Tube-Based Safety for Anticipative Tracking in Multi-Agent Systems
作者: Armel Koulong, Ali Pakniyat
分类: eess.SY
发布日期: 2026-04-01
备注: This work has been submitted to the 65th IEEE Conference on Decision and Control for possible publication
💡 一句话要点
针对多智能体系统，提出基于管道的安全框架以实现前瞻性跟踪
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 多智能体系统 鲁棒控制 安全控制 模型预测控制 控制障碍函数
📋 核心要点
- 现有方法在多智能体系统鲁棒控制中，常受限于Lipschitz条件，导致保守性约束。
- 提出基于管道的安全框架，通过解耦非线性动力学，获得显式RPI管道半径，降低保守性。
- 通过分布式MPC和通信图，实现全局编队误差界定，数值模拟验证了框架的有效性。
📝 摘要（中文）
本文提出了一种基于管道的安全框架，用于在受有界扰动影响的非线性Brunovsky多智能体系统中实现鲁棒的前瞻性跟踪。该架构为前馈增强的辅助控制策略建立了鲁棒的安全证书。通过使状态偏差动力学独立于智能体的内部非线性，该公式严格规避了鲁棒稳定所需的限制性Lipschitz界可行性条件。因此，这种结构允许显式的闭式鲁棒正不变（RPI）管道半径，该半径系统地衰减了指数控制障碍函数（eCBF）的收紧裕度，从而在保持形式前向不变性的同时，减轻了约束保守性。在分布式模型预测控制（MPC）层中，通过通信图映射局部管道半径，可以得到通过增广拉普拉斯矩阵的最小奇异值公式化的闭式全局编队误差界。鲁棒的智能体间安全通过最小的通信开销来强制执行，只需要在初始化时为每个邻居广播一个标量。数值模拟证实了该框架在安全地引导异构编队通过杂乱环境中的有效性。
🔬 方法详解
问题定义：多智能体系统在存在有界扰动的情况下，如何实现鲁棒且安全的前瞻性跟踪控制？现有方法，特别是依赖于Lipschitz条件的鲁棒稳定方法，往往会引入过于保守的约束，限制了系统的性能和灵活性。
核心思路：核心在于将状态偏差动力学与智能体内部的非线性解耦，从而避免对Lipschitz条件的依赖。通过构建鲁棒正不变（RPI）管道，确保系统状态始终保持在安全区域内。利用前馈控制增强辅助控制策略，并结合指数控制障碍函数（eCBF）来保证安全性。
技术框架：整体框架包含以下几个主要模块：1) 前馈控制器的设计，用于提供标称轨迹；2) 辅助控制器的设计，用于补偿扰动和偏差；3) 基于RPI管道的安全证书生成，用于保证状态的安全性；4) 分布式模型预测控制（MPC）层，用于实现多智能体之间的协同控制和编队保持。通过通信图来传递局部管道半径信息，从而获得全局编队误差界。
关键创新：最重要的创新在于解耦了状态偏差动力学与智能体内部非线性，避免了对Lipschitz条件的依赖，从而降低了保守性。此外，显式闭式RPI管道半径的计算方法，使得安全约束的调整更加灵活和高效。
关键设计：关键设计包括：1) 前馈控制器的设计，需要精确的系统模型；2) 辅助控制器的参数选择，需要权衡鲁棒性和性能；3) eCBF的参数调整，需要保证安全性和可行性；4) 分布式MPC的优化目标和约束设计，需要考虑多智能体之间的协同和通信开销。
📊 实验亮点
数值模拟结果表明，该框架能够安全地引导异构编队通过杂乱环境。通过显式RPI管道半径的计算，有效降低了约束的保守性，提高了系统的性能。该方法仅需在初始化时为每个邻居广播一个标量，通信开销极低。
🎯 应用场景
该研究成果可应用于无人机编队飞行、自动驾驶车辆协同控制、机器人集群作业等领域。通过提供鲁棒且安全的控制策略，可以提高多智能体系统在复杂环境中的适应性和可靠性，具有重要的实际应用价值和广阔的应用前景。
📄 摘要（原文）
A tube-based safety framework is presented for robust anticipative tracking in nonlinear Brunovsky multi-agent systems subject to bounded disturbances. The architecture establishes robust safety certificates for a feedforward-augmented ancillary control policy. By rendering the state-deviation dynamics independent of the agents' internal nonlinearities, the formulation strictly circumvents the restrictive Lipschitz-bound feasibility conditions otherwise required for robust stabilization. Consequently, this structure admits an explicit, closed-form robust positively invariant (RPI) tube radius that systematically attenuates the exponential control barrier function (eCBF) tightening margins, thereby mitigating constraint conservatism while preserving formal forward invariance. Within the distributed model predictive control (MPC) layer, mapping the local tube radii through the communication graph yields a closed-form global formation error bound formulated via the minimum singular value of the augmented Laplacian. Robust inter-agent safety is enforced with minimal communication overhead, requiring only a single scalar broadcast per neighbor at initialization. Numerical simulations confirm the framework's efficacy in safely navigating heterogeneous formations through cluttered environments.