Resumo Técnico: Rastreamento de Formação com Consciência de Rigidez sob Restrições de Alcance de Sensoriamento via Única Restrição de Função de Barreira de Controle

1. Definição do Problema

O artigo aborda o desafio do rastreamento de formação e manutenção da rigidez em sistemas de múltiplos robôs (MRS) heterogêneos com dinâmicas não lineares operando sob alcances de sensoriamento limitados.

Em ambientes sem GPS (ex: ambientes internos, subaquáticos, espaço profundo), os agentes dependem de medições relativas locais. Embora o controle de formação baseado em ângulos de direção (bearing-based) seja eficaz para requisitos mínimos de sensoriamento, ele tipicamente assume que um grafo de comunicação rígido é mantido durante toda a missão. No entanto, em cenários práticos onde os agentes possuem alcances de sensoriamento limitados ($\lambda$), os links de comunicação podem ser quebrados ou formados dinamicamente, podendo causar a perda de rigidez de ângulo de direção (bearing rigidity). Como a rigidez é um pré-requisito para estabelecer e preservar uma formação única, a perda de rigidez leva à falha da formação, mesmo que os objetivos de rastreamento individuais sejam atingidos.

O problema central (Problema 1) é projetar uma estratégia de controle distribuída para agentes heterogêneos que:

1. Alcance uma formação rígida única definida por trajetórias de líderes desejadas e vetores de ângulo de direção.
2. Preserve a rigidez de ângulo de direção ($\det(B_{ff}(t)) \neq 0$) em todos os momentos, apesar dos alcances de sensoriamento limitados que podem causar a queda de links.
3. Opere utilizando apenas informação relativa local de vizinhos.

2. Metodologia

A solução proposta integra o rastreamento de formação e a manutenção da rigidez em uma única restrição de Função de Barreira de Controle (CBF) dentro de um framework de Programação Quadrática (QP).

2.1 Modelo de Sistema e Grafo

• Dinâmica: Os agentes são modelados como robôs planos com dinâmicas não lineares ($\dot{p}_i = v_i, \dot{v}_i = f_{v_i}(v_i) + h_{v_i}(v_i)u_i$), cobrindo veículos de duplo integrador, tração diferencial e direção Ackermann.
• Grafo: A topologia de comunicação $G(t)$ é não direcionada e variante no tempo, determinada pelo alcance de sensoriamento $\lambda$.
• Framework: Uma estrutura de líder-seguidor é utilizada, onde os líderes ($V_L$) possuem acesso à posição global, e os seguidores ($V_F$) dependem de ângulos de direção locais.

2.2 Estratégia de Preservação de Rigidez

Ao contrário de trabalhos anteriores que assumem que a rigidez é mantida, este artigo trata a preservação da rigidez como um objetivo de controle explícito.

• Atribuição de Referência: Com base em uma sequência de adição de vértices do tipo Henneberg, cada seguidor recebe um par de referência de vizinhos ($j_1, j_2$) com ângulos de direção desejados não paralelos.
• Criticidade: O artigo estabelece que manter a não colinearidade e as restrições de alcance de sensoriamento desses pares de referência específicos é suficiente para garantir a rigidez global de todo o grafo.
• Alvos Duplos: O controlador alterna entre dois alvos com base no estado dos links de referência:
  1. Alvo Guiado por Ângulo de Direção ($p^b_{iT}$): Utilizado quando a rigidez está segura. Este alvo alinha o agente com a forma da formação desejada.
  2. Alvo Crítico de Rigidez ($p^r_{iT}$): Ativado quando um link de referência se aproxima do limite de sensoriamento ou quando o ângulo entre as referências se aproxima da colinearidade. Este alvo puxa o agente para uma posição que maximiza a margem de segurança para os links críticos, garantindo que permaneçam dentro do alcance e não colineares.

2.3 Framework de Controle: CBF de Alcançabilidade

Os autores utilizam uma Função de Barreira de Controle de Alcançabilidade (reach-CBF) para unificar esses objetivos.

