[論文レビュー] Cooperative Planning for Fuel-constrained Aerial Vehicles and Ground-based Refueling Vehicles for Large-Scale Coverage

Parikshit Maini, Kaarthik Sundar+2 more|arXiv (Cornell University)|May 11, 2018

Robotic Path Planning Algorithms参考文献 4被引用数 11

ひとこと要約

本稿では、燃料制限のある無人航空機（UAV）と地上の給油車（RV）のための二段階協調計画フレームワークを提案し、大規模な空域カバレッジを実現する。まず、UAVの燃料制限と速度差を考慮して道路網上の給油可能地点を特定し、次に混合整数線形プログラミング（MILP）とヒューリスティクスを用いてUAVとRVのルートを共同最適化することで、総UAV走行距離を最小化するとともに、ミッションの実行可能性と的時給油を保証する。

ABSTRACT

Low cost Unmanned Aerial Vehicles (UAVs) need multiple refuels to accomplish large area coverage. The number of refueling stations and their placement plays a vital role in determining coverage efficiency. In this paper, we propose the use of a ground-based refueling vehicle (RV) to increase the operational range of a UAV in both spatial and temporal domains. Determining optimal routes for the UAV and RV, and selecting optimized locations for refueling to aid in minimizing coverage time is a challenging problem due to different vehicle speeds, coupling between refueling location placement, and the coverage area at each location. We develop a two-stage strategy for coupled route planning for UAV and RV to perform a coverage mission. The first stage computes a minimal set of refueling sites that permit a feasible UAV route. In the second stage, multiple Mixed-Integer Linear Programming (MILP) formulations are developed to plan optimal routes for the UAV and the refueling vehicle taking into account the feasible set of refueling sites generated in stage one. The performance of different formulations is compared empirically. In addition, computationally efficient heuristics are developed to solve the routing problem. Extensive simulations are conducted to corroborate the effectiveness of proposed approaches.

研究の動機と目的

• 燃料制限のあるUAVが複数回給油を必要とする大規模な領域をカバーするという課題に対処すること。
• 固定給油ステーションの代わりに移動式の地上給油車（RV）を活用することで運用効率を向上させること。
• 燃料制限、速度差、道路網制約を尊重しながら、UAVとRVのルートを共同最適化すること。
• 連携計画を通じて、総UAV走行距離とカバレッジ時間を最小化すること。

提案手法

• 段階1では、TSPに基づくヒューリスティクスとリペアアルゴリズムを用い、UAVが的時に給油可能となる最小の実行可能給油地点の集合を道路網上で計算する。
• 段階2では、UAVとRVのルーティング問題を、UAV走行距離を最小化する目的で、エッジベースとノードベースの両方の定式化を用いた複数の混合整数線形プログラミング（MILP）モデルとして定式化する。
• MILP定式化を解くためにブランチアンドカットフレームワークを採用し、ヒューリスティクスによる初期解をウォームスタートとして用いて収束性を向上させる。
• 計算効率の高いTSPに基づくヒューリスティクスを開発し、特にリアルタイムまたは時間に敏感なミッションにおいて有効である。
• エッジベースのMILP定式化はノードベースのバージョンよりもタイトな下界を生成することが示され、解の品質が向上する。
• 異なる道路網とミッションサイズを用いた広範なシミュレーションにより性能を評価した。

実験結果

リサーチクエスチョン

• RQ1 燃料制限と速度差の制約下で、大規模な領域をカバー可能な最小の実行可能給油地点の集合を道路網上でどのように計算できるか？
• RQ2 燃料および時間的制約を満たしつつ、UAVとRVのルートを共同最適化するための最も効果的なMILP定式化は何か？
• RQ3 エッジベースとノードベースのMILP定式化の間で、解の品質と計算効率はどのように比較できるか？
• RQ4 正確なMILP手法が問題サイズの増大に伴いスケーリングが著しく悪化する場合、高速ヒューリスティクスが高品質な解を提供できるか？

主な発見

• テストしたすべてのパrameterにおいて、エッジベースのMILP定式化はノードベースの定式化よりも一貫して低い相対ギャップ（より優れた解品質）を達成した。
• ノードベースの定式化は次元数が低いため計算上でより効率的であったが、相対ギャップが高く、下界がゆるいことを示唆していた。
• TSPに基づくヒューリスティクスはマイクロ秒スケールで実行可能解を生成し、速度と解品質の両面でグリーディアルゴリズムを上回った。
• ヒューリスティクスによる初期解を用いたウォームスタートは、制約数の多さとUAV・RVルート間の強い結合性のため、収束性や解品質の向上に寄与しなかった。
• インスタンスサイズの増大に伴い、解の品質が急速に劣化した。特に、ターゲットから道路までの平均距離が大きい道路網において顕著だった。
• ヒューリスティクスベースのアプローチは、下界が最適でないにもかかわらず、時間的に敏感なミッションにおいて非常に効果的であり、高速かつ近似最適な解を提供した。