Cooperative constrained motion coordination of networked heterogeneous vehicles
Eindhoven University of Technology（埃因霍温理工大学）；Eindhoven Artificial Intelligence Systems Institute（埃因霍温人工智能系统研究所）；Lund University（隆德大学）；The Australian National University（澳大利亚国立大学）
我们考虑的多个异构移动车辆的合作运动协调问题受到各种约束。这些约束包括非完整运动约束、恒速约束、完整协调约束和等式/不等式几何约束。我们开发了一个通用框架，涉及微分代数方程和生存力理论，以确定协调的可行性协调运动控制下异构车辆动力学和不同类型的协调任务的约束。如果推导出的微分代数方程和/或不等式存在协调运动解，则提出一种构造性算法来推导出等效的动力系统，该系统为每个单独的车辆生成一组可行的协调运动。在协调两辆车的案例研究中，我们推导出两个车辆组的运动生成的解析解，包括汽车类的车辆，unicipal车辆，或具有恒定速度的车辆，作为更复杂的车辆组的基准协调任务。运动生成算法是由仿真数据支持的，用于各种各样的协调情况，涉及异构车辆。然后，我们扩展了车辆控制框架，以处理时变协调任务和领导者-追随者结构的合作协调问题。我们展示了几个仿真实验的多车辆协调在各种约束条件下，以验证所提出的计划的理论和有效性。
2022-01-17 cs.MA cs.RO cs.SY
Spatio-temporal cooperative control Method of Highway Ramp Merge Based on Vehicle-road Coordination
本文提出基于车路协同的主线优先方法，通过预规划时空轨迹实现高速公路匝道合流的时空协同控制，以提升合流区安全与效率。
2024-11-07 cs.SY eess.SY
Distributed Cooperative Multi-Agent Reinforcement Learning with Directed Coordination Graph
North Carolina State University（北卡罗来纳州立大学）；Oklahoma State University（俄克拉荷马州立大学）；DEVCOM U.S. Army Research Laboratory（美国陆军作战能力发展司令部陆军研究实验室）
现有的分布式协作多智能体强化学习（MARL）框架通常假设无向协调图和通信图，同时通过共识算法估计全局奖励进行策略评估。这样的框架可能会导致昂贵的通信成本，并表现出较差的可扩展性，由于全球共识的要求。在这项工作中，我们研究了MARL与有向协调图，并提出了一个分布式RL算法的本地政策评估是基于本地价值函数。每个Agent的局部价值函数通过有向学习诱导的通信图与其邻居进行局部通信来获得，而不使用任何共识算法。采用基于参数摄动的零阶优化（ZOO）方法实现梯度估计。通过与现有的基于ZOO的RL算法的比较，我们表明，我们提出的分布式RL算法保证了高的可扩展性。一个分布式资源分配的例子来说明我们的算法的有效性。
2022-01-10 cs.AI cs.LG cs.MA
An optimization-based cooperative path-following framework for multiple robotic vehicles
本文讨论了基于优化的多机器人车辆的合作路径跟踪控制律的设计，最佳平衡协调和路径跟踪误差之间的瞬态权衡。为此，我们制定了一个更一般的多智能体框架，每个智能体与（i）一个连续时间的动态模型，它管理其状态的演变，以及（ii）一个输出方程，这是一个功能的代理和协调向量的状态。根据给定的网络拓扑，每个代理可以访问其状态和协调向量，以及相邻代理的协调向量。在这种设置中，目标是设计一个分布式控制法，将输出信号导向原点，同时驱动网络代理的协调向量达成共识。为了解决这个问题，我们提出了一个模型预测控制计划，建立在一个预先存在的辅助共识控制律设计的性能指标，结合输出调节目标的共识目标。收敛保证下，可以解决这个协调输出调节问题。数值仿真结果表明，所提出的方案适用于一个网络的三维非完整机器人的合作路径跟踪控制问题的有效性。
2019-07-19 cs.SY eess.SY
Real-time Cooperative Vehicle Coordination at Unsignalized Road Intersections
