Robust Receding Horizon Games with Additive Uncertainty

Technische Samenvatting: Robuuste Receding Horizon Games met Additieve Onzekerheid

Probleemformulering
Dit artikel behandelt de uitdaging van het aansturen van multi-agent-systemen die opereren in gedeelde, onzekere omgevingen. De auteurs beschouwen een setting met $N$ agenten, waarbij elke agent een discrete-tijd lineair systeem aanstuurt dat onderhevig is aan begrensde additieve verstoringen. De agenten moeten zowel private staat-/inputrestricties als gedeelde koppelingsrestricties voldoen die afhankelijk zijn van de toestanden en inputs van naburige agenten.

In tegen tegenstelling tot coöperatieve gedistribueerde controle, waarbij agenten een globaal doel minimaliseren, richt dit werk zich op Receding Horizon Games (RHG). Hierbij is elke agent zelfbelang en streeft deze ernaar om de eigen tracking-kosten (afwijking van een stationaire doeltoestand) te minimaliseren, terwijl aan restricties wordt voldaan. De kern van de moeilijkheid ligt in het feit dat agenten hun private dynamica, kosten of restricties niet aan anderen kunnen onthullen, maar ze wel collectief aan gedeelde restricties moeten voldoen onder onzekerheid. Het doel is het ontwerpen van een gedistribueerd controleframework dat recursieve haalbaarheid garandeert voor alle verstoringrealisaties en convergentie naar een speltheoretisch evenwicht waarborgt.

Methodologie
Het voorgestelde framework integreert Tube-Based Model Predictive Control (MPC) met Generalized Nash Equilibrium (GNE) theorie. De methodologie verloopt via de volgende stappen:

1. Tube-Based Decompositie:
   De voorspelde staat en input van elke agent worden gedecomposeerd in een nominaal traject en een foutcomponent ($x = s + e$, $u = v + K_p e$). Het nominale traject is de beslissingsvariabele, terwijl de foutdynamica wordt beheerst door een pre-stabiliserende feedbackgain $K_p$. Deze decompositie beperkt de werkelijke staat binnen een "tube" rond het nominale traject, gedefinieerd door een minimale Robuuste Positief Invariante (mRPI) verzameling ($Z^\infty_i$).

2. Restrictie-verstrakking (Constraint Tightening):
   Om robuuste naleving van restricties te garanderen ondanks verstoringen, worden de oorspronkelijke restricties verstraakt:

   • Private Restricties: De staat- en inputverzamelingen worden verstraakt door de mRPI-verzameling en de pre-stabiliserende gain.
   • Gedeelde Restricties: De gedeelde restricties worden verstraakt door de worst-case bijdrage van de fouttermen van buren af te trekken. Cruciaal is dat dit wordt bereikt via een privacy-bewarend protocol waarbij agenten alleen scalaire verstrakkingstermen (support functies van hun mRPI-verzamelingen) uitzenden in plaats van hun volledige dynamica of kostenfuncties.

3. Terminale Elementen:
   Om recursieve haalbaarheid en stabiliteit te garanderen, construeren de auteurs drie specifieke terminale componenten:

   • Een terminale kostenfunctie afgeleid van een Discrete Algebraic Riccati Equation (DARE).
   • Een terminale control law gebaseerd op de optimale feedbackgain van de DARE.
   • Een ontkoppelde positief invariante terminale verzameling. Om de koppeling in de terminale restrictie te behandteren zonder volledige coördinatie te vereisen, wordt de verstrakte gedeelde grens opgesplitst in per-agent aandeel. Elke agent handhaaft het meest restrictieve aandeel dat vereist is door zijn deelname aan diverse nabijheden.

4. Speltheoretische Oplossing:
   In elke tijdstap lossen agenten een eindig-horizon optimalisatieprobleem (een GNEP) parallel op. De kostenfunctie is een tracking-kost richting een vooraf berekende stationaire Variational Generalized Nash Equilibrium (vGNE). Het probleem wordt opgelost met gedistribueerde operator-splitting algoritmen, gebruikmakend van het feit dat het spel een potential game is.

Belangrijkste Bijdragen
Het artikel levert drie primaire bijdragen:

1. Robuuste RHG Formulering: Het formuleert een robuuste receding horizon game voor lineaire systemen met additieve verstoringen en gedeelde restricties. Het introduceert een tube-based constraint tightening schema waarbij agenten alleen scalaire verstrakkingstermen uitwisselen, wat de privacy van hun lokale dynamica en kosten bewaart, in tegen tegenstelling tot coöperatieve schema's die trajecten uitwisselen.
2. Garanties voor Recursieve Haalbaarheid: De auteurs construeren een specifieke set terminale elementen (DARE-gebaseerde kosten, gedecoupleerde invariante verzameling en een resource-allocatieschema voor gedeelde restricties) die rigoureus recursieve haalbaarheid garanderen voor elke begrensde verstoringrealisatie.
3. Stabiliteits- en Convergentieanalyse: Door gebruik te maken van de potential-game structuur van de GNEP, stelt het artikel vast dat de potential functie fungeert als een gezamenlijke Lyapunov-functie. Dit bewijst de asymptotische convergentie van de nominale staat van elke agent naar de stationaire vGNE. Verder toont het aan dat de werkelijke staat convergeert naar een nabijheid van de vGNE die bepaald wordt door de mRPI-verzameling.

Resultaten
Theoretische analyse bevestigt dat:

• Indien de initiële staat haalbaar is, het optimalisatieprobleem haalbaar blijft in alle toekomstige tijdstappen voor elke realisatie van begrensde verstoringen (Recursieve Haalbaarheid).
• De nominale trajecten van alle agenten asymptotisch convergeren naar de stationaire vGNE.
• De werkelijke closed-loop trajecten convergeren naar een minimale robuust positief invariante (RPI) nabijheid van de stationaire vGNE.
• Alle oorspronkelijke private en gedeelde restricties worden robuust nageleefd voor alle verstoringrealisaties.

Betekenis en Claims
De auteurs positioneren dit werk als het eerste rigoureuze onderzoek naar receding horizon games onder onzekerheid met deze specifieke garanties. Ze benadrukken dat eerdere werken over RHGs vertrouwden op deterministische modellen of terminale gelijkheidsrestricties, terwijl bestaande robuuste multi-agent MPC literatuur zich richtte op coöperatieve settings.

Het artikel claimt significantie in het overbruggen van de kloof tussen robuuste controle en speltheorie voor niet-coöperatieve agenten. Het demonstreert dat het mogelijk is om robuuste restrictienaleving en stabiliteit te bereiken in een gedistribueerde, zelfbelangstellende setting zonder dat agenten gevoelige modelinformatie hoeven te delen. De auteurs merken bescheiden op dat het uitbreiden van deze resultaten naar algemene economische kosten (waar kosten gekoppeld zijn) of het integreren van kansrestricties (chance constraints) een openstaand vraagstuk blijft voor toekomstig onderzoek.