[論文レビュー] Path planning for Robotic Mobile Fulfillment Systems

Marius Merschformann, Lin Xie+1 more|arXiv (Cornell University)|Jun 28, 2017

Advanced Manufacturing and Logistics Optimization参考文献 22被引用数 11

ひとこと要約

本稿では、ロボットの最大速度、加速度、減速度、旋回時間などの現実世界のロボット動的特性を組み込むために、古典的なMAPFアルゴリズム（WHCA*、FAR、BCP、OD&ID、CBS）を拡張した、ロボット移動フルフィルメントシステム（RMFS）向けの新しいマルチエージェントパスファインディング・キネマティック制約付き（MAPFWR）フレームワークを提案する。RawSim-Oにおけるシミュレーション結果では、速度制約を組み込んだWHCA*（$\text{WHCA}^{*}_{v}$）がスループット、パス長、探索時間のバランスにおいて最良の性能を発揮し、スケーラビリティの制限は存在するが他を上回った。

ABSTRACT

This paper presents a collection of path planning algorithms for real-time movement of multiple robots across a Robotic Mobile Fulfillment System (RMFS). Robots are assigned to move storage units to pickers at working stations instead of requiring pickers to go to the storage area. Path planning algorithms aim to find paths for the robots to fulfill the requests without collisions or deadlocks. The state-of-the-art path planning algorithms, including WHCA*, FAR, BCP, OD&ID and CBS, were adapted to suit path planning in RMFS and integrated within a simulation tool to guide the robots from their starting points to their destinations during the storage and retrieval processes. Ten different layouts with a variety of numbers of robots, floors, pods, stations and the sizes of storage areas were considered in the simulation study. Performance metrics of throughput, path length and search time were monitored. Simulation results demonstrate the best algorithm based on each performance metric.

研究の動機と目的

• 最大速度、加速度、減速度、旋回時間などの現実のロボットキネマティック制約を無視する既存のマルチエージェントパスファインディング（MAPF）アルゴリズムのギャップを埋めるため。
• 集中制御と現実的なロボット動的特性を持つロボット移動フルフィルメントシステム（RMFS）に特化した、修正されたMAPFアルゴリズムの開発と評価を行うため。
• 現実的なロボット移動のエミュレーションを備えたシミュレーションフレームワークを用いて、多様な倉庫レイアウトとロボット数を想定し、これらのアルゴリズムのパフォーマンスを評価するため。
• スループット、パス長、探索時間という主要指標における、最も効果的なパス計画アルゴリズムを特定するため。
• レイアウトの特性とシステムサイズがアルゴリズムのスケーラビリティとパフォーマンスに与える影響を調査するため。

提案手法

• キネマティック制約をパス計画段階に統合した、新たな問題変種「倉庫用ロボットのマルチエージェントパスファインディング（MAPFWR）」を形式化する。
• WHCA*、FAR、BCP、OD&ID、CBSの5つの既存MAPFアルゴリズムを、探索ヒューリスティクスと衝突解決法を修正することでロボットキネマティクスを尊重するように変更する。
• ロボットの旋回時間や動的加速・減速を含む現実的なロボット移動をモデル化するRawSim-Oシミュレーションフレームワーク内に、修正されたアルゴリズムを実装する。
• すべてのロボットのパスが実行前にグローバルに計算される集中制御アーキテクチャを採用する。
• キネマティック制約で定義される新しい探索空間において、A*の完全性と適切性を保証する数学的定式化を適用する。
• 異なるロボット数、ポッド数、ステーション数、床面配置を持つ10の多様な倉庫レイアウトを用いて、パフォーマンスを測定する。

実験結果

リサーチクエスチョン

• RQ1 最大速度、加速度、旋回時間などのキネマティック制約は、RMFSにおける古典的MAPFアルゴリズムのパフォーマンスにどのように影響するか？
• RQ2 WHCA*、FAR、CBSなどの修正MAPFアルゴリズムの中で、スループット、パス長、探索時間のバランスを最良に達成するのはどれか？
• RQ3 システムサイズとレイアウトの複雑さが増加するに従い、アルゴリズムのスケーラビリティはどのように変化するか？
• RQ4 ロボット移動の現実性（例：旋回時間、動的加速）は、パス品質とシステム混雑度にどのような影響を与えるか？
• RQ5 異なるアルゴリズムは、ヒートマップで可視化されたロボットの動きのなめらかさと混雑度パターンにどのように影響を与えるか？

主な発見

• $\text{WHCA}^{*}_{v}$（速度制約付きWHCA*）が、シミュレーション研究においてスループット、パス長、探索時間という指標すべてで最良の総合的パフォーマンスを達成した。
• FAR手法はウォールクロック時間において優れたスケーラビリティを示し、他のアルゴリズム（CBS や BCP）が頻繁にタイムアウトする大規模インスタンスに対しても効率的であった。
• CBSは大規模インスタンスで高いランタイム消費を示し、頻繁なタイムアウトを起こしたが、小規模な問題では優れたパス品質を示したため、実用性に制限があった。
• ヒートマップの結果、$\text{WHCA}^{*}_{v}$はCBSに比べて、ステーション出口や交差点での混雑が少なく、よりなめらかで滑らかなロボット移動を実現していた。
• メモリ使用量は各アルゴリズムにおいて制限要因ではなく、現代のハードウェア上ではすべての手法が合理的かつ同等のメモリ使用量を示した。
• シミュレーション結果は、パス計画段階にキネマティック制約を組み込むことで、現実世界での実現可能性とシステムパフォーマンスが著しく向上することを確認した。