Planejamento Ótimo de Manobras Cooperativas para Múltiplos Robôs Não Holonômicos em um Pequeno Ambiente por meio de Otimização Constrangida de Escalonamento Adaptativo

Esta carta se concentra no problema de Planejamento de Trajetória de Múltiplos Veículos (MVTP) otimizado em tempo para múltiplos robôs semelhantes a carros quando viajam em um pequeno cenário interno ocupado por obstáculos estáticos. Aqui, a complexidade da tarefa MVTP em questão inclui i) a não convexidade e estreiteza do ambiente, ii) a não holonomia e não linearidade da cinemática dos veículos, iii) a busca por uma solução otimizada em tempo, e iv) a ausência de rotas homotópicas predefinidas para os veículos. Os fatores mencionados, quando combinados, superam a capacidade dos métodos MVTP acoplados ou desacoplados prevalentes. Este trabalho propõe uma abordagem de otimização constrangida de escalonamento adaptativo (ASCO), com o objetivo de encontrar o ótimo do problema MVTP nominalmente intratável de forma desacoplada. Concretamente, uma estrutura de computação iterativa é construída, onde cada subproblema intermediário contém apenas restrições arriscadas de evitação de colisão dentro de um certo intervalo, sendo assim tratável na escala. Durante a iteração, a escala de ativação da restrição pode mudar de forma adaptativa, permitindo assim promover a taxa de convergência, recuperar de uma falha intermediária e se livrar de um palpite inicial ruim. ASCO é comparado com os métodos MVTP de última geração e é validado em experimentos reais realizados por uma equipe de três robôs semelhantes a carros.