• Conjunto Seguro & Conjunto Alvo: Um conjunto seguro $X$ é definido onde o agente está dentro do alcance de sensoriamento e não colinear. Um conjunto alvo $R$ é definido para o alinhamento desejado.
• Restrição Única: Em vez de restrições separadas para rastreamento e segurança, uma única restrição de reach-CBF é formulada para garantir que o sistema alcance o conjunto alvo $R$ dentro de um tempo finito $\tau$, permanecendo no conjunto seguro invariante para frente $X$.
• Formulação QP: O controle de entrada $u_i$ é computado resolvendo um QP que minimiza o desvio de um controlador nominal enquanto satisfaz a restrição de reach-CBF:
  $$u_i = \arg \min_q \frac{1}{2} \|q - u_{nom}\|^2 \quad \text{sujeito a} \quad K_f + K_h^\top q \geq \frac{\mu}{\tau}$$
• Estabilidade: O sistema de malha fechada é analisado como um sistema não linear com alternância de estados (switched system). Os autores provam que, sob condições de ganho específicas e um tempo de permanência mínimo (dwell-time, garantido pelas margens de sensoriamento e angular), o sistema é uniformemente limitado superiormente (uniformly ultimately bounded) e a formação única é alcançada.

3. Principais Contribuições

1. Framework Unificado: Um novo framework de controle que unifica o rastreamento de formação e a manutenção da rigidez em uma única restrição de reach-CBF, eliminando a necessidade de lidar com restrições complexas de múltiplas camadas.
2. Manutenção de Rigidez Local: O método garante a preservação da rigidez global usando apenas informação relativa local ao identificar e manter pares de referência "críticos para a rigidez", removendo a suposição de rigidez permanente.
3. Suporte à Heterogeneidade: A abordagem é aplicável a sistemas heterogêneos com dinâmicas não lineares (ex: robôs de duplo integrador e de tração diferencial).
4. Implementação Distribuída: O controlador requer apenas dados de vizinhos locais, tornando-o escalável e adequado para operações descentralizadas.

4. Resultados

A abordagem foi validada através de simulações com 8 agentes (2 líderes, 6 seguidores) em espaço 2D, incluindo modelos de duplo integrador e tração diferencial. Três cenários foram testados:

• Caso (i) Rastreamento Nominal: Os agentes rastrearam com sucesso uma formação em movimento, com erros de ângulo de direção convergindo para $\approx 10^{-2}$.
• Caso (ii) Perturbação sem Manutenção de Rigidez: Sob distúrbios constantes aplicados de 0 a 7 s, perturbações de $[-0.05, 0.04]$ e $[-0.01, 0.04]$ foram adicionadas às posições do Seguidor 1 (Agente 3) e do Seguidor 2 (Agente 4), respectivamente. Consequentemente, o Seguidor 5 (Agente 7) perdeu a conectividade com o Seguidor 2 (Agente 4), levando à perda da rigidez da rede conforme $\det(B_{ff}) \to 0$ (ou seja, $\log_{10}(| \det(B_{ff})|) \approx -12$). Embora o erro de ângulo de direção tenha permanecido pequeno, o erro médio da formação aumentou significamente devido à perda de rigidez, e o Seguidor 7 desviou-se da formação desejada.
• Caso (iii) Perturbação com Manutenção de Rigidez: Sob os mesmos distúrbios, um link crítico de rigidez entre o Seguidor 4 e o Seguidor 7 foi preservado. Como resultado, a formação permaneceu rígida e foi rastreada com sucesso.

Comparação: O artigo contrasta seu método com estratégias existentes que dependem de estimativa espectral global (ex: autovalores de rigidez via iteração de potência) ou manutenção simples de conectividade (autovalor de Fiedler). O método proposto evita computação global e garante a condição mais forte de rigidez em vez de apenas conectividade.

5. Significância e Alegações

O artigo afirma que a preservação da rigidez é crítica para um rastreamento de formação preciso, particularmente na presença de distúrbios e alcances de sensoriamento limitados. Sem a manutenção explícita da rigidez, os controladores de rastreamento de formação podem falhar mesmo que os erros de ângulo de direção locais sejam minimizados.

A significância deste trabalho reside em:

• Preencher a Lacuna: Ele aborda a lacuna entre o controle de formação teórico (que assume grafos rígidos) e as restrições práticas (sensoriamento limitado).
• Eficiência: Ao usar uma única restrição de CBF, simplifica a arquitetura de controle em comparação com métodos que exigem múltiplas restrições ou estimadores globais.
• Robustez: Fornece um método provadamente estável para manter a integridade estrutural da formação em ambientes dinâmicos e com restrições.

Os autores observam que trabalhos futuros estenderão este framework para 3D, incorporarão desvio de obstáculos e limites de entrada, e validarão a abordagem experimentalmente em veículos aéreos.