[論文レビュー] Progress-Based Fault Detection and Health-Aware Task Allocation for Heterogeneous Multi-Robot Systems

Jack Cline, Christian Macaranas+1 more|arXiv (Cornell University)|Mar 15, 2026

Real-Time Systems Scheduling被引用数 0

ひとこと要約

軽量な進捗ベースの故障検知器が二状態カルマンフィルタとNIS検定を用い、健康状態を考慮した凸QP割当と統合して、異種ロボットチームの再割り当てを抑制しつつタスクを再配分する。

ABSTRACT

We present a progress-based fault detection module and its integration with dynamic task allocation for heterogeneous robot teams. The detector monitors a normalized task-completion signal with a lightweight Kalman filter (KF) and a normalized innovation squared (NIS) test, augmented with a low-rate stall gate, an uncertainty gate, and debounce logic. Health estimates influence the allocator via health-weighted costs and health-dependent masks; reallocation is event-triggered and regularized with an $\ell_1$ assignment-change penalty to limit reassignment churn while preserving feasibility through slack variables. The detector has constant per-robot update cost, and the allocation remains a convex quadratic program (QP). Experiments on a common team-task setup evaluate measurement-noise increases, velocity-slip biases, communication dropouts, and task abandonment. The results show timely detection in the noise and bias cases, maintained task completion with limited reassignment, and the expected observability delays under communication dropouts.

研究の動機と目的

• sensing・actuation・communicationの故障がある状況で、異種ロボットチームの信頼性の高い運用を動機づける。
• オンラインで境界付きの軽量な進捗ベース故障検知器を開発する。
• 個体ごとのコストを抑えつつ健康推定を凸最適化ベースのタスク割当へ組み込む。
• 健全性推定を用いて再割り当ての churn を最小化する。
• 代表的な故障シナリオで頑健な検知と穏やかな再割り当てを実証する。

提案手法

• 各ロボット・タスクごとに r_i,m(t) を [0,1] の進捗信号として定義する（空間的・作業量・複合タスクを横断）。
• コマンド非依存の CV モデルまたはコマンド依存の RT モデルを用い、進捗と進度を二状態離散カルマンフィルタで推定する。
• 正規化イノベーション平方（NIS）検定をゲート（低速停止、不確かさ、デバウンス）とともに適用して故障を検出する。
• 健康推定を健康重み付き割当コストとマスクへマッピングし、ソフトデモotionと健康依存ゲーティングを実現する凸QP割当器を可能にする。
• 再割り当ての churn を抑制する L1 ペナルティを課し、スラック変数で実現可能性を維持する。
• 健康状態の変化に導かれるイベント駆動型再割り当てを実装し、実時間性能を保つためにウォームスタートしたQP解を用いる。

実験結果

リサーチクエスチョン

• RQ1 軽量な進捗ベース検知器は、異種ロボットチームの測定ノイズやバイアスを信頼性高く識別できるか。
• RQ2 健康状態推定を凸リアルタイムタスク割当へマッピングし、再割り当てを最小化しつつタスク実現性を維持できるか。
• RQ3 一般的な故障シナリオ（ノイズ増加、バイアス、ドロップアウト、タスク放棄）における検出遅延と誤検出特性はどうなるか。
• RQ4 通信ドロップアウトは観測性と故障宣言タイミングにどう影響し、停電時にはシステムはどのように保守的であり得るか。

主な発見

• 窓付きNISとゲートを用いた進捗ベース検知器は、測定ノイズと速度バイアス故障を実用的な検出遅延で検出する。
• 健康重み付きコストとマスキング、L1再割り当てペナルティにより、再割り当て churn を抑えつつタスクカバーを維持する。
• 割当器は定数の個体検知器オーバヘッドを持つ凸QPのままリアルタイム再配置を可能にする。
• 通信ドロップアウトによる停止は故障宣言を遅らせ、停電の長さに伴い検出遅延が増えるが共分散成長機構によって抑制される。
• 4つの故障ファミリにわたる実験で、適時な故障宣言と再割り当て下でのタスク完遂を維持する。