[論文レビュー] Risk-aware Resource Allocation for Multiple UAVs-UGVs Recharging Rendezvous

Ahmad Asghar, Guangyao Shi+5 more|arXiv (Cornell University)|Sep 13, 2022

UAV Applications and Optimization被引用数 4

ひとこと要約

本稿は、確率的エネルギー消費のため、定期的にUAVとUGVの再充電のための合流が必要となる恒久的モニタリングミッションにおいて、複数のUAVとUGVを協調的に制御するリスク対応型リソース割り当てフレームワークを提案する。リスク対応型再充電合流問題（RRRP）を、マッチング制約（UGVの再充電容量をモデル化）とナップサック制約（故障確率の上限を強制）を備えた整数線形計画問題（ILP）として定式化し、遅延コストと故障確率のバランスを取る二基準近似アルゴリズムを導入することで、正確なILP解法に比べて著しくスケーラビリティが向上した近似的最適性能を達成する。

ABSTRACT

We study a resource allocation problem for the cooperative aerial-ground vehicle routing application, in which multiple Unmanned Aerial Vehicles (UAVs) with limited battery capacity and multiple Unmanned Ground Vehicles (UGVs) that can also act as a mobile recharging stations need to jointly accomplish a mission such as persistently monitoring a set of points. Due to the limited battery capacity of the UAVs, they sometimes have to deviate from their task to rendezvous with the UGVs and get recharged. Each UGV can serve a limited number of UAVs at a time. In contrast to prior work on deterministic multi-robot scheduling, we consider the challenge imposed by the stochasticity of the energy consumption of the UAV. We are interested in finding the optimal recharging schedule of the UAVs such that the travel cost is minimized and the probability that no UAV runs out of charge within the planning horizon is greater than a user-defined tolerance. We formulate this problem ({Risk-aware Recharging Rendezvous Problem (RRRP))} as an Integer Linear Program (ILP), in which the matching constraint captures the resource availability constraints and the knapsack constraint captures the success probability constraints. We propose a bicriteria approximation algorithm to solve RRRP. We demonstrate the effectiveness of our formulation and algorithm in the context of one persistent monitoring mission.

研究の動機と目的

• 長期間にわたる協働UAV-UGVミッションにおけるUAVのエネルギー消費の確率的変動に起因するバッテリー枯渇リスクがミッション失敗を引き起こすという課題に対処すること。
• 任意のUAVが電池切れになる確率がユーザーが定めた許容範囲内に収まるように保証しつつ、UAVの合流に伴う遅延コストを最小化すること。
• 制限された再充電容量を有する複数のUAVとUGV間の再充電合流を効率的にスケジューリングする、スケーラブルな協調戦略を開発すること。
• UAVが再充電のための経路変更を余儀なくされる恒久的モニタリング環境において、タスク実行性能とリスク耐性のバランスを取ること。

提案手法

• UAVの再充電容量をモデル化するマッチング制約と、故障確率の上限を強制するナップサック制約を備えた整数線形計画問題（ILP）として、リスク対応型再充電合流問題（RRRP）を定式化する。
• 遅延コストとリスク耐性の両方をバランスさせる二基準近似アルゴリズムを導入し、問題の構造的性質を活用することで、理論的性能保証を達成する。
• ラグランジュ緩和に類似した手法を用いて問題を分解し、従来の正確な手法に見られる指数的スケーリングを回避する。
• 再帰的ホライズン戦略を用い、有限の時間窓内で反復的にRRRPを解くことで、適応性と実行時間性能を向上させる。
• 比較のためのベースラインとして、ILPソルバー（例：MATLABのintlinprog）を用い、近似アルゴリズムの性能とスケーラビリティを検証する。
• 平均故障までの時間、移動時間のオーバーヘッド、再充電のための合流回数といった指標を用いて、シミュレーションベースの評価を実施し、性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 UAV-UGV再充電スケジュールを最適化することで、遅延コストを最小化するとともに、UAVのバッテリー枯渇確率にユーザーが定めた上界を満たすことは可能か？
• RQ2 確率的UAVエネルギー消費を伴う恒久的モニタリングミッションにおいて、タスク実行性能（例：移動時間のオーバーヘッド）とリスク耐性のトレードオフはどのように変化するか？
• RQ3 二基準近似アルゴリズムは、正確なILP解法に比べて著しく高速化された実行時間スケーラビリティを達成しつつ、近似的最適性能を実現できるか？
• RQ4 固定バッテリー閾値（例：30%、40%、50%）で再充電をトリガーするグリーディベースラインと比較して、提案手法は故障耐性および遅延効率の点で優れているか？

主な発見

• 提案された二基準近似アルゴリズムは、さまざまな問題サイズにおいて、平均で最適ILP解の15%以内の解を達成しており、問題スケールが大きくなるほど性能が向上する。
• 変数数が最大60,500に達する問題インスタンスにおいて、アルゴリズムの実行時間はILPソルバーに比べ最大7倍速く、優れたスケーラビリティを示した。
• ILPが与えられた時間窓内でRRRPを最適に解くにもかかわらず、アルゴリズムは移動時間のオーバーヘッドにおいてILPを上回った。これは、再帰的ホライズン戦略によるより優れた適応性のおかげと考えられる。
• グリーディベースライン（Greedy-30、Greedy-40、Greedy-50）と比較して、提案手法は平均して最初の故障までの時間が長く、移動時間のオーバーヘッドが低く抑えられ、不要な再充電合流が減っていることを示している。
• リスク耐性が低下する（すなわち、故障確率の上限が厳しくなる）と、平均して最初の故障までの時間が延び、移動時間のオーバーヘッドと再充電合流回数が増加した。これは、安全と効率の間の期待されるトレードオフが成立していることを確認した。
• 計画時間窓あたりの合流回数の平均が低く抑えられており、過剰な再充電スケジューリングを回避しながらも、信頼性を維持できていることが示された。