ROVER: Planejador de Movimento Robótico de Enxame Consciente do Risco Usando Valor em Risco Condicional

O campo da robótica de enxame atraiu considerável interesse por sua capacidade de completar tarefas complexas e sincronizadas. As metodologias existentes para planejamento de movimento em sistemas robóticos de enxame enfrentam principalmente dificuldades em escalabilidade e garantia de segurança. Para abordar essas duas limitações, propomos um planejador de movimento de enxame consciente do risco usando Valor em Risco Condicional (ROVER), que modula sistematicamente a segurança e a conservatividade e navega o enxame para a área-alvo em ambientes congestionados. Nossa abordagem formula um problema de controle preditivo de modelo em tempo finito (FTMPC) baseado no estado macroscópico do enxame de robôs representado por um Modelo de Mistura Gaussiana (GMM) e integra valor em risco condicional (CVaR) para evitar colisões. Aproveitamos a Função de Distância Assinada linearizada para o cálculo eficiente do CVaR em relação à proximidade entre o enxame de robôs e os obstáculos. O componente chave deste método é a implementação da restrição do CVaR sob a incerteza do GMM no FTMPC para medir o risco de colisão que um enxame de robôs enfrenta. No entanto, o FTMPC com restrições não convexas é difícil de resolver. Para navegar nessa complexidade, desenvolvemos uma estratégia computacionalmente tratável através de 1) uma aproximação linear explícita da restrição do CVaR; e 2) uma formulação de programação quadrática sequencial. Simulações e comparações com outras abordagens demonstram a eficácia do método proposto em flexibilidade, escalabilidade e mitigação de risco.