[論文レビュー] An integrated dynamic method for allocating roles and planning tasks for mixed human-robot teams

Fabio Fusaro, Edoardo Lamon+2 more|arXiv (Cornell University)|Jan 1, 2021

Scheduling and Optimization Algorithms参考文献 18被引用数 25

ひとこと要約

本稿では、行動木（BTs）とオンラインの整数線形プログラミング（MILP）部分問題を組み合わせた統合的動的手法を提案し、混合人間-ロボットチームにおけるリアルタイムなタスクおよび役割割り当てを実現する。ジョブを行動木としてモデル化し、役割割り当てノードが、作業時間、利用可能時間、エルゴノミクスを含む行動-作業者コストに基づいて簡略化されたMILP部分問題を解くことで、線形の計算スケーリングと最適なエージェント割り当てを実現する。シミュレーションによる検証では、タスク完了時間が短縮され、作業負荷の分布が改善された。

ABSTRACT

This paper proposes a novel dynamic method based on Behavior Trees (BTs) that integrates planning and allocation of tasks in mixed human robot teams, suitable for manufacturing environments. The Behavior Tree formulation allows encoding a single job as a compound of different tasks with temporal and logic constraints. In this way, instead of formulating an offline centralized optimization problem, the role allocation problem is solved with multiple simplified online optimization sub-problems, without complex and cross-schedule task dependencies. These sub-problems are defined as Mixed-Integer Linear Programs (MILPs), that, according to the worker-actions related costs and the workers' availability, allocate the yet-to-execute tasks among the available workers. To characterize the behavior of the developed method, we opted to perform different simulation experiments, in which the results of the action-worker allocation and the computational complexity are evaluated. The obtained results, due to the nature of the algorithm and to the possibility of simulating the agents' behavior, illustrate adequately also how the algorithm performs in real experiments.

研究の動機と目的

• 本稿は、柔軟な製造を目的とした混合人間-ロボットチームにおける、動的役割割り当てとタスク計画の課題に取り組む。
• オフライン計画と集中型最適化という従来の二段階アプローチの限界を克服するため、役割割り当てとタスク計画を統合的かつ反応的なフレームワークに統合することを目的とする。
• 計算複雑性を低減しながら最適なタスク割り当てを維持するため、オンラインMILP部分問題を用いて部分的なタスク集合のみを解くことで実現する。
• エージェント固有の要因（利用可能時間、作業時間、専門性、エルゴノミクス）をコスト関数に組み込むことで、チームの効率を向上させることを目的とする。
• チーム構成やタスク制約の動的変化にリアルタイムで適応可能であり、時間的および論理的依存関係が保持されるようにすることを目的とする。

提案手法

• 本手法は、行動木（BTs）を用いてジョブレベルの動作をモデル化し、ルートノードがすべてのタスクの実行を制御し、各タスクは役割割り当てノードによって管理する。
• 各役割割り当てノードは、行動-作業者コストに基づいて、次に実行するアクションを最も適したエージェントに動的に割り当てるため、整数線形計画法（MILP）を解く。
• 行動-作業者コスト関数には、作業時間、エージェントの利用可能時間、エルゴノミクス要因が組み込まれており、3つのバリエーションがある：バイナリ利用可能時間、連続的利用可能時間コスト（式4）、ゼロ利用可能時間コスト。
• BTアーキテクチャには、4つのカスタムノードが含まれる：役割割り当て（MILPを解く）、エージェントハンドラ（アクションを人間またはロボットにルーティング）、人間通信（人間作業者に通知）、アクション（ロボットタスクを実行）。
• システムはC++で実装され、ROS MelodicとBehaviorTree.CPPライブラリを用い、MILPソルバーにはOsi/GLPKが使用されている。
• 中央集権的計画問題を、複数の軽量でオンラインの部分問題に分解することで、計算負荷を軽減しながらタスク制約を保持する。

実験結果

リサーチクエスチョン

• RQ1 混合人間-ロボットチームにおいて、計算複雑性を低減しつつ、タスク割り当てと計画を統合的かつ動的フレームワークで実現する方法は何か？
• RQ2 特に利用可能時間の定義が、タスクおよび役割割り当ての質に与える影響は何か？
• RQ3 システム内のタスク数およびエージェント数の増加に伴い、計算時間はどのようにスケーリングするか？
• RQ4 本手法は、全体のジョブ完了時間とエージェントの待機時間を最小限に抑える最適なタスク割り当てを達成できるか？
• RQ5 本手法は、タスクの並列実行度やエージェントの利用可能時間の変動に伴って、どのように性能を発揮するか？

主な発見

• 本フレームワーク全体の計算時間は、直列および並列タスク数に対して概ね線形にスケーリングしており、良好なスケーラビリティを示している。
• N個のタスクを含む1つの大きなMILPを解くのは、N個の小さなMILPを解くよりも速い。これは、オーバーヘッドが低減され、ソルバーの利用効率が向上するためである。
• 作業者数が増加するにつれて計算時間は減少するが、最大並列度（15名）に達すると、その後は概ね一定に保たれる。
• 連続的利用可能時間コスト（式4）を用いることで、バイナリまたはゼロ利用可能時間コストよりも優れたタスク割り当てが得られ、タスク実行時間と次のタスクの待機時間を両方最小化する。
• 14のアクションを含むシミュレーションでは、連続的利用可能時間コストを用いた場合、合計時間最小化を満たすためにアクションa12がワーカーw1に割り当てられ、バイナリおよびゼロコストの両方のバリエーションを上回る性能を示した。
• ガントチャート分析により、連続的利用可能時間コストモデルが、特に並列タスク集合の後に直列実行が必要なアクションにおいて、無駄な待機時間を削減し、連携を向上させたことが確認された。