Decentralized Control Barrier Functions for Robot Safety under Relative State Estimation

Cette thèse aborde la question cruciale de la sécurité dans les systèmes de contrôle à travers le développement et l’analyse des Fonctions de Barrière de Contrôle (FBC). Elle commence par une revue de la littérature exhaustive, introduisant les FBC pour la sécurité et examinant diverses méthodologies, y compris la rétroaction d’état complet, la rétroaction de sortie avec des incertitudes bornées et non bornées, ainsi que les stratégies de prévention des collisions basées sur les FBC pour les systèmes multi-robots. La problématique se concentre sur un système à deux robots utilisant plusieurs capteurs de distance, détaillant les défis spécifiques et les questions de recherche. L’étude explore l’évitement de collision décentralisé avec une erreur d’observation bornée, en discutant des méthodes sous rétroaction d’état parfaite, rétroaction d’état relative et des approches prenant en compte des erreurs d’estimation bornées. La discussion s’étend à l’évitement de collision décentralisé avec une erreur d’observation stochastique, en mettant l’accent sur les stratégies sous des incertitudes d’estimation stochastiques. Enfin, des études de simulation valident les résultats théoriques, couvrant des scénarios spécifiques qui démontrent l’applicabilité pratique et l’efficacité des méthodes proposées. Dans l’ensemble, cette thèse fait progresser la compréhension et l’application des FBC pour améliorer la sécurité des systèmes dans les applications de navigation relative et de commande multi-robots.

Abstract

This thesis addresses the critical issue of safety in control systems through the development and analysis of Control Barrier Functions (CBFs). It begins with a comprehensive literature review, introducing CBFs for safety and examining various methodologies, including full state feedback, output feedback with both bounded and unbounded uncertainties, and distributed CBF-based collision avoidance strategies for multi-robot systems. The problem statement focuses on a two-robot system using multiple range sensors, detailing specific challenges and research questions. The study explores decentralized collision avoidance with bounded estimation error, discussing methods under perfect state feedback, relative state feedback, and approaches considering bounded estimation errors. The discussion extends to decentralized collision avoidance with stochastic estimation error, emphasizing strategies under stochastic estimation uncertainties. Finally, simulation studies validate the theoretical findings, covering specific scenarios that demonstrate the practical applicability and effectiveness of the proposed methods. Overall, this thesis advances the understanding and application of CBFs for enhancing system safety in multi-robot relative navigation and control applications.