[論文レビュー] A Multi-Agent System for Autonomous Mobile Robot Coordination

Norberto Sousa, Nuno Oliveira+1 more|arXiv (Cornell University)|Sep 25, 2021

Advanced Manufacturing and Logistics Optimization参考文献 13被引用数 5

ひとこと要約

本論文は、ROSおよびGazeboを用いたスケーラブルなマルチエージェントシステム（MAS）を提案し、製造業における自動物資搬送を実現する複数のTIAGoロボットを協調制御する。システムは逐次的かつバランスの取れたタスク割り当てアルゴリズムを採用しており、リアルタイム障害物回避を伴う、レーザーセンサを用いた衝突を考慮した動的協調制御を、シミュレートされた工場環境で実現している。

ABSTRACT

The automation of internal logistics and inventory-related tasks is one of the main challenges of modern-day manufacturing corporations since it allows a more effective application of their human resources. Nowadays, Autonomous Mobile Robots (AMR) are state of the art technologies for such applications due to their great adaptability in dynamic environments, replacing more traditional solutions such as Automated Guided Vehicles (AGV), which are quite limited in terms of flexibility and require expensive facility updates for their installation. The application of Artificial Intelligence (AI) to increase AMRs capabilities has been contributing for the development of more sophisticated and efficient robots. Nevertheless, multi-robot coordination and cooperation for solving complex tasks is still a hot research line with increasing interest. This work proposes a Multi-Agent System for coordinating multiple TIAGo robots in tasks related to the manufacturing ecosystem such as the transportation and dispatching of raw materials, finished products and tools. Furthermore, the system is showcased in a realistic simulation using both Gazebo and Robot Operating System (ROS).

研究の動機と目的

• 自律移動型ロボット（AMR）を用いた動的内部物流の自動化に取り組むこと。
• 複雑でリアルタイムなタスク（物資搬送や工具配達など）を実行する複数のAMRを協調制御するスケーラブルなマルチエージェントシステム（MAS）を開発すること。
• 人為的介入を最小限に抑え、柔軟で分散型のロボット間協調制御を実現し、動的環境における適応性を向上させること。
• ROSおよびGazeboを用いたリアルなシミュレーション環境でシステムを検証し、障害物回避およびタスク割り当てにおける耐障害性を示すこと。

提案手法

• マスターエージェントが2台のTIAGoロボットを協調制御し、それぞれの能力に応じて特定のタスクタイプ（例：一方は物資搬送、他方は工具搬送）に割り当てられる。
• タスクの配分は2つのアルゴリズムで管理される：逐次的（順番にタスクを割り当て、ロボットの利用可能状態を待機）およびバランス型（ロボットの適合性と予想完了時間を基にタスクを分散）。
• 各ロボットは、リアルタイム障害物検出および衝突回避のためのレーザースキャンセンサデータを用い、動的経路調整を実行する。
• シミュレーション環境はROSおよびGazeboを用いて構築され、原材料、工具、完成品のための指定領域を備えた3次元工場床をモデル化している。
• システムは、新たなアルゴリズムやロボットタイプの統合を容易にするために、モジュラーかつ拡張可能なアーキテクチャに統合された認識、ナビゲーション、協調制御の論理を備えている。
• 衝突回避は、障害物が除去されるまで待機することで実装され、動的環境における安全なナビゲーションを保証する。

実験結果

リサーチクエスチョン

• RQ1 マルチエージェントシステムは、動的で現実的な製造環境において、物流タスクのための複数のAMRを効果的に協調制御できるか？
• RQ2 物資搬送のためのマルチロボット協調において、逐次的とバランス型のタスク割り当て戦略には、性能にどのような差異があるか？
• RQ3 自律ロボットは、共有され予測不能な作業空間において、安全なナビゲーションと障害物回避をどのように維持できるか？
• RQ4 ROS/Gazeboベースのシミュレーションは、マルチロボットシステムにおける現実世界の協調課題をどの程度正確に再現できるか？
• RQ5 提案されたMASアーキテクチャは、新しいロボット、タスク、またはAIベースの認識モジュールを統合する際に、どの程度拡張可能か？

主な発見

• バランス型タスク割り当てアルゴリズムは、ロボットの能力と予想完了時間に基づいたタスク分散により、待機時間を顕著に短縮し、全体のシステム効率を向上させた。
• システムは、シミュレートされた工場環境で2台のTIAGoロボットを正常に協調制御し、タスク適合性に応じて物資および工具を正しく回収した。
• レーザースキャンベースの障害物検出により、リアルタイムの衝突回避が実現され、障害物が検出された場合に動的経路調整が可能になった。
• シミュレーションにより、マスターエージェントは最小限の人的介入で、製品のセットアップや片付けといった複雑な複数ステップタスクを処理できることを示した。
• モジュラーなアーキテクチャにより、主要なコード再構築なしに新たなタスクタイプやアルゴリズムの統合がスムーズに行えることが確認され、拡張性が裏付けられた。