[論文レビュー] A Scalable and Adaptable Multiple-Place Foraging Algorithm for Ant-Inspired Robot Swarms

Qi Lu, Melanie E. Moses+1 more|arXiv (Cornell University)|Dec 1, 2016

Robotic Path Planning Algorithms参考文献 18被引用数 10

ひとこと要約

本稿では、複数の分散型巣を用いることで効率を向上させるスケーラブルで分散型の群衆ロボティクス戦略、すなわちマルチプレイス・フォレージング・アルゴリズム（MPFA）を提案する。ロボットが最も近い巣に帰還できるようにし、遺伝的アルゴリズムを用いて制御パラメータを最適化することで、MPFAは移動時間、衝突、探索時間を低減し、大規模な群衆や高密度のターゲット環境において、中央集権型フォレージング・アルゴリズム（CPFA）を上回る性能を発揮する。

ABSTRACT

Individual robots are not effective at exploring large unmapped areas. An alternate approach is to use a swarm of simple robots that work together, rather than a single highly capable robot. The central-place foraging algorithm (CPFA) is effective for coordinating robot swarm search and collection tasks. Robots start at a centrally placed location (nest), explore potential targets in the area without global localization or central control, and return the targets to the nest. The scalability of the CPFA is limited because large numbers of robots produce more inter-robot collisions and large search areas result in substantial travel costs. We address these problems with the multiple-place foraging algorithm (MPFA), which uses multiple nests distributed throughout the search area. Robots start from a randomly assigned home nest but return to the closest nest with found targets. We simulate the foraging behavior of robot swarms in the robot simulator ARGoS and employ a genetic algorithm to discover different optimized foraging strategies as swarm sizes and the number of targets are scaled up. In our experiments, the MPFA always produces higher foraging rates, fewer collisions, and lower travel and search time compared to the CPFA for the partially clustered targets distribution. The main contribution of this paper is that we systematically quantify the advantages of the MPFA (reduced travel time and collisions), the potential disadvantages (less communication among robots), and the ability of a genetic algorithm to tune MPFA parameters to mitigate search inefficiency due to less communication.

研究の動機と目的

• 大規模なロボット群や高密度のターゲット環境における中央集権型フォレージング・アルゴリズム（CPFA）のスケーラビリティの限界を解決すること。
• CPFAにおける密集したロボット群や広大な探索領域に起因する、ロボット間の衝突と移動コストを低減すること。
• 中央集権の協調なしに、群衆のサイズやターゲット数に応じてスケーラブルに適応する分散型で柔軟なフォレージング戦略を開発すること。
• 複数の巣を用いたフォレージングにおける通信範囲、移動効率、衝突回避の間のトレードオフを評価すること。
• 多様な群衆サイズやターゲットサイズにわたって最適なパフォーマンスを維持できるように、遺伝的アルゴリズムを用いてロボット制御パラメータを自動で最適化すること。

提案手法

• 探索領域に均等に複数の巣を配置し、収集ポイントを分散化することでロボットの移動距離を短縮する。
• ターゲットを発見した後、最も近い巣に戻るためのオンライン意思決定を用いたフェロモンベースのフォレージングを実装するロボット制御パラメータを導入する。
• ARGoSマルチフィジックスシミュレータ内でフォレージングパフォーマンスを最適化するために、7つの実数値の制御パラメータを遺伝的アルゴリズム（GA）で最適化する。
• 4〜64体のロボット群と128〜2048個のターゲットを想定し、同一条件下でMPFAとCPFAを比較するシミュレーションを実施する。
• フェロモンの付加と消失メカニズムを用いてロボットの移動を誘導し、最後に発見したターゲットに近づいた際に巣の切り替えをトリガーする。
• スケーラビリティと効率性を評価するため、フォレージングレート、衝突時間、移動時間、探索時間を含む主な指標を測定する。

実験結果

リサーチクエスチョン

• RQ1 群衆のサイズが増加するに従い、MPFAとCPFAの間でフォレージングレート、衝突頻度、移動時間、探索時間にどのような差が生じるか？
• RQ2 大規模なロボット群において、複数の巣が衝突回避と移動効率に与える影響は何か？
• RQ3 MPFAにおける最適化された制御パラメータは、ターゲット数やロボット群のサイズの増加にどのように適応するか？
• RQ4 分散型フェロモンに起因する通信範囲とMPFAとCPFAのパフォーマンス向上の間には、どのようなトレードオフが存在するか？
• RQ5 遺伝的アルゴリズムは、多様な環境スケールにわたってMPFAのパラメータを効果的に最適化できるか？

主な発見

• 4体のロボットではMPFAがCPFA比で探索時間を34%短縮し、64体では19%短縮する。群衆のサイズが増加するに従い、探索時間の短縮率も上昇する。
• ターゲット数が増加する際、MPFAは1ロボット1ターゲットあたりの平均移動時間をCPFAと比較して最大31%短縮する。p値はそれぞれ0.03および0.05である。
• MPFAにおける衝突時間は、群衆のサイズやターゲット数が増加するに従い、CPFAと比較して顕著に低く保たれる。これは、混雑管理が優れていることを示している。
• 群衆のサイズやターゲット数が増加するに従い、MPFAのフォレージングレートの低下はCPFAよりも遅く、優れたスケーラビリティを示している。
• 遺伝的アルゴリズムによりMPFAのパラメータが効果的に最適化されており、特にターゲット数が多い状況ではフェロモンの付加確率を高め、分解速度を遅くする傾向が観察された。
• MPFAのパフォーマンス優位性は、移動距離の短縮に加え、特に密集した大規模な展開環境における効果的な衝突回避にも起因している。