[論文レビュー] Sample Greedy Based Task Allocation for Multiple Robot Systems

Hyo‐Sang Shin, Teng Li+1 more|arXiv (Cornell University)|Jan 10, 2019

Distributed Control Multi-Agent Systems参考文献 46被引用数 9

ひとこと要約

本稿は、サブモジュラリティと確率的サンプリングを活用して、単調なサブモジュラ関数に対しては1/2、非単調なサブモジュラ関数に対しては1/4の近似保証を達成する、マルチロボットシステム向けの分散型サンプリンググリーディタスク割り当て（DSTA）アルゴリズムを提案する。これは、CBBAなどの最先端手法と比較して著しく計算複雑性が低く、非単調な状況でも優れた解の品質を維持する。

ABSTRACT

This paper addresses the task allocation problem for multi-robot systems. The main issue with the task allocation problem is inherent complexity that makes finding an optimal solution within a reasonable time almost impossible. To hand the issue, this paper develops a task allocation algorithm that can be decentralised by leveraging the submodularity concepts and sampling process. The theoretical analysis reveals that the proposed algorithm can provide approximation guarantee of $1/2$ for the monotone submodular case and $1/4$ for the non-monotone submodular case in average sense with polynomial time complexity. To examine the performance of the proposed algorithm and validate the theoretical analysis results, we design a task allocation problem and perform numerical simulations. The simulation results confirm that the proposed algorithm achieves solution quality, which is comparable to a state-of-the-art algorithm in the monotone case, and much better quality in the non-monotone case with significantly less computational complexity.

研究の動機と目的

• マルチロボットシステムにおけるタスク割り当てのNP困難性に対処するため、理論的近似保証を有する分散型アルゴリズムの開発を目的とする。
• 近似アルゴリズムの適用範囲を単調なサブモジュラ関数にとどめず、現実のシナリオで一般的な非単調なケースにも拡張することを目的とする。
• タスクのサブセットへの関数評価を制限するサンプリングプロセスを導入することで、分散型タスク割り当てにおける計算複雑性を低減することを目的とする。
• さまざまな条件（異なるサンプリング確率やタスク数を想定）下での数値シミュレーションを通じて、理論的近似保証の妥当性を検証することを目的とする。
• 特に非単調なサブモジュラ設定において、CBBAなどの既存手法を上回る解の品質と計算効率を達成することを目的とする。

提案手法

• アルゴリズムは、全タスク集合からランダムにサブセットを抽出するサンプリングプロセスを用い、必要な関数評価回数を削減する。
• サンプルされたタスクに対してグリーディ選択戦略を適用し、各ロボットが効用の限界的増加を最大化するタスクを選択する。
• サンプリング確率 $ p $ は、解の品質と計算コストのトレードオフを制御する。$ p $ が高くなるほど、両者とも増加する。
• 各ロボットがローカル情報に基づき、限られた通信で局所的決定を下せるように、分散型設計がなされている。
• 理論的分析により、期待される近似比が単調なサブモジュラ関数に対して $ 1/2 $、非単調なサブモジュラ関数に対して $ 1/4 $ であることが証明されている。
• アルゴリズムは、異なる数のエージェントとタスクを想定したシミュレーテッドマルチロボットタスク割り当て環境で実装・テストされた。

実験結果

リサーチクエスチョン

• RQ1 分散型タスク割り当てアルゴリズムは、単調および非単調なサブモジュラ効用関数の両方に対して理論的近似保証を達成できるか？
• RQ2 サンプリングプロセスは、分散型タスク割り当てにおける解の品質と計算複雑性のトレードオフにどのように影響するか？
• RQ3 提案手法は、特に非単調なサブモジュラ設定において、CBBAを解の品質と計算効率の両面で上回るか？
• RQ4 異なるサンプリング確率が、提案手法の性能に与える影響は何か？
• RQ5 完全なグリーディアプローチと比較して、関数評価回数を著しく削減しながらも、強力な近似保証を維持できるか？

主な発見

• 理論的分析により、提案されたDSTAアルゴリズムは、単調なサブモジュラ関数に対して期待される近似保証が $ 1/2 $、非単調なサブモジュラ関数に対しては $ 1/4 $ であることが示された。
• 200タスクのシミュレーションでは、DSTAの関数値はCBBAの約2倍に達し、CBBAはDSTAの値の約50%にとどまった。
• 300タスクのシナリオでは、DSTAの関数値はCBBAの約2.5倍に達し、CBBAはDSTAの値の約40%にとどまった。これは、非単調な状況下での優れた性能を裏付けている。
• DSTAの計算時間は、関数評価回数の削減と繰り返しの衝突解消ステップの回避により、常にCBBAより低かった。
• サンプリング確率 $ p $ を $ 1/10 $ から $ 1/2 $ に増加させたことで、解の品質が向上したが、計算時間も増加した。これは理論で予測されたトレードオフが確認された。
• シミュレーション結果は理論的分析を裏付け、より高いサンプリング確率が、計算コストの増加を伴いながらも、より優れた解の品質をもたらすことを示した。