[論文レビュー] Graph Neural Networks for Decentralized Multi-Robot Submodular Action Selection

Lifeng Zhou, V D Sharma+5 more|arXiv (Cornell University)|May 18, 2021

Distributed Control Multi-Agent Systems参考文献 31被引用数 7

ひとこと要約

本論文は、ロボットが局所的観測と隣接ロボットとの通信のみを用いて、追跡性能を最大化する行動を選択する分散型マルチロボットターゲットトラッキングのためのグラフニューラルネットワーク（GNN）ベースの学習フレームワークを提案する。中央集権的なグリーディアルゴリズムを模倣するように訓練されたGNNは、オーダー・オブ・マグニチュード速い推論速度を実現し、未学習のロボット数や環境に対しても強力な汎化性能を示す近エキスパート水準の性能を達成する。

ABSTRACT

The problem of decentralized multi-robot target tracking asks for jointly selecting actions, e.g., motion primitives, for the robots to maximize target tracking performance with local communications. One major challenge for practical implementations is to make target tracking approaches scalable for large-scale problem instances. In this work, we propose a general-purpose learning architecture toward collaborative target tracking at scale, with decentralized communications. Particularly, our learning architecture leverages a graph neural network (GNN) to capture local interactions of the robots and learns decentralized decision-making for the robots. We train the learning model by imitating an expert solution and implement the resulting model for decentralized action selection involving local observations and communications only. We demonstrate the performance of our GNN-based learning approach in a scenario of active target tracking with large networks of robots. The simulation results show our approach nearly matches the tracking performance of the expert algorithm, and yet runs several orders faster with up to 100 robots. Moreover, it slightly outperforms a decentralized greedy algorithm but runs faster (especially with more than 20 robots). The results also exhibit our approach's generalization capability in previously unseen scenarios, e.g., larger environments and larger networks of robots.

研究の動機と目的

• 限られた通信環境下におけるマルチロボットターゲットトラッキングのスケーラビリティと分散性の課題に対処すること。
• 局所的観測と隣接ロボットとの通信のみを用いて、高速で分散型の行動選択を可能にする学習ベースのアプローチを開発すること。
• 部分集合最適化のための中央集権的グリーディアルゴリズムを模倣するGNNポリシーを訓練すること。
• トレーニング分布外のより大きなロボットチームや未確認の環境への汎化を評価すること。
• 中央集権的および分散型グリーディベースラインと比較して、著しく短い推論時間で高い追跡性能を達成すること。

提案手法

• ロボットの相互作用をモデル化するためにグラフニューラルネットワーク（GNN）が用いられ、各ロボットがノードであり、エッジは通信範囲を表す。
• GNNは生のセンサ測定値と局所的観測を処理し、メッセージパッシングにより隣接ロボットからの情報を集約する。
• GNNポリシーは教師強化学習により訓練され、中央集権的グリーディアルゴリズムの行動をエキスパートのデモンストレーションとして用いる。
• GNNアーキテクチャは、生の画像やセンサデータを処理できる認識モジュール（例：CNN）と統合され、生入力からのエンド・トゥ・エンド学習を可能にする。
• GNNは小さいロボット数（例：N=20）で訓練され、大きいロボット数（例：N=100）でテストされ、未学習のスケールへの汎化を可能にする。
• 通信は隣接ロボットに限定され、最小限の調整オーバーヘッドで分散動作を確保する。

実験結果

リサーチクエスチョン

• RQ1 GNNベースの模倣学習フレームワークは、分散型マルチロボットターゲットトラッキングにおいて、近エキスパート水準の追跡性能を達成できるか？
• RQ2 ロボット数が増加するに従い、GNNベースのアプローチの推論速度と追跡品質はどのようにスケーリングするか？
• RQ3 GNNポリシーは、再訓練なしにより大きなロボットチームや新しい環境に汎化できるか？
• RQ4 GNNは、分散型グリーディおよびランダムベースラインポリシーと比較して、性能と速度の両面で優れているか？
• RQ5 GNNは、生のセンサデータを効果的に処理しながら、分散型意思決定とスケーラビリティを維持できるか？

主な発見

• GNNアプローチは最適解の1.5%以内の追跡性能を達成し、ターゲットカバレッジにおいて中央集権的グリーディアルゴリズム（Centrl-gre）とほぼ同等の性能を示す。
• 100台のロボットを用いた場合、GNNの推論時間は1回あたり1ms未塔であり、Centrl-greより1.5〜2.5オーダー・オブ・マグニチュード速い。
• GNNは、特にロボット数が20を上回るようになると、分散型グリーディ（Decent-gre）アルゴリズムを追跡品質の点で上回り、著しく高速に動作する。
• GNNは未学習のロボット数に強く汎化する：20台で学習した場合、N=20〜50の範囲でCentrl-gre性能の約88.6%〜89.5%を維持する。
• GNNはより大きな環境や未確認の設定に対しても汎化可能で、変動するシナリオにおける1000回の試行で一貫した性能を示す。
• GNNはロボット数が少ない場合（例：N=4〜10）でも高い性能を維持しており、スケールにわたるロバスト性を示している。