[論文レビュー] Synchronized Multi-Arm Rearrangement Guided by Mode Graphs with Capacity Constraints

Rahul Shome, Kostas E. Bekris|arXiv (Cornell University)|May 18, 2020

Robotic Path Planning Algorithms参考文献 46被引用数 23

ひとこと要約

本論文は、容量制約付きモードグラフ上でマルチエージェントパスファインディング（MAPF）として問題をモデル化することにより、同期的マルチアームリアレンジメント（SMAR）のための新しいヒューリスティクスを提案する。物体は安定配置およびハンドオフ状態を表すノードを移動するペブルとして扱われる。この手法は整数線形計画法（ILP）を用いてMAPFの抽象化を解き、前方探索プランナ（SMART）をガイドすることで、最大9アームおよび4物体の状況において10秒未塔で高品質かつ anytime の解を得る。グリーディおよび逐次ベースラインと比較して、行動回数とマケスパンの両方が顕著に削減された。

ABSTRACT

Solving task planning problems involving multiple objects and multiple robotic arms poses scalability challenges. Such problems involve not only coordinating multiple high-DoF arms, but also searching through possible sequences of actions including object placements, and handoffs. The current work identifies a useful connection between multi-arm rearrangement and recent results in multi-body path planning on graphs with vertex capacity constraints. Solving a synchronized multi-arm rearrangement at a high-level involves reasoning over a modal graph, where nodes correspond to stable object placements and object transfer states by the arms. Edges of this graph correspond to pick, placement and handoff operations. The objects can be viewed as pebbles moving over this graph, which has capacity constraints. For instance, each arm can carry a single object but placement locations can accumulate many objects. Efficient integer linear programming-based solvers have been proposed for the corresponding pebble problem. The current work proposes a heuristic to guide the task planning process for synchronized multi-arm rearrangement. Results indicate good scalability to multiple arms and objects, and an algorithm that can find high-quality solutions fast and exhibiting desirable anytime behavior.

研究の動機と目的

• 複数の高自由度アーム、物体の配置、ハンドオフを含むマルチアームリアレンジメント計画におけるスケーラビリティの課題に対処すること。
• 同期的マルチアームリアレンジメント（SMAR）と、頂点の容量制約付きグラフ上のマルチエージェントパスファインディング（MAPF）との間の構造的類似性を特定すること。
• モードグラフ上のMAPF問題に対するILP解に基づく効率的なヒューリスティクスを開発し、SMARの前方探索プランナをガイドすること。
• 多様な問題例（非単調なケースを含む）において、このヒューリスティクスが解のコスト、行動回数、計算時間の両面で効果的であることを示すこと。
• 複雑で大規模なマルチアームシナリオにおいて、 anytime 行動を可能とし、高品質な解へ迅速に収束すること。

提案手法

• 問題は、ノードが安定な物体配置およびハンドオフ状態を表し、エッジがピック、プレース、ハンドオフのアクションを表すモードグラフとして抽象化される。
• 各物体は、安定配置およびハンドオフ状態を表すノードを移動するペブルとしてモデル化され、容量制約（例：各アームは1つの物体を保持可能、配置場所は複数の物体を保持可能）を有する。
• 容量制約付きのこのモードグラフ上でMAPF問題を解くための整数線形計画法（ILP）定式化が用いられ、物体移動の最適または近似最適なアクション列が得られる。
• ILPの解が、同期制約を尊重しながら離散的アクション列を探索する前方探索ツリー（SMART）プランナをガイドするヒューリスティクスとして使用される。
• 各アームの軌道のための基礎的な運動計画は、dRRT*-類似手法を用いて計算され、連続空間の妥当性が保証される。
• 本手法は anytime 行動をサポートしており、計算時間の延長に伴い解の品質が向上する。複数のベンチマーク設定で評価が行われた。

実験結果

リサーチクエスチョン

• RQ1 同期的マルチアームリアレンジメント（SMAR）の構造は、容量制約付きのモードグラフ上でマルチエージェントパスファインディング（MAPF）問題として効果的にモデル化可能か？
• RQ2 MAPF抽象化に対するILP解法が、SMAR問題における前方探索プランナをガイドするヒューリスティクスとしてどれほど有効か？
• RQ3 提案されたヒューリスティクスは、多様な問題例において、グリーディおよび逐次ベースラインと比較して、解のコスト、行動回数、計算時間の面で優れているか？
• RQ4 9アームおよび4物体の問題にまでスケーリング可能であり、かつ高速な解法時間と高品質な結果を維持できるか？
• RQ5 中間バッファと複雑なハンドオフを必要とする非単調なリアレンジメント問題に対し、本手法はどれほど効果的に対処できるか？

主な発見

• 非単調なインプレイススワップにおいて、提案されたSMARTヒューリスティクスは平均3.41秒で初期解を発見し、20回の試行すべてで成功した。8ステップの解で34.6秒の実行時間であった。
• 9×4ベンチマークでは、SMARTは10秒未塔で問題を解き、サイドツーサイドのシナリオで逐次ベースラインと比較して20秒の高速化を達成した。
• スイッチベンチマークでは、SMARTはボトルネックを回避することでグリーディを上回り、類似した解法時間でもより高い成功率と顕著に少ない操作回数を達成した。
• ランダムベンチマークでは、SMARTは高い成功率と低い行動回数を維持したが、グリーディは協調性のボトルネックにより頻繁に失敗した。
• 特にサイドツーサイドのような同時転送シナリオでは、SMARTは逐次ベースラインと比較して、離散的アクション瞬間の数を最大50％まで削減した。
• 本手法は強力な anytime 行動を示し、時間の経過に伴い解の品質が着実に向上した。また、シミュレーションにおいて9アームおよび4物体のスケーラビリティを示した。