[論文レビュー] CTS-PLL: A Robust and Anytime Framework for Collaborative Task Sequencing and Multi-Agent Path Finding

Junkai Jiang, Yitao Xu+3 more|arXiv (Cornell University)|Mar 26, 2026

Robotic Path Planning Algorithms被引用数 0

ひとこと要約

CTS-PLL は CTS-PIBT にロック検出リリース機構と anytime Large Neighborhood Search (LNS) リファインメントを拡張し、CTS-MAPF における成功率の向上と経路品質の改善を実現。密集環境や実機テストを含む。

ABSTRACT

The Collaborative Task Sequencing and Multi-Agent Path Finding (CTS-MAPF) problem requires agents to accomplish sequences of tasks while avoiding collisions, posing significant challenges due to its combinatorial complexity. This work introduces CTS-PLL, a hierarchical framework that extends the configuration-based CTS-MAPF planning paradigm with two key enhancements: a lock agents detection and release mechanism leveraging a complete planning method for local re-planning, and an anytime refinement procedure based on Large Neighborhood Search (LNS). These additions ensure robustness in dense environments and enable continuous improvement of solution quality. Extensive evaluations across sparse and dense benchmarks demonstrate that CTS-PLL achieves higher success rates and solution quality compared with existing methods, while maintaining competitive runtime efficiency. Real-world robot experiments further demonstrate the feasibility of the approach in practice.

研究の動機と目的

• 現実的で密集した環境におけるタスクシーケンスと多エージェント経路探索の組み合わせとして CTS-MAPF を動機づける。
• CTS-PIBT をロック検出/リリース機構と完全局所 MAPF（LaCAM）で拡張して堅牢な CTS-MAPF ソルバーを開発する。
• anytime なリファインメントを Large Neighborhood Search を用いて導入し、解の質を段階的に改善する。
• 広範な疎密ベンチマークと実世界ロボット実験を通じて堅牢性とスケーラビリティを Demonstrate する。

提案手法

• 停止したエージェントを検出し回復のために完全局所 MAPF ソルバー（LaCAM）を用いるロックエージェント検出とリリースモジュールを導入する。
• 実現可能解が見つかった後に経路品質を向上させるため Large Neighborhood Search を適用して anytime リファインメント段階を CTS-PIBT に追加する。
• 複数のトップ結合タスク列を生成し Extended-PIBT にロック回復を適用して実行可能な計画を得た後、予算内で LNS によってリファインする。
• LNS における3つの近傍戦略（ランダム、交差点ベース、ランダムウォーク）を分類・活用し、コスト削減を最大化するために適応的重み付けを行う。
• formally, CTS-PLL は時間制限内でトップ-K の結合シーケンス作成、Extended-PIBT 計画、ロックリリース回復、LNS リファインメントを交互に行う。
• ロックリリースは滞留したエージェントのみにターゲットを絞り、デッドロック/ライブロックから脱出するように構成を摂動させ、グローバル計画を再開する。

実験結果

リサーチクエスチョン

• RQ1 ロック検出とリリース機構を完全局所 MAPF ソルバーと組み合わせることで、密集環境における CTS-MAPF のロバスト性を向上させることができるか？
• RQ2 Anytime LNS リファインメントは CTS-MAPF において実行可能性を維持しつつフロータイムを安定して短縮するか？
• RQ3 CTS-PLL は sparse と dense の設定で CTS-CBS、CBSS、CTS-PIBT と比較してどうか？
• RQ4 シミュレーションを超えた実世界のロボット実験で適用性はあるか？

主な発見

• CTS-PLL は疎な設定で 100% の成功率を達成し、CTS-CBS および CBSS を上回る。
• ロック検出と LaCAM ベースの回復は、密集シナリオでのロバスト性を大幅に向上させ、CTS-PIBT より成功率を向上させる。
• CTS-PLL-v3（LNS を含む完全版）は、密集構成で CTS-PIBT-anytime より一貫して短いフロータイムを示す。
• LNS リファインメントは tested maps 全体で解の質を測定可能な改善をもたらし、dense な迷路での改善率は最大で 17.49% に達する。
• 物理ロボット実験は CTS-PLL が livelock からの局所再計画を引き起こし、タスクを正常に完了できることを示す。
• ベンチマーク全体では、CTS-PLL は実行時間の競争力を維持しつつ、堅牢性と時間とともに徐々に改善する解を提供する。