多智能体路径规划

多智能体路径规划

多智能体路径规划 (Multi-Agent Path Finding, MAPF) 研究多智能体的路径规划算法，为多机系统规划无冲突的最优路径．

本项目将多机路径规划算法(Multi-Agent Path Finding, MAPF)源码转换为ros实现．算法接口采用ros插件形式编写，利于扩展自己的多机规划方法．

本项目仓库：https://github.com/speedzjy/mapf_ros （如果对您有帮助的话给仓库留下一个 ⭐ 吧 🤗， 您的 ⭐ 是我前进的动力😃）

源算法库：https://github.com/whoenig/libMultiRobotPlanning

本项目已经实现的多机规划方法有：

  • Conflict-Based Search (CBS)
  • Enhanced Conflict-Based Search (ECBS)
  • Prioritized Planning using SIPP (样例代码, swap情况的判断还未实现)

Example

Conflict-Based Search (CBS)

CBS 是一族方法．算法的思想主要将多机规划分为两层，底层执行带有约束的单机规划，例如用传统 A* 算法，顶层遍历底层的规划路径，解决路径之间的冲突并施加约束．CBS 算法给出 MAPF 问题的全局最优结果．

CBS算法的详细介绍可以参考笔者的CBS(Conflict-Based Search)多机器人路径规划这篇文章

在这里插入图片描述
参考文献:

Enhanced Conflict-Based Search (ECBS)

ECBS 基于 CBS, 在给定次优条件下给出比 CBS 更快的次优结果．

ECBS算法的详细介绍可以参考笔者的ECBS多机器人路径规划这篇文章

在这里插入图片描述
参考文献：

Prioritized Planning using SIPP

SIPP 算法不属于 CBS 类算法，这个算法提出了一个安全间隔(safe intervals)的概念，将时空A*(space-time A*)和CBS类多机路径规划算法的时间维度显著压缩.

实际上，SIPP 是一个考虑动态障碍物轨迹的单机规划算法. 通过将多机系统中的机器人按优先级排列，先进行规划的机器人的轨迹在后进行规划的机器人 SIPP 算法中会被当作动态障碍物轨迹来处理.

源码的作者没有写 swap 情况的处理办法，后续有空研究一下，看看能不能补全．

No swap (Success)
在这里插入图片描述
Swap (Failure)
在这里插入图片描述
参考文献:

Build

参照普通ros包编译方式:

catkin_make

Launch

建议先看看下方的 代码架构 部分, 再来看看 launch.

example launch

<launch>

  <!-- 1. 加载低分辨率地图 -->
  <arg name="map" default="mymap_low_resolution.yaml" />
  <group ns="mapf_base">
    <node name="map_server" pkg="map_server" type="map_server" args="$(find ros_package_name)/maps/$(arg map)" />
  </group>

  <!-- 2. launch mapf_base node -->
  <node pkg="mapf_base" type="mapf_base" name="mapf_base" output="screen" respawn="true">
    <rosparam file="$(find mapf_base)/params/costmap_params.yaml" command="load" ns="global_costmap" />
    <rosparam file="$(find mapf_base)/params/mapf_params.yaml" command="load" />

    <!-- 规划器名称参数; possible values: {
    mapf_planner/CBSROS, 
    mapf_planner/ECBSROS,
    mapf_planner/SIPPROS
    } -->
    <param name="mapf_planner" value="mapf_planner/SIPPROS" />
    <!-- <rosparam file="$(find mapf_base)/params/ecbs_params.yaml" command="load" /> -->
  </node>

  <!-- 3. launch goal_transformer and plan_executor -->
  <group ns="mapf_base">
    <node pkg="mapf_base" type="goal_transformer" name="goal_transformer" output="screen"> </node>
    <node pkg="mapf_base" type="plan_executor" name="plan_executor" output="screen"> </node>
  </group>

</launch>

有三个参数文件需要配置: mapf_params.yaml, costmap_params , ecbs_params.yaml(ecbs planner).

Notes:

强烈建议采用低分辨率地图用于 mapf 多机规划，高分辨率地图用于单机器人局部规划．原因如下:

  • CBS 和 ECBS 都是时空搜索算法, 如果地图维数过大，搜索非常耗时．MAPF 的最优解法是 NP-Complete 问题.
  • 由于 mapf 规划的路径是有时间步的，为了保证机器人不发生碰撞，每个时间步之间的最小距离必须大于机器人的直径。

代码架构

Nodes

1 mapf_base
1.1 节点结构

mapf_base 节点参照 ros navigation 包中 move_base 的功能，作为 mapf 算法的中央控制器，调度核心算法运行.

