Hybrid Artificial Potential Field and Wall-Following for Escaping Deadlocks in DecentralizedMulti-Robot Navigation
교착 상태 극복을 위한 인공 포텐셜-벽면 추종 기반 하이브리드 분산형 다중 로봇 내비게이션 기술
- 주제어 (키워드) Decentralized Multi-Robot Navigation , Artificial Potential Field
- 발행기관 서강대학교 일반대학원
- 지도교수 Changjoo Nam
- 지도교수 남창주
- 발행년도 2025
- 학위수여년월 2025. 8
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000081980
- UCI I804:11029-000000081980
- 본문언어 영어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
This thesis addresses the problem of decentralized multi-robot navigation in environments with nonconvex obstacles under incomplete environmental infor- mation. Reactive planning methods such as the Artificial Potential Field (APF) are known for their simplicity and computational efficiency. However, they often suffer from local minima issues due to the lack of global environmental aware- ness, causing robots to become trapped and fail to reach their goals. Here, ”lo- cal minima” refers to situations where a robot falls into a deadlock state due to interference from obstacles or other robots. Existing approaches either rely on inter-robot communication or are limited to single-robot systems, and they struggle to handle nonconvex obstacles effectively. To address these challenges, we propose a method that enables robots to navigate safely without relying on maps or communication, using only local sensor observations and self-state information. In particular, we combine an APF-based navigation strategy with a wall-following (WF) behavior to allow robots to escape from local minima. This approach proves effective not only in the presence of nonconvex static obstacles but also in dynamic environments with other moving robots. Furthermore, we introduce two switching algorithms between APF and WF: one based on predefined rule-based logic, and the other employing an encoder network trained via expert demonstrations. Experimental results demonstrate that our method significantly outperforms existing state-of- the-art approaches in terms of success rate, effectively overcoming local minima issues in complex environments.
more초록 (요약문)
본 논문은 환경에 대한 완전한 정보가 주어지지 않은 상태에서 비볼록(non- convex) 장애물이 존재하는 환경에서 분산형(decentralized) 다중 로봇 주행(multi- robot navigation) 문제를 다룬다. 인공 포텐셜 필드(Artificial Potential Field, APF)와 같은 반응형 계획(reactive planning) 기법은 단순성과 효율성을 지니고 있지만, 전역 환경 정보를 고려하지 못하기 때문에 국소 최소(local minima) 문제 로 인해 로봇이 목표 지점에 도달하지 못하고 특정 지점에 갇히는 한계를 가진다. 여기서 국소 최소란, 장애물 또는 다른 로봇과의 간섭으로 인해 로봇이 교착 상 태(deadlock)에 빠지는 상황을 의미한다. 기존의 다른 기법들은 로봇 간 통신에 의존하거나 단일 로봇 시스템에 국한되며, 비볼록 장애물을 효과적으로 극복하지 못하는 문제가 있다. 이 연구에서는 지도나 통신 없이도 충돌 없이 주행이 가능하도록, 로봇이 오직 국소 센서 관측값과 자신의 상태 정보만을 이용해 주행할 수 있는 방법을 제안한 다. 특히 APF 기반 주행 방식에 벽면 추종(Wall-Following, WF) 동작을 결합해 국소 최소로부터의 탈출을 가능하게 했으며, 이는 비볼록 장애물뿐 아니라 주변 로봇과 같은 동적(dynamic) 장애물이 존재하는 상황에서도 유효하다. 또한, APF 와 WF 사이를 전환하는 두 가지 알고리즘(하나는 사전 정의된 규칙 기반 시스템 이고, 다른 하나는 전문가 시연을 통해 학습된 인코더 네트워크)을 제안한다. 실험 결과, 제안한 방법은 기존 최신 기법들과 비교해 월등히 높은 성공률을 보였고, 복 잡한 환경에서의 국소 최소 문제를 효과적으로 극복할 수 있음을 보여준다.
more목차
Abstract viii
요 약 ix
1 Introduction 1
2 Related work 4
2.1 Artificial Potential Field (APF) 4
2.2 Wall-Following (WF) 5
2.3 Hybrid APF-WF Approaches 6
2.4 Limitations of Existing Methods 7
3 Background 8
3.1 Mathematical Formulation of APF 8
4 Problem Description 10
5 Proposed Method 12
5.1 APF with Omnidirectional Range Sensor 12
5.2 Decentralized Mapless Navigation Methods 13
5.2.1 Rule-based Switch (RS) 15
iv
5.2.2 Learned Switch (LS) 21
6 Experiments 26
6.1 Experimental Setup 27
6.1.1 Environments 27
6.1.2 Baselines 27
6.1.3 Metrics 28
6.1.4 Others 28
6.2 Tests in Simulation 28
6.2.1 Real-world layouts 28
6.2.2 Symmetric layouts 32
6.3 Physical Robot Experiments 35
7 Conclusion 37
Bibliography 38