无信号交叉口的协同协调，旨在提高互联和自动化车辆的行驶安全性和交通吞吐量，近年来引起了越来越多的关注。然而，大多数现有的调查要么受到计算复杂性的影响，要么无法充分利用道路基础设施的潜力。为此，我们首先提出了一个专用的交叉口协调框架，其中所涉及的车辆移交其控制权限，并遵循中央协调员的指示。然后，将制定一个统一的合作轨迹优化问题，以最大限度地提高交通吞吐量，同时确保驾驶安全和长期稳定的协调系统。为了解决现实世界部署中的关键计算挑战，我们将这个非凸顺序决策问题重新表达为无模型的马尔可夫决策过程（MDP），并通过在深度强化学习（DRL）框架中设计基于双延迟深度确定性策略梯度（TD 3）的策略来解决它。仿真和实际实验表明，该策略在亚静态协调场景下可以获得接近最优的性能，在现实连续业务流中可以显著提高业务吞吐量。最显著的优点是，我们的策略可以降低计算的时间复杂度为毫秒，并显示出可扩展的道路车道增加。
2023-03-22 cs.AI cs.RO cs.SY
Model Predictive Control for Cooperative Docking Between Autonomous Surface Vehicles with Disturbance Rejection
Delft Center for Systems and Control（代尔夫特系统与控制中心）
本文提出基于模型预测控制的自主水面车辆协同对接方法，通过集中式控制策略实现更高效稳定的对接性能。
2025-12-08 cs.RO cs.SY eess.SY
Neural Network-based Constrained Optimal Coordination for Heterogeneous Uncertain Nonlinear Multi-agent Systems
本文研究了一类由高阶动力学描述的非线性多智能体系统的约束最优协调问题。每个智能体都有一个私有的目标函数和一个关于其输出的稳态约束。通过内模和神经网络的结合，我们为每个智能体开发了一个复合分布式控制器。所有的代理输出被证明达到约束最小点的聚合目标函数有界的残差，而不考虑未知的非线性和外部干扰。最后给出了两个算例，验证了算法的有效性.
2022-04-24 cs.SY eess.SY math.OC
Cooperative Transportation Without Prior Object Knowledge via Adaptive Self-Allocation and Coordination
University of Osaka（大阪大学）；Hiroshima University（广岛大学）
本文提出一种无需预先了解货物位置和尺寸的多智能体协作运输框架，通过自适应自分配与协调实现自组织运输团队，利用密度函数生成吸引力场，结合CVT实现平衡编队和自动分配。
2026-03-27 cs.SY eess.SY
Combining Cooperative Re-Routing with Intersection Coordination for Connected and Automated Vehicles in Urban Networks
提出融合动态重路由与无信号交叉口最优轨迹规划的CAV分层控制框架，通过SUMO仿真验证其可减少总行程时间并预防拥堵。
2025-03-13 cs.SY eess.SY
Cooperative Control of Linear Multi-Agent Systems via Distributed Output Regulation and Transient Synchronization
University of Stuttgart（斯图加特大学）；University of California Riverside（加州大学河滨分校）
本文提出了一种新的分布式调节器，用于协调相同和不同类型的线性智能体，通过基于暂态状态组件的耦合实现暂态同步，以提高群体在暂态阶段的协同行为并保证同步误差的衰减率。
2014-05-31 cs.SY eess.SY math.DS
Cooperative H-infinity Estimation for Large-Scale Interconnected Linear Systems
University of Stuttgart（斯图加特大学）；University of New South Wales at the Australian Defence Force Academy（澳大利亚国防军学院新南威尔士大学）
本文提出一种分布式估计合成方法，用于处理具有扰动的大规模互联线性系统。该方法的特点是局部估计器仅估计减少的状态变量集，其复杂度不随系统规模增加。同时，估计器能处理局部不可检测性，并保证对模型和测量扰动的H无穷性能。
2015-07-02 cs.SY eess.SY
Cooperative Change Detection for Online Power Quality Monitoring
Columbia University（哥伦比亚大学）
本文提出基于自回归模型的广义局部似然比检测器，用于实时电力质量监测，实现快速扰动检测与低延迟，通过多米特协同通信降低通信开销。
2014-12-08 cs.SY eess.SY
Robust Cooperative Formation Control of Fixed-Wing Unmanned Aerial Vehicles
