[論文レビュー] Coordinated Multi-Agent Pathfinding for Drones and Trucks over Road Networks

Shushman Choudhury, Kiril Solovey+2 more|arXiv (Cornell University)|Oct 17, 2021

Robotic Path Planning Algorithms被引用数 5

ひとこと要約

本論文は、大規模な都市道路網においてドローンとトラックを協調して運用するための2段階のアルゴリズムフレームワークを提案する。ドローンは一時的にトラックに搭乗することでエネルギーを節約できる。問題をトラックルート最適化とその後のドローンルーティングに分離することで、独立したルーティングと比較して総走行距離を50%以上削減し、一般ハードウェア上ですべての設定で5分未塔の解決時間を達成した。

ABSTRACT

We address the problem of routing a team of drones and trucks over large-scale urban road networks. To conserve their limited flight energy, drones can use trucks as temporary modes of transit en route to their own destinations. Such coordination can yield significant savings in total vehicle distance traveled, i.e., truck travel distance and drone flight distance, compared to operating drones and trucks independently. But it comes at the potentially prohibitive computational cost of deciding which trucks and drones should coordinate and when and where it is most beneficial to do so. We tackle this fundamental trade-off by decoupling our overall intractable problem into tractable sub-problems that we solve stage-wise. The first stage solves only for trucks, by computing paths that make them more likely to be useful transit options for drones. The second stage solves only for drones, by routing them over a composite of the road network and the transit network defined by truck paths from the first stage. We design a comprehensive algorithmic framework that frames each stage as a multi-agent path-finding problem and implement two distinct methods for solving them. We evaluate our approach on extensive simulations with up to $100$ agents on the real-world Manhattan road network containing nearly $4500$ vertices and $10000$ edges. Our framework saves on more than $50\\%$ of vehicle distance traveled compared to independently solving for trucks and drones, and computes solutions for all settings within $5$ minutes on commodity hardware.

研究の動機と目的

• ドローンが一時的にトラックを利用することで飛行範囲を拡張できるようにすることで、都市物流における総走行距離を最小化すること。
• ドローンとトラックのルートを同時に最適化する問題の計算的非効率性を克服するため、問題を解ける部分問題に分離すること。
• 道路網とトラック経路からの動的輸送オプションを統合したスケーラブルなフレームワークを設計し、効率的なドローンルーティングを実現すること。
• 実世界の都市道路網（最大100台のエージェントを想定）を用いて評価し、顕著なエネルギーと走行距離の削減を示すこと。

提案手法

• 段階1では、ドローンの効果的な輸送手段としてのトラック経路を計算するためのMAPFソルバを用い、有益である場合は最短経路から逸脱する。
• 段階2では、トラック経路を道路網に重ねて輸送エッジとして追加することで、複合ネットワークを構築し、ドローンがこれらのセグメントをゼロコストで移動可能にする。
• ドローンルーティングフェーズでは、トラックの容量制約を満たす条件下で総コストを最小化するパスを計算するMAPFソルバを用いる。
• 後処理段階で、使用されないトラックを道路網上の最短経路に再ルーティングすることで、全体の効率を向上させる。
• 2つのバリエーションを実装：段階1および段階2の両方で拡張型衝突ベース探索（ECBS）を用いるバージョンと、優先順位付き計画（PP）を用いるバージョン。
• フレームワークは、最大4500頂点と10000エッジを有するマンハッタン道路網上で評価され、最大80台のドローンと20台のトラックをシミュレートした。

実験結果

リサーチクエスチョン

• RQ1 ドローンとトラックの協調ルーティングにより、大規模な都市道路網における総走行距離をどの程度削減できるか？
• RQ2 ドローンとトラックの同時最適化問題を2段階の順次MAPFフェーズに分離することで、解の品質を保持しつつ計算の tractability（取り扱いやすさ）をどの程度向上できるか？
• RQ3 段階1のトラック経路計画が、特に効果的なドローン輸送を可能にする観点で、システム全体のパフォーマンスに与える影響は何か？
• RQ4 実世界の道路網におけるドローンとトラックの数が変化する状況下で、フレームワークの計算時間と解の品質のスケーラビリティはどのようになるか？
• RQ5 独立してドローンとトラックをルーティングする場合と比較して、本フレームワークは顕著なエネルギー節約を達成できるか？

主な発見

• 提案されたフレームワークは、ドローンとトラックを独立してルーティングする場合と比較して、総走行距離を50%以上削減した。
• テストされたすべての設定において、一般ハードウェア上ですべて5分未塔で解決が得られ、マンハッタン道路網上で最大100台のエージェントを処理した。
• アブレーションスタディの結果、段階1のトラック経路計画がパフォーマンスに顕著な貢献をしていることが示された。D-PPバージョン（トラックを最短経路に直接設定）は、完全なPPアプローチと比較して最大20%悪化した解を出力した。
• 容量10、トラック15台、ドローン60台の設定では、完全なPPフレームワークがD-PPと比較して20%以上優れた解を達成した。これは、最適化されたトラック経路の価値を示している。
• フレームワークは強力なスケーラビリティを維持しており、エージェント数の増加やドローン対トラック比の変化に対しても一貫したパフォーマンスを発揮した。
• 結果から、トラックによる協調輸送が顕著なエネルギー節約を可能にし、都市物流におけるハイブリッドドローントラック配送システムの実用化を可能にすることが示された。