14.2 去中心化协同与导航：基于LIVEPOINT框架的无死锁多机器人系统
14.2.1 引言：中心化规划的局限与去中心化自治的需求
多机器人系统在仓库物流、园区配送、工业巡检等场景中的应用潜力巨大。传统解决方案多采用集中式架构，由一个中央服务器为所有机器人计算全局最优路径。这种方法在理论上简洁有效，但随着机器人数量增加和动态障碍物增多，其固有缺陷变得突出：计算复杂度呈指数级增长，中央服务器成为性能瓶颈与单点故障源，且对通信网络的延迟和可靠性要求极高。在动态杂乱环境中，频繁的重规划请求可能直接压垮中央系统。
因此，工业界和学术界的研究重点已转向去中心化或分布式协同导航。在此架构下，每个机器人仅依赖自身传感器和有限的局部通信（通常仅与邻近机器人交换信息），自主做出导航决策。这种模式具有天然的可扩展性、鲁棒性和灵活性。然而，其核心挑战也随之而来：在没有全局协调者的情况下，如何保证所有机器人行为的整体协调性，避免因决策冲突导致的死锁（如两机器人在狭窄通道迎面相遇，互不相让）和活锁（如多个机器人在路口循环绕行）？
针对这一核心挑战，以LIVEPOINT为代表的新一代去中心化导航框架应运而生。它通过在连续的时空域中进行联合优化，并引入创新的本地冲突解决机制，为实现大规模机器人群在动态杂乱环境中的高效、无碰撞、无死锁导航提供了系统性的解决方案。
14.2.2 问题定义与挑战：动态杂乱环境下的冲突与死锁
考虑一个包含nnn个移动机器人的系统，每个机器人iii需要从其起始点SiS_iSi运动到目标点GiG_iGi。环境是动态且杂乱的，包含静态障碍物（如货架、墙壁）和动态障碍物（其他机器人、行人）。机器人装备有局部传感器（如激光雷达、深度相机），并可能通过低带宽网络与邻近机器人交换基本状态和意图信息。
去中心化导航的目标是，对于每一个机器人iii，在线生成一个无碰撞的轨迹ξi(t):[0,Ti]→R2\xi_i(t): [0, T_i] \rightarrow \mathbb{R}^2ξi(t):[0,Ti]→R2，使得ξi(0)=Si\xi_i(0) = S_iξi(0)=Si，ξi(Ti)=Gi\xi_i(T_i) = G_iξi(Ti)=Gi，同时满足其运动学约束（如最大速度、加速度），并尽可能优化某些性能指标（如到达时间、能量消耗）。
核心挑战可归纳为三点：
- 在线决策的局部性：每个机器人仅掌握局部环境信息，其决策可能与其他机器人不可见的未来决策发生冲突。
- 耦合的时空约束：机器人间的冲突本质上是时空冲突。即，不仅要求它们在空间上不占据同一位置，更要求它们不在同一时间占据同一空间。这需要在时间和空间两个维度上进行协调。
- 死锁的检测与消解：当多个机器人的当前最优路径相互阻塞，且任何单方面的退让都无法使系统向目标状态演进时，系统陷入死锁。检测和自动消解这种全局性的僵局是去中心化算法最大的难点。
14.2.3 LIVEPOINT框架的核心机理
LIVEPOINT框架的核心思想是，将每个机器人的轨迹规划问题，转化为一个在时空走廊内对时空控制点进行迭代优化的过程。其名称“LIVEPOINT”正是源于这些实时更新、代表机器人未来时空位置的“活”的控制点。该框架主要包含三个关键技术环节：
14.2.3.1 时空子目标生成与弹性走廊
机器人并非一次性规划从起点到终点的完整长程轨迹，而是周期性地规划一个短期的、通往一个时空子目标的局部轨迹。这个子目标位于全局路径规划器（如A*， RRT*）给出的静态无碰撞路径上，但被赋予了时间属性。
更重要的是，围绕这个时空子目标，机器人构建一个时空弹性走廊。该走廊在空间上是一个随时间变化的、连接当前位置与子目标的安全通道（由一系列凸空间多面体构成）；在时间上则允许一定的伸缩弹性。这个走廊定义了机器人短期轨迹必须位于其中的时空约束区域，其宽度和时长为避让其他机器人留出了余地。
14.2.3.2 基于凸优化的分布式轨迹优化
在每一个规划周期（例如100ms），每个机器人iii独立求解一个局部优化问题，以生成其下一段轨迹。该问题可形式化为：
minpiJipath(pi)+λJismooth(pi)s.t.pi∈SCi(时空走廊约束)∥pi(tk)−pj(tk)∥2≥ri+rj+ϵ,∀j∈Ni,∀tk∈[tcurr,thorizon](分布式避碰约束) \begin{aligned} \min_{\mathbf{p}_i} & \quad J_i^{path}(\mathbf{p}_i) + \lambda J_i^{smooth}(\mathbf{p}_i) \\ \text{s.t.} & \quad \mathbf{p}_i \in \mathcal{SC}_i \quad \text{(时空走廊约束)} \\ & \quad \|\mathbf{p}_i(t_k) - \mathbf{p}_j(t_k)\|_2 \geq r_i + r_j + \epsilon, \\ & \quad \forall j \in \mathcal{N}_i, \forall t_k \in [t_{curr}, t_{horizon}] \quad \text{(分布式避碰约束)} \end{aligned}
)
