[論文レビュー] Integrated Multi-Drone Task Allocation, Sequencing, and Optimal Trajectory Generation in Obstacle-Rich 3D Environments

Yunes Alqudsi, Murat Makaraci|arXiv (Cornell University)|Mar 26, 2026

Robotic Path Planning Algorithms被引用数 0

ひとこと要約

IMD–TAPP は離散的な多目標割り当てとシーケンスングを連続軌道生成と統合して、障害物の多い3D空間で衝突回避可能かつ動的実現性のあるドローン軌道を生成し、MATLABシミュレーションで検証します。2機のドローンの場合、方法は安全性制約を満たしつつミッション時間を136 sとします。

ABSTRACT

Coordinating teams of aerial robots in cluttered three-dimensional (3D) environments requires a principled integration of discrete mission planning-deciding which robot serves which goals and in what order -- with continuous-time trajectory synthesis that enforces collision avoidance and dynamic feasibility. This paper introduces IMD-TAPP (Integrated Multi-Drone Task Allocation and Path Planning), an end-to-end framework that jointly addresses multi-goal allocation, tour sequencing, and safe trajectory generation for quadrotor teams operating in obstacle-rich spaces. IMD--TAPP first discretizes the workspace into a 3D navigation graph and computes obstacle-aware robot-to-goal and goal-to-goal travel costs via graph-search-based pathfinding. These costs are then embedded within an Injected Particle Swarm Optimization (IPSO) scheme, guided by multiple linear assignment, to efficiently explore coupled assignment/ordering alternatives and to minimize mission makespan. Finally, the resulting waypoint tours are transformed into time-parameterized minimum-snap trajectories through a generation-and-optimization routine equipped with iterative validation of obstacle clearance and inter-robot separation, triggering re-planning when safety margins are violated. Extensive MATLAB simulations across cluttered 3D scenarios demonstrate that IMD--TAPP consistently produces dynamically feasible, collision-free trajectories while achieving competitive completion times. In a representative case study with two drones serving multiple goals, the proposed approach attains a minimum mission time of 136~s while maintaining the required safety constraints throughout execution.

研究の動機と目的

• 複数の UAV を混雑した3D環境で協調させる課題を、離散的なミッション計画と連続軌道合成を結合して動機付け・解決する。
• クアドロモータチームのマルチゴール割り当て、訪問順序、そして安全な軌道生成をエンドツーエンドで統合的に扱う枠組みを開発する。
• 環境認識コスト構築、離散最適化、および安全性検証とリプランニングを伴う軌道生成を組み込む。
• 障害物回避とロボット間の安全性を最小限のミッションメイクスパンを維持しつつ保証する、スケーラブルなエンドツーエンドのパイプラインを提供する。

提案手法

• 3Dワークスペースをナビゲーション可能なグラフに離散化し、開始点/目標間および目標間の障害物を考慮した移動コストをグラフ探索（GSA）で計算する。
• 離散最適化に供するコスト行列（ロボット-to-ゴールおよびゴール-to-ゴール）を構築する。
• 訪問を一度とする制約の下で、Multiple Linear Assignment（ MLA ）に導かれた Injected Particle Swarm Optimization（ IPSO ）を用いて割り当てとシーケンスを解き、メイクスパンを最小化する。
• 最適化された離散計画を時間パラメータ付きの最小スナップ軌道へ変換し、時間割り当てと連続最適化を行う。
• 安全マージンが侵害された場合に局所的リプランニングをトリガし、障害物クリアランスとロボット間分離を反復的に検証する。
• MATLABベースのシミュレーション環境内で生成、検証、リプランニングを含むエンドツーエンドのワークフローを提示する。

実験結果

リサーチクエスチョン

• RQ1 障害物を考慮した環境固有の移動コストを、マルチドローン任務の結合割り当て-シーケンス問題にどのように統合できるか？
• RQ2 MLAに導かれたIPSOフレームワークは、複数のドローンが複数のゴールを訪問する際の低メイクスパンのタスク割り当てと訪問順序を効率的に見つけられるか？
• RQ3 離散計画を動的に実現可能で衝突のない軌道へ変換する際、反復的な安全検証とリプランニングをどのように行うのか？
• RQ4 混雑した3D環境における IMD–TAPP のエンドツーエンドの実現可能性（安全性、実現性、ミッション時間）はどの程度か？

主な発見

• IMD–TAPP は実行全体を通じて障害物回避距離とロボット間分離を保ちながら、動的に実現可能で衝突のない軌道を生成する。
• 環境認識型のグラフ探索コストを用いて移動コスト行列を構築し、それを MLA によってガイドされる IP SO 最適化へ供することで収束性を向上させる。
• 複数ゴールを訪問する2機の代表的なケースでは、安全制約を満たしつつミッション時間の最小値は136秒を達成する。
• エンドツーエンドのパイプラインには、軌道実行中の制約違反に対応する反復的な安全検証と局所リプランニングが含まれる。
• シミュレーションは、障害物の多い3D環境での衝突のない運用と安全なロボット間間隔を一貫して示している。