Institute for Aerospace Studies, University of Toronto（航空航天研究学院，多伦多大学）
本文研究了固定翼无人机在紧密编队飞行中用于节能的鲁棒协同编队控制问题，提出了一种新的协同控制方法，通过虚拟结构概念解决大规模无人机编队中虚拟领导者设计的难题，并采用协作者滤波器生成平滑的参考信号，同时利用不确定性与扰动观测器补偿气动耦合导致的模型不确定性，最终实现了鲁棒的编队控制。
2019-05-06 cs.MA cs.RO cs.SY
Considerate and Cooperative Model Predictive Control for Energy-Efficient Truck Platooning of Heterogeneous Fleets
分布式控制系统的连接使能自动化允许更好地预测系统干扰和更好地预测在合并模型时致动器限制对个体代理的影响。重型卡车的自动车队以队列的形式是这样一种应用，旨在保持卡车之间的紧密间隙，以利用牵引优势并提高燃油经济性，并且传统上使用经典设计的连接和自适应巡航控制（CACC）来处理。本文的动机是证明这种控制策略的局限性，其中一个经典的CACC是无法有效地处理现实世界中的道路坡度和速度瞬态干扰的帮助下，车队运营商的干预，是不适应不同的硬件和装载条件的操作卡车。该自动化策略通过形成用于生态排队的协作模型预测控制（MPC）来解决，该协作MPC考虑与尾随卡车的相互作用以激励在道路干扰、速度瞬变和发动机限制下的排队协调，并且通过减少不必要的发动机努力来进一步提高能量经济性。这是通过共享负载，最大发动机功率，传动比，控制状态，并与其最近的邻居的预期轨迹为每个卡车。的体贴和合作的策略的性能被证明对一个类似的非体贴的控制策略在现实世界中的驾驶场景，总体上，它被发现，体贴的策略显着提高了协调之间的排队卡车在实时可实施的方式。
2022-08-03 cs.SY eess.SY
Distributed $H_{\infty}$ Edge Weight Synthesis for Cooperative Systems
针对固定拓扑结构下的协作系统，考虑干扰在互连通道处注入的情况，研究了提高$H_{\infty}$性能的分布式边权综合方法。通过用一个等价的理想合作系统代替原合作系统，将该问题转化为一个线性矩阵不等式问题。该方法的推导依赖于耗散系统框架。所提出的方法提供了一个上界的诱导$\mathcal{L}_{2}$范数的原始集总合作系统，同时减少了计算时间。计算时间的比较说明了所提出的方法对集总对应的优势。
2022-01-18 cs.SY eess.SY
Distributed Model Predictive Control based on Goal Coordination for Multi zone Building Temperature Control
Virginia Commonwealth University（弗吉尼亚联邦大学）
本文提出了一种用于有扰动多区建筑的分布式模型预测控制策略，旨在以最小化HVAC系统的成本维持各区域温度在指定水平。该方法引入了稳定性证明和扰动预测，这些在先前相关工作中未被考虑。与集中式MPC相比，所提出的分布式MPC在计算时间减少了48%，能耗减少了25.42%，跟踪误差也更小。
2019-02-26 cs.SY eess.SY math.OC
Multi-Agent Coordination Fluid Flow Modeling and Experimental Evaluation
针对多智能体系统在智能体故障或通信缺失时的可靠协调问题，提出理想流体流动导航模型，区分协作与非协作智能体并沿流线安全包围，且通过 Crazyflie 飞行实验验证。
2024-01-23 cs.SY eess.SY
ETA Coordination at UAM Corridor Merging Points Using Worst-Case and Stochastic Trajectory Bounds
The University of Tokyo（东京大学）；Intent Exchange, Inc.（意图交换公司）
该研究针对UAM走廊汇合点，提出基于最坏情况与随机轨迹界的ETA协调框架，通过仿真验证其可提升安全性，且两种界分别适配高、轻度干扰场景以平衡鲁棒性与吞吐量。
2026-08-18 cs.SY eess.SY
Distributed Cooperative Driving in Multi-Intersection Road Networks
孤立交叉口的协同驾驶引起了人们极大的兴趣，近年来得到了广泛的讨论。然而，由于许多孤立交叉口的协同驾驶算法不能直接应用于道路网络，因此多交叉口道路网络的协同驾驶问题还有待进一步研究。在本文中，我们提出了一个分布式的策略，适当地分解成小规模的子问题，解决车辆合作有限的时空区域内，同时确保适当的协调，通过专门设计的信息交换相邻区域之间的问题。仿真结果表明，在不同的交通需求设置的效率和复杂度的平衡的优势，所提出的策略。
2021-04-21 cs.SY eess.SY