Notes: mapf_base节点只生成 global plan，不下发速度控制命令。 可以按照 plan 的每个 time step 发送给move_base，按照时间步执行控制命令.

在这里插入图片描述

1.2 订阅话题
  • /mapf_base/mapf_goal [mapf_msgs/Goal] mapf格式的 goal 信息，包括系统中所有机器人的目标位置
  • /tf [tf/tfMessage] 得到 map 到每个机器人的 base_link 的 tf 变换
1.3 发布话题
  • /mapf_base/parameter: plan_topic [nav_msgs/Path] | 不含时间步的 path, 在 rviz 上可视化使用
  • /mapf_base/global_plan [mapf_msgs/GlobalPlan] | 全局规划，是每个机器人的单独规划的集合，每个单独规划都包含时间步
  • /mapf_base/global_costmap/costmap [nav_msgs/OccupancyGrid] | 用于 mapf 的 costmap
1.4 节点参数

  • ~mapf_planner: (string, default: “mapf_planner/CBSROS”) | mapf规划器名称

  • ~agent_num: (int, default: 2) | 多机系统机器人数量

  • ~global_frame_id: map (string, default: map) | 地图和 /tf 的全局 frame

  • ~planner_time_tolerance: 5.0 (double, default: DBL_MAX) | mapf 算法非常耗时，设置时间阈值，超时则算法退出

  • ~goal_tolerance: 1.0 (double, default: 1.0) | mapf 算法到目标点的允差阈值，一旦机器人与目标点距离小于阈值，mapf 算法将停止规划，最好设成与用于 mapf 的地图分辨率相同

  • ~base_frame_id: (string, default: “base_link”) | 每个机器人的 base_link frame_id, example:

    • base_frame_id:
      • agent_0: rb_0/base_link
      • agent_1: rb_1/base_link

  • ~plan_topic: (string, default: “plan”) | 在 rviz 上可视化的不含时间步的 path 会发布在这个话题上, example:

    • plan_topic:
      • agent_0: rb_0/plan
      • agent_1: rb_1/plan

以下两个节点用于mapf算法的测试．你也可以编写自己的节点，只需要处理好 mapf_base 节点的输入输出．

2 goal_transformer
2.1 节点结构

goal_transformer 节点用于将每个节点的目标信息整合为 mapf 格式的目标信息发布

在这里插入图片描述

2.2 订阅话题
  • parameter: goal_topic [geometry_msgs/PoseStamped] | 订阅每个机器人的目标信息
  • /mapf_base/goal_init_flag [std_msgs/Bool] | 值如果为 true, 将接收到的每个 goal　信息整合为 mapf 格式的 goal发布
2.3 发布话题
  • /mapf_base/mapf_goal [mapf_msgs/Goal] | 发布 mapf 格式的 goal 给 mapf_base 节点处理
2.4 节点参数
  • ~goal_topic: (string, default: “rb_0/goal”) | 本节点将从这个话题接收每个机器人的 goal, example:
    • goal_topic:
      • agent_0: rb_0/goal
      • agent_1: rb_1/goal
3 plan_executor
3.1 节点结构

plan_executor 节点根据 mapf_base 生成的 plan，按照时间步顺序发送给 move_base 执行局部规划

在这里插入图片描述

3.2 订阅话题
  • /mapf_base/global_plan [mapf_msgs/GlobalPlan] | mapf_base 发布的全局规划
3.3 发布话题
  • /agent_name/move_base/goal [move_base_msgs/MoveBaseActionGoal] | 发给每个机器人的 move_base
3.4 节点参数
  • ~agent_name: (string, default: “rb_0”) | 机器人名称 (话题 “(arg agent_name)/move_base/goal” 将被发给 move_base), example:
    • agent_name:
      • agent_0: rb_0
      • agent_1: rb_1
4 全局节点结构

在这里插入图片描述

ROS 插件结构

在这里插入图片描述

# 算法 # 图搜索算法 # 自动驾驶
Logo
GitCode 开源社区

旨在为数千万中国开发者提供一个无缝且高效的云端环境，以支持学习、使用和贡献开源项目。

更多推荐

cover

GitTalk | 使用面向业务的狮偶编程语言提升开发效率

avatar GitCode 开源社区
cover

GitTalk | DevUI Suits 场景解决方案

avatar GitCode 开源社区
cover

GitTalk | DevUI Admin 前端项目构建

avatar GitCode 开源社区