AI 中文总结
本研究提出分层模型预测监督控制（MPSC）框架，结合滚动时域最优控制与监督控制理论保障安全等特性，开发城市UTM模型，实现时变需求下取送任务的高效支持。
AI 中文摘要
本研究针对具有共享资源的多智能体系统，提出了分层模型预测监督控制（MPSC）框架。MPSC将滚动时域成本最优控制与基于监督控制理论（SCT）的监督相结合，以确保安全性、非阻塞性和资源排他性。该框架的可扩展性源于分层可扩展监督器和自动机模板，支持分布式执行而无需整体合成。利用此框架，本研究开发了城市无人机交通管理（UTM）模型，该模型可高效支持时变需求下的取送任务。
英文摘要
This work proposes a hierarchical Model Predictive Supervisory Control (MPSC) framework for multi-agent systems with shared resources. MPSC integrates receding-horizon cost-optimal control with Supervisory control theory (SCT) based supervision that enforces safety, nonblockingness, and resource exclusivity. Scalability arises from hierarchical and scalable supervisor and automaton templates, enabling distributed execution without monolithic synthesis. Using this framework, this work develops an urban Unmanned aircraft system Traffic Management (UTM) model. The model supports pickup-and-delivery missions under time-varying demand efficiently.
Comments6 pages, 7 figures, IFAC conference