Coordination Over Multi-Agent Networks With Unmeasurable States and Finite-Level Quantization
Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院）；School of Mechatronic Engineering and Automation, Shanghai University（上海大学机电工程与自动化学院）
研究多智能体系统在数字网络上的协调问题，提出基于量化观测器的通信协议和基于确定性等价原理的控制协议，确保智能体状态观测与协同稳定。
2016-04-30 cs.SY eess.SY math.OC
Multi-ship cooperative air defense model based on queuing theory
多舰防空作战模型的研究对于实战过程的仿真与评估、防空战术的论证、提高重要目标的安全性具有重要意义。传统的多舰协同防空模型没有考虑舰艇之间的协同，模型假设往往过于简单，无法有效描述现实作战场景下多舰协同防空系统的能力。针对上述问题，本文提出了一种多舰协同防空模型，该模型有效地综合了双方的导弹发射率、导弹飞行速度、导弹发射方向、舰艇拦截率、舰艇拦截范围、舰艇拦截火力单元数量等攻防参数在此基础上，采用任务分配方法建立了舰艇间协同拦截能力模型。本文以排队论为基础，严格推导了协同防空系统的突防概率，为协同防空系统的分析和设计提供了解析计算模型。最后，通过典型场景下的仿真实验，研究和比较了系统在有协同和无协同两种不同模式下的防空能力，验证了多舰协同防空模式在降低导弹突防概率方面的优越性;进一步分析了导弹速度、航速、角度、舰艇拦截率、射程、和火力单元数量的关系，得出了防御队形、防御距离设置和拦截设置的薄弱环节。
2022-05-13 cs.SY eess.SY
Formal Specification of Continuum Deformation Coordination
连续体变形是一种领导者-跟随者多智能体协作控制方法。以前的工作表明，所需的连续变形可以唯一地定义基于d +1领导者在d维运动空间中的轨迹，并通过本地智能体间通信的追随者获得。本文正式规定了连续变形协调在一个充满障碍物的环境。使用线性时序逻辑（LTL），连续变形的活性和安全性要求的定义。通过提供关于（i）代理偏离界限、（ii）代理间碰撞避免、（iii）代理遏制、（iv）运动空间遏制和（v）障碍物碰撞避免的条件来规定安全性。活性指定所需最终形成的可达性条件。
2019-07-26 cs.SY eess.SY
Facilitating Cooperative and Distributed Multi-Vehicle Lane Change Maneuvers
Department of Mechanical Engineering, University of California-Berkeley, Berkeley, CA 94703 USA（加州大学伯克利分校机械工程系）
针对联网自动驾驶车辆多车变道被动且机会主义的问题，提出基于促进者角色的分布式协调方法，利用分布式MPC路径规划器和协调算法主动协作修改环境，仿真证明其显著提升了多车变道可行性。
2023-03-03 cs.RO cs.SY eess.SY
Multi-Objective $H_{\infty}$ Control for String Stability of Cooperative Adaptive Cruise Control Systems
自动车辆跟随系统通过缩短车辆间的时间间隔，在增加道路上的车辆密度方面发挥着决定性作用。然而，沿车辆队列的干扰衰减，即，在时间间隔越来越短的情况下，串稳定性是一个具有挑战性的任务。为了保证车队的稳定性，研究了自适应巡航控制的多目标$H_{\infty}$控制方法和协同自适应巡航控制结构。所提出的控制方法解决了一个优化问题，并实现了控制器，它不仅能够提供系统的稳定性，但也从传统的$H_{\infty}$控制的字符串稳定性不同。
2021-03-25 cs.SY eess.SY
Non-singular Cooperative Guiding Vector Field Under a Homotopy Equivalence Transformation
本文提出同伦等价变换下的非奇异协同引导向量场，推导其存在性并分析协调向量场参数影响，通过二维和三维协同路径跟随应用验证了方法的有效性。
2023-08-14 cs.SY eess.SY
Cooperative Energy Scheduling of Multi-Microgrids Based on Risk-Sensitive Reinforcement Learning
Guangxi University（广西大学）；Tsinghua University（清华大学）；The Hong Kong Polytechnic University（香港理工大学）；Aalto University（阿尔托大学）；Charleston Southern University（查尔斯顿南方大学）
