[論文レビュー] Multi-Robot Path Deconfliction through Prioritization by Path Prospects

Wenying Wu, Subhrajit Bhattacharya+1 more|arXiv (Cornell University)|Aug 6, 2019

Robotic Path Planning Algorithms参考文献 25被引用数 12

ひとこと要約

本稿では、Z₂係数ホモロジーを用いて経路の多様性を推定し、ゴールへの経路のホモロジー類の数で定量化される経路の見通しに基づいてロボットを優先順位付けする分散型のマルチロボット経路計画手法を提案する。この手法は、5つのベンチマークと比較して最高の成功率（95.7％）を達成し、マケスパンとフローチャンタイムのバランスも優れている。特に混雑した環境において、最先端のヒューリスティクスを上回る性能を示した。

ABSTRACT

This work deals with the problem of planning conflict-free paths for mobile robots in cluttered environments. Since centralized, coupled planning algorithms are computationally intractable for large numbers of robots, we consider decoupled planning, in which robots plan their paths sequentially in order of priority. Choosing how to prioritize the robots is a key consideration. State-of-the-art prioritization heuristics, however, do not model the coupling between a robot's mobility and its environment. In this paper, we propose a prioritization rule that can be computed online by each robot independently, and that provides consistent, conflict-free path plans. Our innovation is to formalize a robot's path prospects to reach its goal from its current location. To this end, we consider the number of homology classes of trajectories, and use this as a prioritization rule in our decentralized path planning algorithm, whenever any robots enter negotiation to deconflict path plans. This prioritization rule guarantees a partial ordering over the robot set. We perform simulations that compare our method to five benchmarks, and show that it reaches the highest success rate (w.r.t. completeness), and that it strikes the best balance between makespan and flowtime objectives.

研究の動機と目的

• 混雑で動的な環境における大規模なロボットチームの衝突のない経路計画の課題に取り組む。
• ロボットの移動性と環境的制約の間の結合を無視する既存の優先順位ヒューリスティクスの限界を克服する。
• 衝突のない完全な経路計画を実現する動的で分散型の優先順位ルールを構築し、性能指標を向上させる。
• 現実時間でのオンライン計画に使用可能な、ロボットの経路多様性を測る指標としての「経路の見通し」の概念を形式化する。

提案手法

• 各ロボットは、スタートからゴールへの異なる経路タイプの数を数えるために、Z₂係数ホモロジー類を用いて自らの経路の見通しを計算する。
• 各ロボットの周囲に局所的な領域を定義し、その領域内で経路の見通しを計算することで、移動性と環境の結合に焦点を当てる。
• 優先順位はホモロジー類の数によって決定され、値が大きいほど経路の多様性が高く、優先度も高くなる。
• アルゴリズムは、リアルタイムでの経路の見通し推定に基づいて動的に再優先順位を決定する分散型交渉プロ rotocol を使用する。
• 経路の見通しが等しい場合には、長さ優先の優先順位ルールを用いて同点を解消する。
• 中央集権的制御を回避し、ロボット数に線形にスケーリング可能であり、リアルタイム動作を可能にする。

実験結果

リサーチクエスチョン

• RQ1 環境的および移動性制約を組み込むことで、マルチロボット経路計画におけるロボットの優先順位付けをどのように改善できるか？
• RQ2 ホモロジー類のような位相的不変量によって定義される「経路の見通し」は、効果的でスケーラブルな優先順位ヒューリスティクスとして機能するか？
• RQ3 経路多様性に基づく動的で分散型の優先順位ルールは、静的またはヒューリスティクスベースの代替手法と比較して、成功確率および性能指標において優れているか？
• RQ4 経路多様性を考慮することで、混雑した環境におけるマケスパンとフローチャンタイムはどの程度低減されるか？
• RQ5 このような手法は、大規模で動的なロボットチームにおいても完全性と衝突のない経路生成を維持できるか？

主な発見

• 提案された経路の見通しに基づくヒューリスティクス（PP-R および PP-LF）は、それぞれ 95.7％ および 94.1％ の最高の成功率を達成し、すべての5つのベンチマークを顕著に上回った。
• PP-R および PP-LF は、すべてのテスト環境で経験的パレートフロント上に位置し、マケスパンとフローチャンタイムの最良のトレードオフを示した。
• 理想的な（衝突のない）ベンチマークと比較して、マケスパンとフローチャンタイムの増加率が最も低く、とくに 150×150 グリッド上に 100 台のロボットを配置した大規模なシナリオで顕著であった。
• ホモロジー類に基づく経路の見通しの使用は、同じ領域を用いたが移動性制約を無視するベースライン（FL）よりも優れており、ロボットと環境の結合の重要性を裏付けた。
• 経路の見通しの分散型でオンラインでの計算により、線形スケーラビリティが達成され、中央集権的優先順位順序付けの指数的複雑性を回避した。
• 静的ヒューリスティクス（LF：長さ優先、CS：ゴールに近い順）よりも一貫して優れた性能を示し、位相的経路多様性推定の利点を確認した。