[論文レビュー] Needs-driven Heterogeneous Multi-Robot Cooperation in Rescue Missions

Qin Yang, Ramviyas Parasuraman|arXiv (Cornell University)|Sep 1, 2020

Robotic Path Planning Algorithms参考文献 38被引用数 6

ひとこと要約

本論文は、行動ツリーを用いてロボットのニーズ階層をモデル化することで、都市探査救助（USAR）ミッションにおけるニーズ駆動型で多様なマルチロボットシステムを提案する。理論的分析とシミュレーションを通じて、同種のチームに比べ、異種の協働がグループの効用を向上させ、エネルギー消費を低減し、システムのレジilエンスを向上させることを示している。

ABSTRACT

This paper focuses on the teaming aspects and the role of heterogeneity in a multi-robot system applied to robot-aided urban search and rescue (USAR) missions. We propose a needs-driven multi-robot cooperation mechanism represented through a Behavior Tree structure and evaluate the system's performance in terms of the group utility and energy cost to achieve the rescue mission in a limited time. From the theoretical analysis, we prove that the needs-driven cooperation in a heterogeneous robot system enables higher group utility than a homogeneous robot system. We also perform simulation experiments to verify the proposed needs-driven collaboration and show that the heterogeneous multi-robot cooperation can achieve better performance and increase system robustness by reducing uncertainty in task execution. Finally, we discuss the application to human-robot teaming.

研究の動機と目的

• 動的で危険な環境における救助ミッションのパフォーマンスを向上させるために、知能的なロボットチームを構築する挑戦に取り組む。
• ロボットの多様性とニーズ駆動型協働が、都市探査救助（USAR）ミッションにおけるシステムの効用とレジリエンスをどのように向上させるかを調査する。
• ロボットのニーズの行動ツリーに基づく階層を用いて、マルチロボット協働を形式化し、個々のパフォーマンスとグループパフォーマンスのバランスをとる。
• 理論的分析とシミュレーションを通じてシステムのパフォーマンスを評価し、グループの効用とエネルギー効率に焦点を当てる。
• 人間のニーズと能力を協働モデルに統合することで、人間-ロボットチームの構築を可能とするフレームワークを拡張する。

提案手法

• 行動ツリーを用いてロボットのニーズを階層的にモデル化し、ノードとして条件（Con）、行動（Act）、知覚（Pe）、安全（Sa）、基本的ニーズ（BN）、能力（Ca）、計画（Pl）、交渉（Ne）、合意/実行（A&E）を表す。
• 3種類のロボット（輸送用のキャリア（UGV）、センシングおよび物資供給用のサプライヤー（UAV）、監視およびデータ共有用のオブザーバー（UAV））を用いて救助ミッションを形式化する。
• 理論的分析により、時間制約下での異種ロボットシステムと同種ロボットシステムを比較するためのグループ効用関数とエネルギーコスト関数を導出する。
• 複数のシナリオを用いたシミュレーションを通じて、同種および異種ロボットチームのパフォーマンス、不確実性、レジリエンスを評価する。
• 人間の安全、能力、信頼をモデル化することで、人間のニーズをフレームワークに統合し、適応的で柔軟な人間-ロボットチームを実現する。
• エージェントモデリングを用いて、ロボットが人間の行動を学習し、リアルタイムで協働戦略を適応可能にする。

実験結果

リサーチクエスチョン

• RQ1 USARミッションにおいて、ロボットのニーズに基づく異種ロボット協働は、同種チームに比べてどのようにグループ効用を向上させるか？
• RQ2 動的で不確実な救助環境下において、ニーズ駆動型協働はエネルギー効率とシステムのレジリエンスにどのような影響を与えるか？
• RQ3 行動ツリーに基づくニーズ階層は、時間制約下でも異種ロボットを効果的に統合してミッション目標を達成できるか？
• RQ4 人間のニーズをロボット協働モデルに統合することで、救助作業における効果的な人間-ロボットチームを実現できるか？
• RQ5 ニーズ駆動型協働は、マルチロボット救助ミッションにおけるパフォーマンスの不確実性をどの程度低減し、システムの安定性を向上させるか？

主な発見

• 理論的分析により、ニーズ駆動型協働を実施する異種マルチロボットシステムは、同種システムに比べて高いグループ効用を達成することが証明された。
• シミュレーションの結果、異種マルチロボット協働は、同種の構成に比べて全体のエネルギー消費を低減することが示された。
• 異種協働は、試行ごとの偏差（ばらつき）を低減することで、より高いシステムのレジリエンスと安定性を示した。
• 協働なしのシナリオは、すべての協働バージョンよりも劣ったパフォーマンスを示し、協調的でニーズ駆動型の相互作用の利点を裏付けた。
• 異種チームは、タスク実行のばらつきが低く、回復力に優れているため、不確実な環境下での適応性が顕著に向上した。
• 人間のニーズをフレームワークに統合することで、より信頼性が高く、安全で効率的なミッション実行を支援する、より信頼できる人間-ロボットチームが実現された。