本文提出基于共享内存的风险敏感强化学习框架，用于多微电网的协同能源调度，通过量化个体与联合风险值关系提升调度可靠性与经济性。
2025-12-19 cs.SY eess.SY
Approximate Quantiles for Stochastic Optimal Control of LTI Systems with Arbitrary Disturbances
提出了一种基于分位数函数泰勒近似的LTI系统开环随机最优控制方法。这种方法能够有效地计算机会约束重构中出现的分位数函数。我们的动机是多车辆规划问题的LTI系统与规范为基础的防撞约束，多面体的可行性约束。这些约束可以分别被设定为反凸和凸的机会约束，它们在控制和干扰中是仿射的。我们表明，这种形式的约束，分段仿射近似的分位数函数可以嵌入在一个差分凸的程序，使使用圆锥解算器。我们证明了我们的方法与高斯和柯西扰动的多卫星协调，并提供了与粒子控制的比较。
2022-07-20 cs.SY eess.SY math.OC
Karma Mechanisms for Decentralised, Cooperative Multi Agent Path Finding
ETH Zürich（苏黎世联邦理工学院）
本文提出基于 Karma 机制的去中心化协作 MAPF 框架，通过非交易性信用机制平衡智能体的重规划努力，减少服务时间差异，提升整体效率。
2026-04-09 cs.RO cs.SY eess.SY
Can Inherent Communication Noise Guarantee Privacy in Distributed Cooperative Control ?
University College London（伦敦大学学院）；Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院）
本文提出了一种基于LQR的分布式协同控制框架，利用内在通信噪声实现差分隐私保护，无需额外隐私噪声，同时保证系统跟踪误差的收敛性。
2026-01-12 cs.SY eess.SY
A New Encounter Between Leader-Follower Tracking and Observer-Based Control: Towards Enhancing Robustness against Disturbances
University of Kansas（堪萨斯大学）
本文研究了受扰动影响的领导者-跟随者多智能体系统（MAS）的鲁棒跟踪控制问题，提出了一种新的观测器基于分布式跟踪控制设计，通过设计首个此类分布式扰动观测器，使跟随者能够协作估计影响领导者的扰动以调整其动作，从而在放松的扰动假设下实现有界误差跟踪。
2019-05-10 cs.SY eess.SY
Distributed Learning in the Presence of Disturbances
Automatic Control Lab, Electrical Engineering, ETH（自动控制实验室，电气工程系，苏黎世联邦理工学院）
本文研究了在存在扰动情况下，多个智能体如何通过分布式方法学习最优行动组合。提出改进算法在扰动下仍能学习帕累托最优解，并应用于交通控制中的坡道协调问题。
2016-03-30 cs.SY eess.SY
Holonic Graceful Transitions Across Centralized, Decentralized, Distributed, and Local Control in DER-rich Cyber-Power Distribution System
Lane Department of Computer Science and Electrical Engineering, West Virginia University（西弗吉尼亚大学计算机科学与工程电气工程系）
针对高渗透率分布式能源配电系统，提出一种DER服务无关的边缘自主全息协调框架，支持集中式、分布式、分散式和本地自治模式间优雅转换，并在HIL测试平台上验证了其区域受限适应、流量减少及攻击缓解能力。
2026-11-11 cs.NI cs.SY eess.SY
Optimization for Reinforcement Learning: From Single Agent to Cooperative Agents
University of Illinois at Urbana-Champaign (UIUC)（伊利诺伊大学厄巴纳-香槟分校）；École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）
本文综述了多智能体强化学习算法在大规模控制系统和通信网络中的最新进展，这些算法学习通信和协作。我们提供了一个概述这一新兴领域，重点是在不同的协调协议下的分散设置。从分布式优化的角度，我们强调了强化学习算法从单智能体到多智能体系统的演变，并总结了未来的方向和挑战，希望能促进分布式优化，信号处理和强化学习社区之间不断增长的协同作用。
