[論文レビュー] Lifelong Multi-Agent Path Finding in Large-Scale Warehouses

Jiaoyang Li, Andrew Tinka+4 more|arXiv (Cornell University)|May 15, 2020

Robotic Path Planning Algorithms参考文献 34被引用数 54

ひとこと要約

RHCR は、生涯 MAPF を、境界付きのホライズンと周期的な再計画を伴う Windowed MAPF 問題の連続として分解し、倉庫のようなマップで最大1,000エージェントのスケーラブルで高スループットな計画を実現します。

ABSTRACT

Multi-Agent Path Finding (MAPF) is the problem of moving a team of agents to their goal locations without collisions. In this paper, we study the lifelong variant of MAPF, where agents are constantly engaged with new goal locations, such as in large-scale automated warehouses. We propose a new framework Rolling-Horizon Collision Resolution (RHCR) for solving lifelong MAPF by decomposing the problem into a sequence of Windowed MAPF instances, where a Windowed MAPF solver resolves collisions among the paths of the agents only within a bounded time horizon and ignores collisions beyond it. RHCR is particularly well suited to generating pliable plans that adapt to continually arriving new goal locations. We empirically evaluate RHCR with a variety of MAPF solvers and show that it can produce high-quality solutions for up to 1,000 agents (= 38.9\% of the empty cells on the map) for simulated warehouse instances, significantly outperforming existing work.

研究の動機と目的

• エージェントが継続的に新しい目標を受け取る大規模な倉庫における生涯MAPFを動機づけ、解決する。
• Rolling-Horizon Collision Resolution (RHCR) を提案し、生涯MAPFを Windowed MAPF エピソードに分解する。
• 境界付きホライズン計画がスループットを維持しつつ計画時間を短縮することを示す。
• 複数のMAPFソルバーを用いてRHCRを評価し、スケーラビリティと性能を評価する。
• 模擬倉庫シナリオにおいて、RHCRが既存アプローチを上回ることを示す。

提案手法

• Rolling-Horizon Collision Resolution (RHCR) を導入し、h タイムステップごとに再計画し、Windowed MAPF インスタンスの連続を解く。
• Windowed MAPF を、有限のホライズン w 内の目標の連続を解くこととして定義する（w ≥ h）。
• 拡張された Multi-Label A*（Algorithm 1）を介して、連なる目標列を扱えるように低レベル探索を一般化する。
• 既存のMAPFソルバー（CBS, ECBS, CA*, PBS）を、衝突検知を最初の w タイムステップに制限することで境界付きホライズン動作に適応させる。
• 進行が停止したときに w を調整するポテンシャル関数ベースの機構を用いてデッドロック回避を組み込む。
• PBS、ECBS、CA*、CBS を用いて RHCR を評価し、配送センターと仕分けセンターを跨いで評価し、方法（3）ベースラインと比較する。

実験結果

リサーチクエスチョン

• RQ1 境界付きホライズンの Windowed MAPF インスタンスを解くことで、RHCR は生涯 MAPF で高いスループットを実現できるか。
• RQ2 ホライズン長 w と再計画間隔 h は、スループット、実行時間、デッドロックリスクにどう影響するか？
• RQ3 CBS、ECBS、CA*、PBS の境界付きホライズン変種は、倉庫のようなマップで大量のエージェントに対してスケールするか？
• RQ4 RHCR は既存の生涯MAPFアプローチや、エンドポイントを保持したりダミー経路に依存する方法とどう比較されるか？
• RQ5 実際の倉庫設定での w と h を選ぶための実用的ガイドラインは何か？

主な発見

• 境界付きホライズンを用いる RHCR は、全ホライズンを用いる場合と同等のスループットを得つつ、ソルバー全体で顕著に短い計画時間を実現する。
• RHCR は、模擬倉庫マップで1,000エージェント（空セルの約38.9%）までスケールし、既存研究を上回る。
• マップ全体で、短いホライズン（例: w=5–20）はスループットを維持しつつ実行時間を大幅に削減し、スケーラビリティを向上させる。
• PBS、ECBS、CA*、CBS を用いた RHCR は、実行時間とスループットのトレードオフが異なることを示し、境界付きホライズン変種は一般に全ホライズンより高速。
• 2つの簡単な生涯MAPFベースライン（エンドポイントを保持する、ダミー経路を予約する）は、ウィンドウ付き解決ごとのランタイムが高くなるという代償はあるものの、スループットでRHCRに及ばない。