[論文レビュー] Multi-agent RRT*: Sampling-based Cooperative Pathfinding (Extended Abstract)

Michal Čáp, Peter Novák+2 more|arXiv (Cornell University)|Feb 12, 2013

Robotic Path Planning Algorithms参考文献 1被引用数 6

ひとこと要約

本稿では、複数エージェント系における協調的パスプランニングのためのサンプリングベースで、任意のタイミングで最適化を継続するアルゴリズムであるMA-RRT*を提案する。これは、複数エージェントの連合状態空間に拡張されたRRT*フレームワークを用いる。大規模でスパarsな環境において、従来のA*-ベースおよび最適な任意タイミングアルゴリズムを上回り、5秒以内に77%の成功率を達成した。これはOA（38%）やJA（21%）を大きく上回っている。一方、近似的に最適な解の質を維持している。

ABSTRACT

Cooperative pathfinding is a problem of finding a set of non-conflicting trajectories for a number of mobile agents. Its applications include planning for teams of mobile robots, such as autonomous aircrafts, cars, or underwater vehicles. The state-of-the-art algorithms for cooperative pathfinding typically rely on some heuristic forward-search pathfinding technique, where A* is often the algorithm of choice. Here, we propose MA-RRT*, a novel algorithm for multi-agent path planning that builds upon a recently proposed asymptotically-optimal sampling-based algorithm for finding single-agent shortest path called RRT*. We experimentally evaluate the performance of the algorithm and show that the sampling-based approach offers better scalability than the classical forward-search approach in relatively large, but sparse environments, which are typical in real-world applications such as multi-aircraft collision avoidance.

研究の動機と目的

• 協調的パスプランニングにおける、A*のような従来のフォワードサーチ手法のスケーラビリティの限界を解消すること。
• マルチエージェントパスプランニングにおける連合状態空間の分岐要因の指数的増加を克服すること。
• 解の質を維持しつつ、大規模でスパarsな環境での性能を向上させるサンプリングベースのアプローチを開発すること。
• 最先端の最適および任意タイミングアルゴリズムと比較して、アルゴリズムの性能と解の質を評価すること。
• インフォームドサンプリングの利点を示し、高品質な解への収束を加速すること。

提案手法

• 各エージェントの運動グラフを複合状態空間の一部として扱い、複数エージェントの連合状態空間でRRT*アルゴリズムを適用する。
• 有効なパスが存在する場合、サンプル間を接続するためのグリーディなヒューリスティック誘導探索を実施する。
• RRT*のリワイヤリング機構を適用し、段階的にパスコストを改善し、漸近的最適性を保証する。
• 収束を加速するために、個々のエージェントの最適パス付近の領域にサンプリングを偏らせるインフォームドサンプリングのバリエーション（isMA-RRT*）を導入する。
• エージェントの運動を4方向移動と1秒の待機プリミティブを有するグラフとして表現し、グリッドから障害物をランダムに削除する。
• 全タイムステップでエージェント間の最小分離距離（0.8単位）を満たすように、衝突回避を連合状態空間表現で強制する。

実験結果

リサーチクエスチョン

• RQ1 RRT*のようなサンプリングベースのアプローチは、大規模でスパarsなマルチエージェントパスプランニング環境において、従来のA*-ベースのフォワードサーチを上回ることができるか？
• RQ2 MA-RRT*の実行時間と解の成功率という観点から、最適な任意タイミングアルゴリズム（OA）および連合状態A*（JA）と比較して、性能はどの程度か？
• RQ3 インフォームドサンプリングは、MA-RRT*の収束速度と解の質をどの程度向上させるか？
• RQ4 大規模な協調的パスプランニング問題において、解の質と計算効率のトレードオフはどのようなものか？
• RQ5 サンプリングベースのアプローチは、ヒューリスティックサーチ手法に比べて大幅にスケーラビリティを向上させつつ、近似的に最適な解を維持できるか？

主な発見

• MA-RRT*は6,000件のテストインスタンスのうち56%を5秒の実行時間制限内に解消した。これはJA（21%）やOA（38%）を上回っている。
• インフォームドサンプリングのバリエーションであるisMA-RRT*は、77%の成功率を達成し、スケーラビリティにおいて他のすべてのアルゴリズムを大きく上回った。
• 証明可能な最適解が存在する2,438件のインスタンスのサブセットについて、isMA-RRT*は平均的に5%未満のサブオプティマルさを示し、高い解の質を示した。
• 性能曲線から、isMA-RRT*は大多数の問題インスタンスにおいて、OAやJAよりも最初の解をより速く発見していることが明らかになった。
• 結果から、サンプリングベースの手法（MA-RRT*）は、実世界の応用例（例：マルチアヒーチクルの衝突回避）に見られるような大規模でスパarsな環境において、フォワードサーチ手法よりもスケーラブルであることが確認された。
• アルゴリズムは漸近的最適性を維持しており、任意タイミングの改善を継続し、最初の実行可能なパスが見つかった後も解を段階的に改善する。