[論文レビュー] k-Color Multi-Robot Motion Planning

Kiril Solovey, Dan Halperin|arXiv (Cornell University)|Feb 28, 2012

Robotic Path Planning Algorithms参考文献 28被引用数 15

ひとこと要約

本稿では、ロボットを色でグループ化（グループ内では相互に交換可能）することで、個々のロボットに対するターゲット割り当ての必要性を緩和するk色マルチロボット運動計画を導入する。著者らは、k色問題を離散ペブル問題に還元することで、サンプリングに基づくアルゴリズムKPUMPを提案する。この手法により、サンプルを巨大なロボット経路および配置の集合に拡張する。本手法は、標準的なPRMおよび簡略化されたk色バージョンを上回り、多数のロボットを含む複雑なシナリオを効果的に解決する。

ABSTRACT

We present a simple and natural extension of the multi-robot motion planning problem where the robots are partitioned into groups (colors), such that in each group the robots are interchangeable. Every robot is no longer required to move to a specific target, but rather to some target placement that is assigned to its group. We call this problem k-color multi-robot motion planning and provide a sampling-based algorithm specifically designed for solving it. At the heart of the algorithm is a novel technique where the k-color problem is reduced to several discrete multi-robot motion planning problems. These reductions amplify basic samples into massive collections of free placements and paths for the robots. We demonstrate the performance of the algorithm by an implementation for the case of disc robots and polygonal robots translating in the plane. We show that the algorithm successfully and efficiently copes with a variety of challenging scenarios, involving many robots, while a simplified version of this algorithm, that can be viewed as an extension of a prevalent sampling-based algorithm for the k-color case, fails even on simple scenarios. Interestingly, our algorithm outperforms a well established implementation of PRM for the standard multi-robot problem, in which each robot has a distinct color.

研究の動機と目的

• ロボットが色グループ内で相互に交換可能である場合のマルチロボット運動計画の課題に対処し、個々のロボットからターゲットへの割り当ての必要性を軽減すること。
• 多数のロボットを扱える効率的でスケーラブルなk色マルチロボット運動計画用アルゴリズムの開発。
• k色問題に不適切な接続性と構造的拡大の欠如により、既存のサンプリングベースの手法が失敗するという制限を克服すること。
• k色計画が、完全に色分けされた（個々のターゲットを指定する）計画よりも計算的に単純であることを示し、効率的なマルチロボット協調の新たな方向性を示唆すること。

提案手法

• 新規のペブルグラフ抽象化を用いて、k色マルチロボット計画問題を一連の離散的マルチロボット運動計画問題に還元する。
• ペブルグラフ同士を接続するための接続生成装置を用い、最小限の明示的記憶で、配置間に衝突のない経路を生成可能にする。
• ペブルグラフの構造を活用することで、基本的なサンプルを明示的な列挙を避け、巨大なロボット配置および経路の集合に拡大する。
• ロボットの動きをペブル問題によって誘導される経路セグメントに沿った順次的移動に制限することで、接続性を向上させ、衝突の複雑さを低減する。
• すべての中間状態を保存するのではなく、キーポイントとなる配置（ペブルグラフの接続）のみを保存することで、メモリ使用量を最小限に抑えつつ、解の多様性を維持する。
• ペブルグラフフレームワークをサンプリングベースの計画と統合し、接続性が低い状況でも高品質な解を生成可能にする。

実験結果

リサーチクエスチョン

• RQ1 ロボットが色グループ内で相互に交換可能なk色マルチロボット運動計画を、効率的に解けるサンプリングベースのアルゴリズムを設計できるか？
• RQ2 明示的な列挙を避け、少数のサンプリングされた配置を、多数の有効なロボット経路および配置に拡大できるか？
• RQ3 k色定式化は、同じ数のロボットを対象とする完全に色分けされた（個別ターゲット指定）ケースよりも計算的に単純な問題をもたらすのか？ もしそうならば、その理由は何か？
• RQ4 提案手法は、大規模なロボットシナリオにおいて、PRMなどの確立されたサンプリングベースのアルゴリズムを性能およびスケーラビリティの面で上回れるか？
• RQ5 ペブルグラフおよび順次的移動制約の使用は、複雑な環境における接続性および解のロバストネスをどの程度向上させるか？

主な発見

• KPUMPは、多数のロボットを含む複雑なk色運動計画シナリオを効果的に解き、標準的なサンプリングベースの手法の簡略化されたk色拡張が完全に失敗するケースでも成功している。
• 標準的な完全に色分けされたマルチロボット問題におけるwell-establishedなPRM実装を上回り、スケーラビリティおよび効率性に優れていることが示された。
• ペブルグラフの使用により、明示的な記憶を避けながらも、少数の基本的配置から巨大な数の有効なロボット配置および経路への拡大が可能である。
• ペブルに誘導される経路セグメントに沿った順次的移動に制限することで、KPUMPは衝突の複雑さを低減し、特に狭い空間や接続性が低い環境でも接続性を向上させる。
• 同じ数のロボットを対象とする場合、k色問題は完全に色分けされたバージョンよりも実験的に挑戦が少なく、実世界の応用において計算上の利点がある可能性を示唆している。
• 接続生成装置により、個々のペブルグラフが接続性に劣っていても、堅牢な経路合成が可能となり、全体のアルゴリズムのレジリエンスが向上している。