エッジ合意ADMMによるグラフ疎分散予測制御マルチロボット動作計画

- 複数の planar robots（double-integrator dynamics）の衝突回避を伴う motion planning のための分散 MPC アーキテクチャ。 - 時間変化する predicted conflict graph で関連するペアワイズ相互作用のみを選択し、協調コストを削減。 - 衝突回避制約を MPC 更新ごとに warm-start trajectories で一度だけ凸化し、固定の convex QP に変換。 - その QP を edge-consensus 形式の ADMM で分解し、robot ごとの並列最適化と separating half-spaces への閉形式射影を実現。 - 分散候補が直接実行条件を満たさない場合のみ、centralized HOCBF QP が選択的に監督。

- 従来の centralized complete-graph baseline と比較して、計算スケーラビリティを大幅に改善しつつ task-level performance を同等に維持。 - 全ペア相互作用を扱うのではなく、predicted conflict graph により必要なペアのみを考慮する点が協調負荷の削減に寄与。 - edge-consensus ADMM により robot-local な並列最適化と閉形式射影を可能にし、分散実行の効率を高める。 - centralized HOCBF QP を常時使わず、必要な場合のみ選択的に監督する構成が特徴。

- 予測された conflict graph を時間変化させ、関連する pairwise collision-avoidance 制約のみを選択。 - warm-start trajectories を用いて衝突回避制約を MPC 更新ごとに一度凸化し、固定の convex QP を構成。 - その QP を edge-consensus formulation の ADMM で分解し、robot ごとの並列最適化を実施。 - separating half-spaces への独立した closed-form projections を利用。 - 分散候補が直接実行条件を満たさない場合に centralized HOCBF QP で監督する selective supervision を採用。

- C++ simulations で 8、16、32 robots を対象に評価。 - collision-free execution を達成。 - 計算スケーラビリティの大幅な改善を確認。 - centralized complete-graph baseline と比較して、task-level performance が同等であることを確認。

- 要旨からは不明。 - ただし、centralized HOCBF QP による選択的監督の頻度や条件、predicted conflict graph の品質・更新方法、warm-start 依存性、実機適用性などが議論点になり得るが、要旨には明記されていない。

- centralized complete-graph baseline（比較対象として言及）。 - centralized HOCBF QP（監督機構として言及）。 - ADMM および edge-consensus ADMM に関する文献。 - distributed MPC や conflict graph を用いた multi-robot motion planning の関連研究。