Key points are not available for this paper at this time.
Le problème du contrôle de couverture, c'est-à-dire de la coordination de plusieurs agents pour couvrir de manière optimale une zone, se pose dans diverses applications. Cependant, les applications de couverture font face à deux défis majeurs : (1) gérer des dynamiques non linéaires tout en respectant les contraintes critiques du système et de la sécurité, et (2) réaliser la tâche dans un environnement initialement inconnu. Nous résolvons le problème de couverture en utilisant un cadre hiérarchique, dans lequel des références sont calculées à un serveur central et transmises aux schémas de contrôle prédictif locaux (MPC) des agents. De plus, pour garantir que l'environnement soit activement exploré par les agents, un compromis probabiliste exploration-exploitation est déployé. En outre, nous dérivons un cadre de contrôle qui évite la structure hiérarchique en intégrant l'optimisation de référence dans la formulation MPC. L'apprentissage actif est ensuite réalisé en s'inspirant des approches de Borne de Confiance Supérieure (UCB). Pour toutes les architectures de contrôle développées, nous garantissons la satisfaction des contraintes en boucle fermée et la convergence vers une configuration optimale. De plus, toutes les méthodes sont testées et comparées sur une plateforme de voiture miniature.
Rickenbach et al. (Mer,) ont étudié cette question.