Distributed Connectivity Maintenance and Recovery for Quadrotor Motion Planning

📄 arXiv: 2510.03504v1 📥 PDF

作者: Yutong Wang, Yichun Qu, Tengxiang Wang, Lishuo Pan, Nora Ayanian

分类: cs.RO

发布日期: 2025-10-03

💡 一句话要点

提出基于高阶控制障碍函数的多无人机分布式连接维持与恢复框架

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 多无人机系统 连接维持 控制障碍函数 李雅普诺夫函数 模型预测控制

📋 核心要点

  1. 多机器人应用中维持连接至关重要，但易受障碍物和视觉遮挡的影响，现有方法难以兼顾连接维持和避障。
  2. 论文提出基于高阶控制障碍函数的分布式框架，结合控制李雅普诺夫函数实现连接恢复，保证多无人机系统的鲁棒连接。
  3. 通过Bezier参数化轨迹实现规划和控制的并发生成，并在仿真和真实实验中验证了框架在复杂环境中的有效性。

📝 摘要（中文）

本文提出了一种实时的分布式框架，用于多无人机导航，该框架通过高阶控制障碍函数（HOCBFs）来保证无人机间的连接，同时避免碰撞。该方法利用控制李雅普诺夫函数（CLFs）实现从初始断连状态和临时连接丢失状态的连接恢复，从而在复杂的障碍物环境中提供鲁棒的连接性。轨迹生成框架通过Bezier参数化轨迹并发地生成规划和控制，自然地提供具有任意阶导数的平滑曲线。主要贡献是统一的MPC-CLF-CBF框架，这是一种连续时间的轨迹生成和控制方法，用于多无人机系统的连接维持和恢复。通过大量的仿真和包含4架Crazyflie纳米四旋翼无人机的物理实验验证了该框架的有效性。

🔬 方法详解

问题定义：论文旨在解决多无人机系统在复杂环境中导航时，如何维持无人机之间的连接，同时避免碰撞和从连接中断中恢复的问题。现有方法通常难以在保证连接性的同时，有效地避开障碍物，并且缺乏从断连状态恢复连接的能力。

核心思路：论文的核心思路是利用高阶控制障碍函数（HOCBFs）来保证无人机之间的安全距离，从而维持连接。同时，利用控制李雅普诺夫函数（CLFs）来引导无人机向期望的连接状态移动，实现连接恢复。通过将HOCBFs和CLFs结合到模型预测控制（MPC）框架中，实现连接维持、避障和连接恢复的统一控制。

技术框架：整体框架包含以下几个主要模块：1) 基于Bezier曲线的轨迹生成器，用于生成平滑的无人机轨迹；2) 基于HOCBFs的连接维持控制器，用于保证无人机之间的安全距离；3) 基于CLFs的连接恢复控制器，用于引导无人机从断连状态恢复连接；4) 模型预测控制器（MPC），用于将上述控制器集成到一个统一的框架中，实现全局优化。

关键创新：论文的关键创新在于提出了一个统一的MPC-CLF-CBF框架，该框架能够同时实现连接维持、避障和连接恢复。与现有方法相比，该框架能够更有效地处理复杂环境中的连接维持问题，并且能够从断连状态恢复连接。此外，使用Bezier曲线进行轨迹生成，保证了轨迹的平滑性，有利于无人机的稳定控制。

关键设计：HOCBFs的设计需要仔细选择参数，以保证控制器的稳定性和鲁棒性。CLFs的设计需要考虑无人机之间的相对位置和速度，以引导无人机向期望的连接状态移动。MPC框架需要选择合适的预测时域和控制时域，以实现全局优化。Bezier曲线的控制点需要合理设置，以保证轨迹的平滑性和可行性。

📊 实验亮点

通过仿真和包含4架Crazyflie纳米四旋翼无人机的物理实验验证了该框架的有效性。实验结果表明，该框架能够在复杂环境中维持无人机之间的连接，并且能够从断连状态恢复连接。具体性能数据未知，但实验验证了该方法的可行性。

🎯 应用场景

该研究成果可应用于多无人机协同搜索、救援、环境监测、编队飞行等领域。通过保证无人机之间的连接，可以提高任务的效率和可靠性。此外，该方法还可以应用于其他多机器人系统，例如地面机器人和水下机器人等，具有广泛的应用前景和实际价值。未来，可以进一步研究如何将该方法应用于更大规模的无人机系统，以及如何在动态环境中实现鲁棒的连接维持。

📄 摘要（原文）

Maintaining connectivity is crucial in many multi-robot applications, yet fragile to obstacles and visual occlusions. We present a real-time distributed framework for multi-robot navigation certified by high-order control barrier functions (HOCBFs) that controls inter-robot proximity to maintain connectivity while avoiding collisions. We incorporate control Lyapunov functions to enable connectivity recovery from initial disconnected configurations and temporary losses, providing robust connectivity during navigation in obstacle-rich environments. Our trajectory generation framework concurrently produces planning and control through a Bezier-parameterized trajectory, which naturally provides smooth curves with arbitrary degree of derivatives. The main contribution is the unified MPC-CLF-CBF framework, a continuous-time trajectory generation and control method for connectivity maintenance and recovery of multi-robot systems. We validate the framework through extensive simulations and a physical experiment with 4 Crazyflie nano-quadrotors.