[論文レビュー] The Swarmathon: An Autonomous Swarm Robotics Competition

Sarah M. Ackerman, G. Matthew Fricke+8 more|arXiv (Cornell University)|May 21, 2018

Teaching and Learning Programming参考文献 20被引用数 12

ひとこと要約

スワームアソンは、マイノリティ支援機関に属する大学生を対象に、火星における在軌物資利用（ISRU）のための自律的でスワーム型ロボットアルゴリズムの開発を促進する、ナサ支援のコンペティションである。物理的ロボットまたはシミュレーテッド環境を用いて、チームはグローバルマップなしに資源を特定・収集・中央ゾーンに搬送するスワームをプログラムする。この取り組みにより、学生の技術的スキルとSTEM分野における多様性が顕著に向上した。

ABSTRACT

The Swarmathon is a swarm robotics programming challenge that engages college students from minority-serving institutions in NASA's Journey to Mars. Teams compete by programming a group of robots to search for, pick up, and drop off resources in a collection zone. The Swarmathon produces prototypes for robot swarms that would collect resources on the surface of Mars. Robots operate completely autonomously with no global map, and each team's algorithm must be sufficiently flexible to effectively find resources from a variety of unknown distributions. The Swarmathon includes Physical and Virtual Competitions. Physical competitors test their algorithms on robots they build at their schools; they then upload their code to run autonomously on identical robots during the three day competition in an outdoor arena at Kennedy Space Center. Virtual competitors complete an identical challenge in simulation. Participants mentor local teams to compete in a separate High School Division. In the first 2 years, over 1,100 students participated. 63% of students were from underrepresented ethnic and racial groups. Participants had significant gains in both interest and core robotic competencies that were equivalent across gender and racial groups, suggesting that the Swarmathon is effectively educating a diverse population of future roboticists.

研究の動機と目的

• マイノリティ支援機関（MSI）に属する大学生を対象に、ナサの火星探査ミッションに連動した実践的ロボティクス研究に参加させる。
• 大型で高価なローバーに代わって、分散型で耐障害性の高いロボットスワームを用いた火星における自律的資源収集の課題に取り組む。
• 高校生から大学院生チームまでを支援するメンタリングを通じて、STEM教育のパイプラインを橋渡しする包括的教育プラットフォームを構築する。
• このコンペティションが学生の学習、多様性、コンピュータサイエンスおよびロボティクス分野におけるモチベーションに与える影響を評価する。

提案手法

• チームは、ロボットオペレーティングシステム（ROS）を用いて、3〜6台の物理的またはシミュレーテッドロボットのスワームを制御する自律アルゴリズムを開発する。
• コンペティションは物理的および仮想のトラックを備える：物理チームはケネディ宇宙センターで同一のロボットにコードをデプロイする。仮想チームは、同一のアリーナを用いてGazeboでシミュレーションを行う。
• ロボットはグローバルマップやGPSを用いず、局所的センシング、ローカライゼーション（IMUおよびEKFを用いて）、分散型の協調制御に依存して資源を特定・搬送する。
• 複数ラウンドにわたって実施され、資源の分布（均一、クラスタ型）が変化する。成功の指標は収集ゾーンに搬送された資源の数である。
• 高校生部門は大学の学生メンターが支援しており、簡略化されたシミュレーションを用いて、若年層にスワームロボティクスを紹介する。
• 学生の学習は、ABET基準に従った自己報告と教員評価を用いて評価される。

実験結果

リサーチクエスチョン

• RQ1 スワームアソンへの参加が、学生のロボティクスおよびコンピュータサイエンス分野における技術的熟達度をどの程度向上させるか？
• RQ2 スワームアソンは、とりわけ代表されないグループの学生がSTEM分野の大学院進学やキャリアを志望する意欲にどのような影響を与えるか？
• RQ3 性別や人種／民族的背景にかかわらず、学習成果に格差が生じないか？
• RQ4 未知で変動する環境的分布下で、資源収集に最も効果的な自律的スワームアルゴリズムは何か？
• RQ5 ローカライゼーションやグリッパー設計などの工学的改善は、アルゴリズムの革新に比べて、パフォーマンス向上にどの程度寄与するか？

主な発見

• 初年度2年間で、31チーム中29チームの物理チームと、27チーム中20チームの仮想チームがコードを正常にアップロードし、コンペティションに参加した。これは高い技術的関与を示している。
• 学生の自己評価では、コアな熟達度に顕著な向上が認められた：2017年にはABET基準で+0.59の向上を記録。2017年は2016年より有意に高い（p < 0.05）ため、学習の進行が明確に確認された。
• 人種、民族、性別にかかわらず、学習成果に統計的に有意な差は認められず、コンペティションが公平な学習環境を提供していることが示唆された。
• 2017年の物理コンペティション優勝チームであるSIPIは、自転車のホイールを模した探索戦略を開発し、すべての資源分布状況で他チームを上回った。これはアルゴリズムの柔軟性を示している。
• 工学的改善（特にローカライゼーションの向上、資源のピックアップ／ドロップオフの最適化）は、新しい探索アルゴリズムの開発よりもスコア向上に寄与した。これは、ハードウェアとソフトウェアの統合の重要性を強調している。
• 学生のモチベーション向上も顕著であった：大学院進学への関心は+0.53、STEM分野におけるキャリア志望意欲は+0.38向上。すでに高いモチベーションを持つ学生に対しても同様の傾向が見られた。