëlimineerd en de onhaalbaarheidsproblemen die voorkomen bij concurrerende doelstellingen worden vermeden.

Belangrijkste Bijdragen
Het artikel schetst drie primaire bijdragen:

Nieuwe Reach-CBF Formulering: De auteurs stellen een CBF-achtige functie voor die standaard CBF's uitbreidt door de bereikbaarheid in eindige tijd van een target-verzameling binnen een voorwaarts invariante veilige verzameling te garanderen, in plaats van enkel veiligheid te waarborgen.
Single-Constraint Optimalisatiekader: Er wordt een nieuw CBF-QP-achtig framework geïntroduceerd dat een enkele CBF-restrictie gebruikt om formatievolging voor heterogene niet-lineaire multi-agent systemen te behandelen. Deze benadering elimineert de noodzaak voor handmatige parameterinstelling of een aparte nominale formatiecontroller.
Leader-Follower Formatievolging: De methode bereikt succesvol formatievolging voor systemen met niet-lineaire agent-dynamica (inclusief dubbele integratoren, differential-drive en Ackermann-drive robots) binnen een leader-follower architectuur met uitsluitend gebruik van relatieve bearing-informatie.

Resultaten
Het voorgestelde framework werd gevalideerd via simulaties met een heterogeen systeem van acht agenten in een 2D-ruimte: twee leaders en zes followers.

Systeemconfiguratie: De followers bevatten agenten gemodelleerd als dubbele integratoren en differential-drive robots met niet-lineaire dynamica.
Scenario: De leaders volgden vooraf bepaalde trajecten, terwijl de followers de taak hadden om een specifieke rigide formatie te behouden, gedefinieerd door bearing-vectoren.
Prestaties: De simulatie toonde aan dat de follower-agenten de bewegende formatie succesvol volgden. Na 30 seconden waren de bearing-fouten voor alle followers verwaarloosbaar (variërend van ongeveer $-4,6 \times 10^{-5}$ tot $1,87 \times 10^{-4}$ ). De trajecten bevestigden dat de agenten de gewenste formatievorm bereikten terwijl ze de leaders volgden.

Betekenis en Claims
Het artikel claimt dat de benadering een verenigd, op restricties gebaseerd veilig ontwerp biedt dat de beperkingen van bestaande methoden aanpakt, met name het conflict tussen formatie-objectieven en veiligheidsrestricties. Door de formatievolgingstaak zelf als een CBF-restrictie te coderen, zorgt de methode ervoor dat het systeem binnen een veilige verzameling blijft terwijl het in eindige tijd convergeert naar de gewenste formatie. De auteurs benadrukken dat het framework opereert zonder globale toestandsinformatie en uitsluitend vertrouwt op lokale relatieve metingen (bearings), wat het geschikt maakt voor GPS-loze omgevingen. Het werk concludeert met de vermelding dat toekomstige inspanningen erop gericht zijn deze aanpak uit te breiden naar 3D luchtvaartuigen die navigeren door rommelige omgevingen met versnellende obstakels.