2019-12-01 cs.AI cs.LG cs.MA
Cooperative Multi-Agent Assignment over Stochastic Graphs via Constrained Reinforcement Learning
Universidad de la Republica（乌拉圭共和国大学）；Univ. of Pittsburgh（匹兹堡大学）；Rensselaer Polytechnic Institute（伦斯勒理工学院）；Universitat Pompeu Fabra（庞培法布拉大学）；Carnegie Mellon University（卡内基梅隆大学）
本文提出一种基于约束强化学习的多智能体分配方法，通过自由循环的对偶变量和单比特通信实现随机图上的协调，保证几乎必然可行性，并在机器人巡逻实验中验证。
2026-09-15 cs.SY eess.SY
Learning to Seek: Multi-Agent Online Source Seeking Against Non-Stochastic Disturbances
Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；University of Texas at Austin（德克萨斯大学奥斯汀分校）；Purdue University（普渡大学）
针对未知动态且受两类非随机扰动的环境下多智能体协同寻源问题，提出结合折扣卡尔曼滤波与多面体置信界的算法，实现次线性遗憾值，在污染监测场景验证了有效性。
2023-04-29 cs.LG cs.MA cs.SY
Decentralised and Cooperative Control of Multi-Robot Systems through Distributed Optimisation
多机器人协作控制在民用、安全、军事等领域有着广泛的应用前景，因此受到了广泛的关注。针对具有一般线性动力学的多机器人系统，提出了一种协调控制算法。该算法基于分布式协作优化和输出调节，仅利用相邻机器人之间共享的信息实现全局最优。技术上，一个高层次的分布式优化算法的多机器人系统，这将作为一个最佳的参考发电机为每个单独的代理。然后，基于分布式优化算法，利用输出调节法求解一般线性动态系统的最优协调问题。理论上证明了算法的收敛性。数值仿真和实时物理机器人实验验证了所提出的协同控制算法的有效性。
2023-02-03 cs.DC cs.SY eess.SY
Wasserstein-Barycenter Consensus for Cooperative Multi-Agent Reinforcement Learning
针对协作式多智能体强化学习中异质策略对齐与特化行为保留的平衡问题，提出基于熵正则化p-Wasserstein重心的共识框架，通过Sinkhorn散度软惩罚实现策略协同，理论证明策略差异几何收敛，实验验证其在收敛速度与协作成功率上优于独立学习者基线。
2025-06-18 cs.SY eess.SY
Large Language Model Guided Incentive Aware Reward Design for Cooperative Multi-Agent Reinforcement Learning
Department of Electrical and Electronics Engineering（电气与电子工程系）；Karabuk University（卡拉博克大学）；Department of Mechatronics Engineering（机械工程系）
提出利用大语言模型自动生成可执行奖励程序，结合多智能体近端策略优化训练，在Overcooked-AI环境中显著提升合作任务回报。
2026-05-31 cs.AI cs.LG cs.SY
Fuzzy-based Robust Precision Consensus Tracking for Uncertain Networked Systems with Cooperative-Antagonistic Interactions
在非线性多智能体系统的二分一致性跟踪（BCT）任务中，随机干扰和执行器故障被认为是影响有效控制器设计和跟踪精度提高的重要因素.为了解决这些困难，我们设计了一个改进的有限时间性能函数（FTPF）的模糊容错分布式协同控制方案，实现有限时间鲁棒精度BCT任务的非线性多智能体系统。改进后的FTPF的参数选择范围放宽，使系统获得更好的瞬态性能。利用随机李雅普诺夫稳定性理论，证明了系统的所有信号在概率上是半全局一致最终有界的，并且二部一致误差在预定时间内可以满足任意精度的概率.最后，为了验证其有效性，所提出的控制方案被应用到一组车辆的BCT任务，表现出预期的控制性能在各种不确定性。
2022-04-16 cs.SY eess.SY nlin.AO
