[論文レビュー] Graph Neural Networks for Decentralized Multi-Robot Path Planning

Qingbiao Li, Fernando Gama+2 more|arXiv (Cornell University)|Dec 12, 2019

Multimodal Machine Learning Applications参考文献 39被引用数 23

ひとこと要約

本論文では、局所的観測処理に畳み込みニューラルネットワーク（CNN）を、ロボット間の分散型通信にグラフニューラルネットワーク（GNN）を組み合わせたGNNベースのフレームワークを提案する。これにより、効率的でスケーラブルなマルチロボットパスプランニングが可能になる。最適な集中型プランナを模倣して訓練されたモデルは、近似専門水準の性能を達成し、未学習のチームサイズや環境に対しても一般化可能であり、先行する分散型手法よりも成功確率とパス効率で優れる。

ABSTRACT

Effective communication is key to successful, decentralized, multi-robot path planning. Yet, it is far from obvious what information is crucial to the task at hand, and how and when it must be shared among robots. To side-step these issues and move beyond hand-crafted heuristics, we propose a combined model that automatically synthesizes local communication and decision-making policies for robots navigating in constrained workspaces. Our architecture is composed of a convolutional neural network (CNN) that extracts adequate features from local observations, and a graph neural network (GNN) that communicates these features among robots. We train the model to imitate an expert algorithm, and use the resulting model online in decentralized planning involving only local communication and local observations. We evaluate our method in simulations {by navigating teams of robots to their destinations in 2D} cluttered workspaces. We measure the success rates and sum of costs over the planned paths. The results show a performance close to that of our expert algorithm, demonstrating the validity of our approach. In particular, we show our model's capability to generalize to previously unseen cases (involving larger environments and larger robot teams).

研究の動機と目的

• 限られた通信範囲と観測範囲の制約下における分散型マルチロボットパスプランニングの課題に対処すること。
• 手動で設計されたヒューリスティクスに依存せずに、自動的に局所的通信および意思決定ポリシーを合成する学習ベースの手法を開発すること。
• 制限された複雑な環境においても、大規模なロボットチーム向けにスケーラブルかつリアルタイムのパスプランニングを可能にすること。
• 完全な分散型でありながら、計算負荷を低く保ちつつ、集中型最適プランナに近い性能を達成すること。

提案手法

• 畳み込みニューラルネットワーク（CNN）が、各ロボットの周囲の局所的観測から関連する特徴を抽出する。
• グラフニューラルネットワーク（GNN）が、ローカルな通信トポロジを利用して周囲のロボットとの間で特徴を集約することで、分散型通信を実現する。
• GNNは、トレーニング中にグローバル状態情報にアクセスできる最適な集中型プランナを模倣する形で、エンドツーエンドで訓練される。
• データセットアグリゲーション戦略により、オンラインのエキスパートが困難なケースを解消し、トレーニングの加速とポリシーの一般化性能の向上を図る。
• 最終的なポリシーは、ローカルな観測と即時隣接ロボットとの通信のみを用いてオンラインでデプロイされ、完全な分散型を保証する。
• モデルは、エキスパートが最適な軌道を提供する監視付きで、模倣学習により訓練される。

実験結果

リサーチクエスチョン

• RQ1 GNNベースのアーキテクチャは、手動で設計されたヒューリスティクスに依存せずに、マルチロボットパスプランニングにおける効果的な分散型通信および行動ポリシーを学習できるか？
• RQ2 学習された分散型ポリシーは、ベースライン手法と比較して、より大きなロボットチームや未学習の環境に対し、どの程度一般化できるか？
• RQ3 集中型エキスパートから模倣学習を行うことで、エキスパートの性能に近い分散型ポリシーを実現できるか、その程度はどの程度か？
• RQ4 トレーニング中にオンラインエキスパートを統合することで、ポリシー学習および一般化性能が顕著に向上するか？
• RQ5 本手法のフレームワークは、リアルタイムで分散型デプロイメントにおいて、計算効率とスケーラビリティにどの程度優れているか？

主な発見

• 提案されたGNN-CNNモデルは、2次元の複雑な環境において、集中型エキスパートアルゴリズムの成功率から2%以内の性能を達成した。
• トレーニングセットに含まれるチームサイズの6倍まで大きなロボットチームに対しても、性能の著しい低下なしに効果的に一般化した。
• トレーニング時に見られなかった環境やチームサイズに対しても、モデルは高い性能を維持した。
• トレーニング中にオンラインエキスパートを活用したことで、特に大規模チームにおいて、成功率が明確に向上した。
• 1ロボットあたり1ステップの推論遅延は0.0019秒にとどまり、リアルタイムデプロイメントが可能であった。
• 特に密度の高い環境において、成功確率と合計コストの両面で、ベースラインの分散型手法を上回った。