Collision-Free Multi-Agent Coverage Control for Non-Cooperating Swarms: Preliminary Results
本文提出一种多非合作无人机集群独立覆盖公共区域的无碰撞控制算法,通过改造 Optimal Reciprocal Collision Avoidance 方法适应基于 Voronoi 的多集群覆盖控制,并通过 Monte Carlo 模拟验证了其有效性。
2024-11-12 cs.SY eess.SY
Distributed Coverage Control of Multi-Agent Networks with Guaranteed Collision Avoidance in Cluttered Environments
我们提出了一个分布式控制算法的多智能体网络的代理部署在一个杂乱的区域,根据随时间变化的覆盖密度函数,同时避免碰撞的所有障碍物,他们遇到的。我们的算法是建立在一个两级表征的网络。第一层将多智能体网络作为一个整体,基于其代理在空间域上的位置分布。在第二层中,网络是根据其代理人的个人位置来描述的。多智能体网络的目标是通过其智能体的局部(微观)交互(低级问题)来获得类似于参考覆盖密度函数(高级问题)的空间分布。此外,随着特工的部署,他们必须始终避免与该地区的所有障碍物发生碰撞。我们的方法利用修改后的版本的Voronoi镶嵌,它是由我们所说的障碍感知Voronoi细胞(OAVC),以使覆盖控制,同时确保避障。我们考虑两个控制问题。第一个问题,我们称之为高层次的覆盖控制问题对应的插值问题的类高斯混合物(没有避免碰撞的要求),我们解析解决。我们称之为低级覆盖控制问题的第二个问题对应于分布式控制问题(现在总是强制执行冲突避免要求),该问题通过利用Lloyd算法连同修改的Voronoi镶嵌(OAVC)和对应于高级覆盖控制问题的解决方案的时变覆盖密度函数来解决。最后,在一个杂乱的环境中的覆盖仿真结果证明了所提出的方法的有效性。
2021-07-08 cs.MA cs.SY eess.SY
Semi-discrete Optimal Transport for Time-Varying Multi-Agent Coverage Control
University of Naples Federico II(那不勒斯费德里科二世大学);Scuola Superiore Meridionale(南方高等学院)
本文提出基于最优传输的时间变化多智能体覆盖控制方法,通过解析解提升跟踪性能,验证了动态覆盖控制的有效性。
2026-09-21 cs.SY eess.SY math.OC
Distributed Area Coverage Control with Imprecise Robot Localization
本文研究了不精确定位下移动机器人网络的区域覆盖问题,基于保证Voronoi原理划分空间,提出了一种具有固有避碰特性的分布式控制律。
2024-10-12 cs.SY eess.SY
Distributed Coverage Control of Multi-Agent Systems in Uncertain Environments using Heat Transfer Equations
研究了不确定环境下多智能体系统的覆盖控制问题。借助Voronoi划分,提出了一种多智能体系统的分布式覆盖控制公式,以完成不确定环境中的工作负载。在热场梯度的驱动下,每个智能体能够在自己的子区域上移动以清除工作负载。为保证在有限时间内完成工作量,进行了理论分析。最后,通过数值模拟验证了该方法的有效性和优越性。
2022-04-20 cs.SY eess.SY math.OC
Autonomous Detection and Coverage of Unknown Target Areas by Multi-Agent Systems
University of Osaka(大阪大学);Hiroshima University(广岛大学);Ritsumeikan University(立命馆大学)
本文提出了一种新型多智能体覆盖控制算法,使智能体能自主探测目标区域并协同实现全面覆盖,结合密度驱动机制与CVT实现最优空间分布,利用CBFs确保安全性和效率。
2026-03-27 cs.SY eess.SY
Joint Mobile Charging and Coverage-Time Extension for Unmanned Aerial Vehicles
在现代网络中,已经讨论了使用无人机作为移动基站(MBS)以实现覆盖灵活性。然而,无人机网络的实现提出了几个问题。其中一个关键问题是无人机非常耗电。为了克服这一点,我们需要描述一种新型的无人机,即所谓的充电无人机,它可以为MBS无人机提供能量。由于充电无人机也需要充电,我们部署了地面充电塔,为充电无人机提供能量。我们引入了一个新的能源效率最大化问题,这是划分为两个独立的可分离的任务。更具体地说,作为我们的第一个优化任务,由于我们的网络模型的固有性质,提出了两阶段充电匹配,其中第一个匹配旨在充电塔和充电无人机之间的调度,而第二个匹配解决了充电无人机和MBS无人机之间的调度。分析了如何将含有非凸项的方程转化为只含有凸项的方程。作为我们的第二个优化任务,每个MBS无人机进行能量感知的时间平均发射功率分配最小化,通过李亚普诺夫优化的稳定性。我们的解决方案使MBS无人机能够延长其使用寿命;反过来,网络覆盖时间也可以延长。
2021-06-27 cs.SY eess.SY
Timer-Based Coverage Control for Mobile Sensors
本文研究静态凸工作空间上的覆盖控制问题,提出连续时间Lloyd算法的混合扩展,通过多智能体系统的定时器机制实现异步间歇性控制更新,并证明该混合系统可渐近收敛至质心Voronoi配置集合。
2024-11-12 cs.SY eess.SY
A distributed service-matching coverage via heterogeneous mobile agents
我们提出了一个分布式部署解决方案,一组移动代理,应该提供一个密集的目标集的服务。代理是异构的,在某种意义上说,他们的服务质量(QoS),建模为空间高斯分布,是不同的。为了提供最好的服务,我们的目标是部署代理,使他们的集体QoS分布是尽可能接近的密度分布的目标。我们提出了一个分布式的共识为基础的期望最大化(EM)算法来估计目标密度分布,建模为高斯混合模型(GMM)。GMM不仅给出了目标分布的估计,而且还将区域划分为子区域,每个子区域由GMM的一个高斯基表示。我们使用Kullback-Leibler发散(KLD)来评估每个代理和每个高斯基/子区域的QoS分布之间的相似性。然后,一个分布式的分配问题,制定和解决作为一个离散的最优质量运输问题,分配每个代理到一个子区域,以KLD的分配成本。我们证明了我们的研究结果的传感器部署事件检测传感器的QoS建模为各向异性高斯分布。
