- 解决**分散式多智能体碰撞避免** 问题，尤其在智能体不通信任何规划轨迹信息时仍然具有挑战性
- 现有方法要么依赖保守的协调机制，要么对**递归可行性(recursive feasibility)** 和**收敛性(convergence)** 提供的保证有限
- 研究背景：多智能体系统在无通信环境下需要实现安全、高效的自主导航
- 提出**分散式应急模型预测控制(Decentralized Contingency MPC)** 框架，适用于非线性动力学多智能体系统
- 每个智能体基于**状态信息模式(state-only information pattern)**，遵循相同的共识规则集，无需通信即可进行安全分散规划
- 每个智能体求解一个局部优化问题，将**标称轨迹(nominal trajectory)** 与**应急证书(contingency certificate)** 耦合，确保在滚动时域操作下存在可行的备用操纵
- 引入一种新颖的**几何且分散的安全集更新机制(geometric and decentralized safe-set update mechanism)**，防止相邻时间步之间的可行性丧失
- **无通信保证**：首次在完全不传输轨迹信息的分散式设置下实现**递归可行性** 和**碰撞避免**，仅依赖状态信息
- **安全集更新机制**：提出的几何分散式安全集更新避免了传统方法中因时间离散化导致的可行性退化
- **理论完备性**：同时证明了**递归可行性** （包括碰撞避免）和**李雅普诺夫型收敛结果(Lyapunov-type convergence)** 到可接受的安全平衡点
- **即插即用(plug-and-play)**：支持智能体动态加入或离开，在稀疏和密集多智能体环境中均有效
- 为分散式多智能体碰撞避免提供了一种**递归可行** 且**收敛有保证** 的理论框架
- 在无通信条件下实现了**可证明安全** 的协调运动，超越了保守协调方法的局限性
- 通过模拟在**密集瓶颈场景** 和**即插即用操作** 中验证了方法的鲁棒性和扩展性
- 为非线性多智能体系统的**分散式安全控制** 奠定了新的理论基础，推动了实际部署可能性