PDE约束的机器人群体运动诱导相分离模型预测控制：模型保真度与局部信息的作用
PDE-Constrained MPC of Motility-Induced Phase Separation in Robotic Swarms: The Role of Model Fidelity and Local Information
浏览论文内容
中文总结 AI 辅助
本文提出一种PDE约束的模型预测控制框架，用于振动驱动机器人群体，通过比较三种连续介质模型，在集中式和分散式设置下评估模型保真度、信息需求与计算成本的权衡，并研究有限感知和局部相分离估计对控制性能的影响。
中文摘要 AI 辅助
运动诱导相分离使得群体聚集可以在不预设目标空间分布的情况下被调控。本文针对振动驱动的机器人群体，开发了一种偏微分方程约束的模型预测控制框架。考虑三种保留方向信息逐渐减少的连续介质模型，以研究模型保真度、信息需求和计算成本之间的权衡。该框架在集中式和分散式设置下进行评估，重点关注有限感知和局部到全局的相分离估计如何影响预测控制的性能。
英文摘要
Motility-induced phase separation enables swarm aggregation to be regulated without prescribing a target spatial distribution. This paper develops a partial differential equation-constrained model predictive control framework for a vibration-driven robotic swarm. Three continuum models retaining progressively less orientation information are considered to study the trade-offs among model fidelity, information requirements, and computational cost. The framework is evaluated under centralized and decentralized settings, with focus on how limited sensing and local-to-global phase-separation estimation affect the performance of predictive control.
发表机构
- University of Waterloo（滑铁卢大学）
机构由 AI 辅助整理，请以论文原文为准。
