[論文レビュー] Representation-Optimal Multi-Robot Motion Planning using Conflict-Based Search

Irving Solis, Read Sandström+2 more|arXiv (Cornell University)|Sep 29, 2019

Robotic Path Planning Algorithms参考文献 26被引用数 6

ひとこと要約

本稿では、連続空間における多ロボット運動計画のための表現最適な手法であるCBS-MPを提案する。これは、衝突ベース探索（CBS）をサンプリングベースの運動計画に拡張することで、異種かつ高自由度のエージェントに対し、効率的かつ最適な計画を可能にする。衝突は段階的なロードマップの精緻化によって解決され、32台のエージェントを含む大規模な状況でも、分離型PRM手法と比較して最大60倍速く、より優れた解の品質を達成する。

ABSTRACT

Multi-Agent Motion Planning (MAMP) is the problem of computing feasible paths for a set of agents given individual start and goal states. Given the hardness of MAMP, most of the research related to multi-agent systems has focused on multi-agent pathfinding (MAPF), which simplifies the problem by assuming a shared discrete representation of the space for all agents. The Conflict-Based Search algorithm (CBS) has proven a tractable means of generating optimal solutions in discrete spaces. However, neither CBS nor other discrete MAPF techniques can be directly applied to solve MAMP problems because of the assumption of the shared discrete representation of the agents' state space. In this work, we solve MAMP problems by adapting the techniques discovered in the MAPF scenario by CBS to the more general problem with heterogeneous agents in a continuous space. We demonstrate the scalability teams of up to 32 agents, demonstrate the ability to handle up to 8 high DOF manipulators, and plan for heterogeneous teams. In all scenarios, our approach plans significantly faster while providing higher quality solutions.

研究の動機と目的

• 共有の離散空間を仮定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）手法には限界があり、これは異種または高自由度のエージェントが連続空間に存在する場合に不適切である。
• 結合型および分離型マルチエージェント運動計画（MAMP）手法におけるスケーラビリティと最適性のトレードオフを克服するため、表現最適な手法を導入する。
• 移動ロボット、無人航空機、高自由度アームなど、異種チームに対して、統一された連続状態空間フレームワーク内での効率的かつ衝突のない運動計画を可能にする。
• 木構造における衝突の解消を通じて、計算の実行可能性を保ちながら、個々のエージェントのロードマップ表現に関して最適な解を得る。
• 複雑なMAMPシナリオにおいて、最先端の分離型PRMおよび結合型手法と比較して、計画速度、解の品質、スケーラビリティの面で優れた性能を示す。

提案手法

• 元々離散的MAPFを想定して設計された衝突ベース探索（CBS）フレームワークを、グリッドではなくサンプリングされたロードマップに適用することで、連続的運動計画に拡張する。
• 各エージェントの経路をロードマップ（例：PRM）として表現し、経路を時間スライスに分割することで、衝突木（CT）を用いてエージェント間の衝突を検出する。
• 関係するエージェントの経路を、完全な共同空間探索を回避するための局所的ロードマップ変更を用いて再計画することで、衝突を段階的に解消する。
• 連続的経路を時間順序のエッジ列にマップするために、均一な時間離散化を適用し、エージェントの軌道間の正確な衝突検出を可能にする。
• 衝突木内でグリーディな優先順位メカニズムを用いて解消を誘導し、ロードマップの成長を最小限に抑えつつ解の品質を維持する。
• 初期ロードマップ上で得られたいかなる解よりも悪い解を出力しないように保証することで、表現最適性を確保する。これにより、再サンプリングを実施する分離型手法を上回る。

実験結果

リサーチクエスチョン

• RQ1 衝突ベース探索（CBS）は、離散的MAPFから連続的でサンプリングベースのマルチエージェント運動計画（MAMP）に一般化可能であり、最適性を保持できるか？
• RQ2 提案手法CBS-MPは、分離型PRMおよび結合型MAMP手法と比較して、計画時間およびスケーラビリティの面で、性能と解の品質においてどのように差をつけるか？
• RQ3 CBS-MPは、高自由度アームや異種ロボットチームが複雑で狭い環境に存在する状況において、どの程度の耐性を示せるか？
• RQ4 CBS-MPにおける衝突解消メカニズムは、分離型手法の動的ロードマップサンプリングと比較して、より高いロードマップ効率と低コストの解を生み出すか？
• RQ5 分離型手法が共有空間の遮断により失敗するような、極度に混雑した状況においても、CBS-MPは高い成功確率と高速な計画時間を維持できるか？

主な発見

• CBS-MPは最大32台のエージェントの計画に成功したが、分離型PRMの変種は16台のエージェントについて時間制限内に解を生成できなかった。
• 密接に連携する8体の高自由度アームのシナリオでは、CBS-MPは最も速い分離型PRM変種と比較して平均60倍速く計画を完了した。
• 移動ロボット、無人航空機、クレーン型アームを含む異種シナリオでは、CBS-MPは100回の試行すべてを1000秒以内に解決したが、分離型PRMは20％の成功率にとどまった。
• CBS-MPは、既存のロードマップを活用し、冗長な再サンプリングを回避することで、分離型PRMよりも常に低コストの解を生成した。
• 表現最適性が達成された：同じ初期ロードマップ上で、CBS-MPは分離型PRMより悪い解を出力せず、しばしばスパarserなロードマップでより良い経路を発見した。
• 衝突木構造のおかげで、分離型PRMがグリーディな経路選択によって共有空間を遮断する高混雑状況でも、効率的な衝突解消が可能だった。