RVC-NMPC: Nonlinear Model Predictive Control with Reciprocal Velocity Constraints for Mutual Collision Avoidance in Agile UAV Flight

Resumo Técnico: RVC-NMPC para Evitação de Colisão Mútua em Voo Ágil de UAVs

Definição do Problema
A rápida implantação de Veículos Aéreos Não Tripulados (UAVs) para tarefas como entrega de pacotes e monitoramento de áreas exige a operação em espaços aéreos densos e compartilhados. Embora o planejamento centralizado seja frequentemente impraticável para cenários de alta velocidade devido aos atrasos de comunicação e problemas de escalabilidade, os métodos descentralizados existentes enfrentam limitações significativas. As abordagens de estado da arte atuais normalmente exigem a troca de trajetórias futuras completas, impondo altas demandas de largura de banda, ou dependem de modelos cinemáticos simplificados que negligenciam a dinâmica não linear dos UAVs. Além disso, muitos métodos existentes são restritos a baixas velocidades (frequentamente abaixo de 10 m/s), falhando em aproveitar a agilidade de drones comerciais capazes de velocidades e acelerações mais altas. Há uma necessidade crítica de uma estratégia de desvio de colisão descentralizada que opere em altas frequências, considere a dinâmica não linear completa e dependa apenas de estados atuais observáveis (posição e velocidade), em vez de caminhos futuros previstos.

Metodologia
Os autores propõem o RVC-NMPC, um framework que integra o Controle Preditivo Baseado em Modelo Não Linear (NMPC) com Restrições de Velocidade Recíprocas (RVCs) dependentes do tempo. A arquitetura do sistema consiste em um pipeline que roda a 100 Hz em um processador ARM, composto por:

1. Estimativa de Estado: Processa dados de sensores para estimar a posição e a velocidade atuais do UAV.
2. Geração de Trajetória de Referência: Utiliza um Modelo de Massa Pontual (PMM) para gerar uma trajetória de referência de tempo mínimo até o objetivo, respeitando restrições cinemáticas, mas ignorando colisões.
3. Gerador de Restrição de Velocidade Recíproca: Computa restrições lineares baseadas nas posições e velocidades atuais dos robôs vizinhos. Diferente de métodos que computam restrições para cada ponto no horizonte de predição, este módulo gera um único conjunto de restrições derivadas do estado atual.
4. Controlador NMPC: Resolve um problema de otimização não linear para gerar entradas de controle (empuxo dos motores). O objetivo é minimizar o desvio da trajetória de referência e o esforço de controle. Crucialmente, a desviação de colisão é aplicada via restrições lineares suaves ($A_{m,k}v_k + s_{m,k} \ge b_{m,k}$) integradas diretamente na formulação do NMPC.

Inovações Técnicas Principais

• Restrições Dependentes do Tempo: O artigo introduz um mecanismo inovador onde as restrições de velocidade recíproca são válidas apenas para uma janela de tempo específica ($t_{v,m}$). Esta duração é calculada com base nos vetores de posição e velocidade relativos; a restrição permanece ativa apenas até que o vetor de velocidade relativa faça com que os robôs passem um pelo outro (ou seja, quando o ângulo entre a posição relativa e a velocidade relativa excede $\pi/2$). Isso evita que as restrições sejam excessivamente restritivas para todo o horizonte de predição, permitindo que o UAV manobre mais livremente assim que o risco imediato de colisão passar.
• Aplicação de Conjunto Único de Restrições: Em vez de computar restrições únicas para cada ponto de transição no horizonte do NMPC (o que aumenta a complexidade computacional), o método aplica um único conjunto de restrições sobre todo o horizonte. Devido à convexidade do conjunto de velocidades viáveis, qualquer combinação convexa de velocidades viáveis permanece viável. Esta abordagem reduz drasticamente a carga computacional enquanto mantém as garantias de desvio de colisão.
• Integração Direta de Dinâmica: O controlador utiliza um modelo de dinâmica de quadricóptero não linear completo (incluindo taxas de corpo e orientação de quaternion), em vez de modelos cinemáticos simplificados, permitindo voo ágil em altas acelerações.
• Operação de Baixa Largura de Banda: O método requer apenas a posição e velocidade atuais de outros agentes, obtíveis via sensores embarcados ou comunicação de baixa largura de banda (ex: Remote Drone ID), eliminando a necessidade de compartilhamento de trajetórias de alta largura de banda.

Resultados
A abordagem foi avaliada através de extensas simulações e experimentos no mundo real:

• Desempenho de Simulação: Em um cenário desafiador envolvendo 10 UAVs navegando para posições antipodais em um círculo de raio de 10m com limites de velocidade de 20 m/s e limites de aceleração de 40 m/s, o RVC-NMPC alcançou uma redução de 31% no tempo de voo em comparação com o melhor método de estado da arte (HDSM), mantendo uma taxa de sucesso de 100% (livre de colisões). Superou métodos como MADER, EGO-SWARM-2 e RBL.
• Robustez: O sistema demonstrou resiliência a atrasos de comunicação de até 50 ms e frequências de mensagem de até 10 Hz. Também manteve o desempenho com ruído de estimativa de estado de até $\sigma_p = 1$m e $\sigma_v = 2$ m/s.
• Confiabilidade: Uma simulação contínua de 3 horas com 10 UAVs navegando para 50.000 objetivos aleatórios com acelerações de até 40 m/s resultou em zero colisões.
• Validação no Mundo Real: Experimentos com três UAVs em um processador Khadas VIM3 (ARM de 2 GHz) confirmaram a viabilidade da abordagem. O sistema navegou com sucesso com acelerações de até 30 m/s² e velocidades de até 18 m/s, utilizando um link de comunicação de 10 Hz com um atraso médio de 14 ms.

Significância e Alegações
O artigo afirma que o RVC-NMPC representa um avanço significativo para o voo ágil e de alta velocidade de UAVs em ambientes compartilhados. Sua principal significância reside na capacidade de combinar a modelagem de dinâmica não linear completa com desempenho em tempo real (100 Hz) sem exigir a troca de trajetórias futuras. Ao basear-se apenas em estados atuais observáveis e empregar restrições dependentes do tempo, o método alcança maior eficiência (tempo de voo reduzido) e robustez em comparação com abordagens de ORCA-MPC ou de compartilhamento de trajetória. Os autores enfatizam que, embora o método careça de garantias teóricas (devido à ausência de conhecimento de trajetórias futuras e ao uso de restrições suaves), sua confiabilidade prática foi demonstrada através de testes extensos em cenários que excedem os limites de velocidade e aceleração da maioria da literatura existente. A abordagem é apresentada como uma solução prática para implantação no mundo real, onde a largura de banda de comunicação é limitada e a agilidade dinâmica é necessária.