[論文レビュー] Learning Decentralized Controllers for Robot Swarms with Graph Neural Networks

Ekaterina Tolstaya, Fernando Gama+4 more|arXiv (Cornell University)|Mar 25, 2019

Advanced Graph Neural Networks参考文献 39被引用数 66

ひとこと要約

本論文は、時間変化するグラフと多跳情報上で動作する集約型グラフニューラルネットワークを用いて、中央集権的なエキスパートを模倣することで大規模ロボット群の分散型制御器を学習します。動的な通信を伴うフロッキングを実証し、完全に局所的な制御器よりも性能が改善されることを示します。

ABSTRACT

We consider the problem of finding distributed controllers for large networks of mobile robots with interacting dynamics and sparsely available communications. Our approach is to learn local controllers that require only local information and communications at test time by imitating the policy of centralized controllers using global information at training time. By extending aggregation graph neural networks to time varying signals and time varying network support, we learn a single common local controller which exploits information from distant teammates using only local communication interchanges. We apply this approach to the problem of flocking to demonstrate performance on communication graphs that change as the robots move. We examine how a decreasing communication radius and faster velocities increase the value of multi-hop information.

研究の動機と目的

• 通信が制限された大規模ロボット群に対する分散制御を動機づける。
• 局所情報を用いて透視的な中央制御器を模倣する学習フレームワークを提案する。
• 集約型グラフニューラルネットワークを時間変化グラフ信号およびネットワークサポートへ拡張する。
• 動的な通信下での衝突回避を伴うフロッキングにおいてこのアプローチを実証する。

提案手法

• 局所状態と局所アクションを持つネットワーク化されたシステムとして群をモデル化する。
• 時間変化するシフト演算子 S_n による多跳隣接情報を処理するために集約型グラフニューラルネットワークを用いる。
• ノード間で共有されるフィルタ H によりパラメータ化された局所ポリシー pi(H_in, H) を定義する。
• エキスパート pi* に対して損失を最小化することで、エキスパートから収集した軌跡を用いてポリシーを学習する。
• 局所性を維持しつつ遠距離情報伝搬を可能にするために時間変化グラフおよび K-hop 集約を組み込む。
• 訓練時の分布ミスマッチに対処するために Dataset Aggregation (DAgger) を適用する。

実験結果

リサーチクエスチョン

• RQ1 集約GNNを介して学習された単一の局所コントローラが、群におけるグローバルな中央集中コントローラの性能を近似できるか？
• RQ2 時間変化する通信ネットワークの下で、マルチホップ情報交換は分散制御性能を向上させるか？
• RQ3 ネットワークパラメータ（例：通信半径、エージェント数、初期速度）はフロッキング性能にどう影響するか？
• RQ4 訓練済みの分散化コントローラは異なるネットワークサイズやシナリオへ転移できるか（転移学習）？
• RQ5 グローバルに近い協調を達成する上で K-hop 集約深度の影響は何か？

主な発見

• GNN コントローラは速度差をより速く収束させ、コンセンサスに近づき、局所コントローラを上回る。
• 局所コントローラが失敗し、範囲制限でネットワークが切断される箇所でも、GNNは結束したフロッキングを維持する。
• K が 2–4 の範囲で性能が向上し、K=3–4 は複数の設定でグローバルコントローラに匹敵するか近づく。
• 一定の半径と速度で群のサイズが大きくなるほどフロッキングコストは低下し、GNN はより多いエージェント数（例：150）へ一般化する。
• 学習済みコントローラはリーダー付きのシナリオや半径方向速度を持つ格子へ効果的に転移し、2-hop および 3-hop の集約を活用してより速い応答を実現する。