[論文レビュー] Mixed Integer Programming for Time-Optimal Multi-Robot Coverage Path Planning with Efficient Heuristics

Jingtao Tang, Hang Ma|arXiv (Cornell University)|Jun 30, 2023

Robotic Path Planning AlgorithmsComputer Science被引用数 3

ひとこと要約

本稿は、時間最適なマルチロボットカバレッジパス計画（MCPP）のための新しい混合整数プログラミング（MIP）モデルを提案する。このモデルは、問題を最小最大ルート付き木被覆（MMRTC）として定式化することで、カバレッジ時間を短縮する。2つの効率的なヒューリスティクス、放物線除去（Parabolic Removal）および部分グラフ除去（Subgraph Removal）を導入し、モデルのサイズを縮小しながら完全性を保持する。結果として、最先端のプランナーより平均で27.65%および23.24%のカバレッジ時間短縮を達成し、最適解の4倍以内という保証付きの最適性を有する。

ABSTRACT

We investigate time-optimal Multi-Robot Coverage Path Planning (MCPP) for both unweighted and weighted terrains, which aims to minimize the coverage time, defined as the maximum travel time of all robots. Specifically, we focus on a reduction from MCPP to Min-Max Rooted Tree Cover (MMRTC). For the first time, we propose a Mixed Integer Programming (MIP) model to optimally solve MMRTC, resulting in an MCPP solution with a coverage time that is provably at most four times the optimal. Moreover, we propose two suboptimal yet effective heuristics that reduce the number of variables in the MIP model, thus improving its efficiency for large-scale MCPP instances. We show that both heuristics result in reduced-size MIP models that remain complete (i.e., guaranteed to find a solution if one exists) for all MMRTC instances. Additionally, we explore the use of model optimization warm-startup to further improve the efficiency of both the original MIP model and the reduced-size MIP models. We validate the effectiveness of our MIP-based MCPP planner through experiments that compare it with two state-of-the-art MCPP planners on various instances, demonstrating a reduction in the coverage time by an average of 27.65% and 23.24% over them, respectively.

研究の動機と目的

• カバレッジ時間（すべてのロボットの移動時間の最大値）を最適化するマルチロボットシステムにおける時間最適なMCPPを解決すること。
• 部分的に最適でないが完全なヒューリスティクスを用いてMIPモデルのサイズを縮小することで、大規模なMCPPの計算複雑性を低減すること。
• ウォームスタート技術を活用したMIP最適化により、既存の最先端プランナーよりも高い解の品質を達成すること。
• NP困難な最小最大ルート付き木被覆（MMRTC）問題に対して、保証付きの有界性、完全性、そして効率性を持つMIP定式化を提供すること。

提案手法

• 地形のグラフ抽象化上で、MCPPを最小最大ルート付き木被覆（MMRTC）問題として定式化する。
• MMRTCを最適に解ける新しい混合整数プログラミング（MIP）モデルを提案し、最適なカバレッジ時間の4倍以内の解を保証する。
• 非本質的な変数と制約を削除することで、MIPモデルのサイズを縮小するための放物線除去ヒューリスティクス（PRH）と部分グラフ除去ヒューリスティクス（SRH）を設計する。
• 両方のMIPモデル（元のものと縮小版）の収束を加速するために、モデル最適化のウォームスタートを適用する。
• 2段階のパrameterチューニング戦略を採用：PRHおよびSRHのパrameterに対して{0.3, 0.6, 0.9}の迅速な探索を実施し、その後、下界の改善度に基づいて最良の候補を選択する。
• MFCおよびMSTC*と比較して、多様な地形、迷路、床面のインスタンス上でMIPベースのプランナを実装・評価する。

実験結果

リサーチクエスチョン

• RQ1 NP困難な最小最大ルート付き木被覆（MMRTC）問題を時間最適なMCPPに適用するためのMIPモデルを構築可能であり、保証付きの性能境界を有するか？
• RQ2 大規模なMCPPインスタンスにおいて、完全性や解の品質を損なわずにMIPモデルのサイズをどのように縮小できるか？
• RQ3 ヒューリスティクスに基づくモデル縮小（PRHおよびSRH）が、MCPP計画における解の品質と計算効率に与える影響は何か？
• RQ4 ウォームスタート最適化は、MCPPにおける完全なMIPモデルおよび縮小版MIPモデルの収束をどれほど効果的に高速化できるか？
• RQ5 提案されたMIPベースのMCPPプランナは、最先端のプランナーよりもどの程度カバレッジ時間の短縮に優れているか？

主な発見

• 提案されたMIPモデルは、最適なカバレッジ時間の4倍以内の解を保証し、強力な理論的性能境界を提供する。
• 放物線除去ヒューリスティクス（PRH）および部分グラフ除去ヒューリスティクス（SRH）は、すべてのMMRTCインスタンスにおいて完全性を保持しながらMIPモデルのサイズを縮小する。
• MIPベースのプランナは、全テストインスタンスにおいてMFCと比較して平均27.65%、MSTC*と比較して平均23.24%のカバレッジ時間短縮を達成した。
• 迷路インスタンスでは特に顕著で、MSTC*と比較して41.03%の短縮を達成し、障害物が多様な複雑な環境での有効性が示された。
• ウォームスタート最適化は、特に高複雑度の大規模インスタンスにおいて、MIP解法の効率を顕著に向上させた。
• ルート頂点がクラスタリングされていない場合にプランナの性能が最も良く、線形にクラスタリングされた配置では性能が低下した。これは、非最適なルートグラフの整合性に起因する。