2020-09-24 cs.SY eess.SY
Non-linear Barrier Coverage using Mobile Wireless Sensors
Indian Institute of Technology, Kharagpur(印度理工学院,卡拉格普尔分校)
本文提出一种集中算法,通过形成非线性屏障实现1屏障覆盖,减少传感器移动以提升能源效率。
2016-11-22 cs.NI cs.SY eess.SY
Multi-UAV Flood Monitoring via CVT with Gaussian Mixture of Density Functions for Coverage Control
本研究提出基于高斯混合密度函数的多无人机洪水监测方法,通过CVT实现更准确的洪水区域覆盖控制。
2026-03-06 cs.SY eess.SY
Distributed area coverage control with imprecise robot localization: Simulation and experimental studies
University of Patras(帕特雷大学)
本文研究了具有不精确定位的移动机器人网络的区域覆盖问题,提出了一种基于保证Voronoi原理的分布式控制方法,通过仿真和实验验证了其有效性。
2016-12-14 cs.RO cs.SY eess.SY
A Distributed Gradient-Based Deployment Strategy for a Network of Sensors with a Probabilistic Sensing Model
针对混合无线传感器网络覆盖优化问题,提出一种结合Voronoi划分、Elfes概率感知模型、动态步长与障碍物感知的分布式梯度部署策略,经仿真验证可有效提升覆盖效果,具备可扩展性与实用性。
2025-09-02 cs.SY eess.SY
Game-Theoretic Area Coverage Control with Cooperative-Adversarial Multi-Agent Systems
University of Ottawa(渥太华大学)
将多智能体区域覆盖控制建模为两组目标冲突智能体之间的零和博弈,通过耦合梯度下降-上升控制器分析系统动力学,发现由控制增益比决定的Hopf分岔,并刻画纳什均衡条件。
2026-06-08 cs.SY eess.SY
Entropy-Regularized Optimal Transport for Time-Varying Multi-Agent Coverage Control
Scuola Superiore Meridionale(南方高等学院);University of Naples Federico II(那不勒斯费德里科二世大学)
本文提出熵正则化半离散最优传输方法,用于多智能体时变覆盖控制,通过反馈-前馈控制器跟踪演化目标密度,实现指数收敛,并在中等正则化下优于沃罗诺伊基线。
2026-09-21 cs.SY eess.SY math.OC
Multi-agents adaptive estimation and coverage control using Gaussian regression
University of Padova(帕多瓦大学)
本文研究多智能体在未知传感函数下实现最优覆盖控制的问题,通过高斯回归框架实现自适应估计与覆盖的平衡,实验验证了方法的有效性。
2014-07-22 cs.MA cs.SY eess.SY
An Adaptive Coverage Control Approach for Multiple Autonomous Off-road Vehicles in Dynamic Agricultural Fields
Dept. of Electrical and Computer Engineering, The University of Memphis, Memphis, TN 38152 USA(电气与计算机工程系,密苏里州孟菲斯大学)
本文提出一种自适应覆盖控制方法,利用无人机检测障碍物和地形,动态调整越野无人地面车辆的覆盖路径,以应对动态农业环境,仿真验证了其提高效率并保持稳健覆盖。
2025-09-08 cs.RO cs.SY eess.SY
CoCo Games: Graphical Game-Theoretic Swarm Control for Communication-Aware Coverage
Stanford University(斯坦福大学)
我们提出了一个新的框架,实时通信感知覆盖控制网络机器人群。我们的框架统一了机器人动力学与网络级的消息路由,以达成共识的群体形成在通信的不确定性,通过利用本地信息。具体来说,我们制定的通信感知覆盖作为一个合作的图形游戏,并使用变分推理达到混合策略纳什均衡的阶段游戏。我们实验验证所提出的方法在移动自组织无线网络的情况下,使用团队的飞行器和地面用户设备(UE)在一个大的地理区域的利益。我们表明,我们的方法可以提供无线覆盖到固定和移动UE在现实的网络条件下。
2022-04-28 cs.AI cs.RO cs.SY
Dissimilarity-Based Persistent Coverage Control of Multi-Robot Systems for Improving Solar Irradiance Prediction Accuracy in Solar Thermal Power Plants
Graduate School of Engineering Science, The University of Osaka(大阪大学工学研究科)
本文提出基于克里金模型的不相似性地图和持久覆盖控制算法,通过移动机器人实验验证了其在提升太阳辐照度预测精度方面的有效性。
2026-03-26 cs.RO cs.SY eess.SY
Communication-Free Distributed Coverage for Networked Systems
Massachusetts Institute of Technology(麻省理工学院);Georgia Institute of Technology(佐治亚理工学院);King Abdullah University of Science and Technology(阿卜杜拉国王科技大学)
本文提出一种无通信算法,用于由多个具有本地感知能力的移动代理对任意网络进行分布式覆盖。通过游戏理论框架,代理利用感官输入优化位置,以最大化覆盖范围。
2015-05-23 cs.GT cs.MA cs.RO