This paper studies the problem of affine transformation-based guidance of a multi-quadcopter system (MQS) in an obstacle-laden environment. Such MQSs can perform a variety of cooperative tasks including information collection, inspection mapping, disinfection, and firefighting. The MQS affine transformation is an approach to a decentralized leader-follower coordination guided by n +1 leaders, where leaders are located at vertices of an n-D simplex, called leading simplex, at any time t. The remaining agents are followers acquiring the desired affine transformation via local communication. Followers are contained in a rigid-size ball at any time t but they can be distributed either inside or outside the leading simplex. By eigen-decomposition of the affine transformation coordination, safety in a large-scale MQS coordination can be ensured by constraining eigenvalues of the affine transformation. Given the initial and final configurations of the MQS, A-star search is applied to optimally plan safe coordination of a large-scale MQS minimizing the travel distance between the the initial and final configuration. The paper also proposes a proximity-based communication topology for followers to assign communication weights with their in-neighbors and acquire the desired coordination with minimal computation cost.


翻译:本文研究在障碍环境中对多夸克采样系统(MQS)的折叠式转换指导问题,这种混合组合式转换可以执行各种合作任务,包括信息收集、视察绘图、消毒和消防。混合组合式转换是一种由n+1领导人指导的分散领导者-追随者协调的办法,领导人在n-D简单x(称为领导简单x)的顶端,随时随地被称为领先简单x。其余的代理商都是通过当地通信获得理想的折叠式转换的追随者。跟踪者随时都包含在硬体型球中,但可以分布在领先的简单车体内外。通过松动式转换协调松动式转换,可以确保大型组合式组合中的安全性领导者-追随者协调。鉴于最初和最后配置,将星级搜索用于优化计划的安全协调,大规模大型的MQS(MQS)的追随者随时都在硬体型球中进行,但可以分布在最硬体型的球里或外部,但可以分布在领先的简单车体内或之外。通过缩式转换式转换协调,从而将最接近于最高级的通信的距离与最后配置,提议了最接近于最接近于最接近的定位的定位的定位的定位的定位。

0
下载
关闭预览

相关内容

机器人运动轨迹的模仿学习综述
专知会员服务
41+阅读 · 2021年6月8日
《常微分方程》笔记,419页pdf
专知会员服务
70+阅读 · 2020年8月2日
【斯坦福大学】Gradient Surgery for Multi-Task Learning
专知会员服务
45+阅读 · 2020年1月23日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
57+阅读 · 2019年10月17日
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
26+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Adversarial Mutual Information for Text Generation
Arxiv
13+阅读 · 2020年6月30日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
26+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员