[논문 리뷰] A Scalable and Adaptable Multiple-Place Foraging Algorithm for Ant-Inspired Robot Swarms

Qi Lu, Melanie E. Moses외 1명|arXiv (Cornell University)|2016. 12. 01.

Robotic Path Planning Algorithms참고 문헌 18인용 수 10

한 줄 요약

이 논문은 다중 분산 둥지 구조를 활용해 탐색 효율성을 향상시키는 확장성 있고 탈중앙화된 군집로봇 전략인 다중장소 탐식 알고리즘(MPFA)을 제안한다. 로봇이 가장 가까운 둔지로 돌아가도록 하여 이동 시간, 충돌, 탐색 시간을 줄이고, 유전 알고리즘으로 제어기 파라미터를 최적화함으로써, 대규모 군집과 고표적 환경에서 중앙집중식 탐식 알고리즘(CPFA)을 능가하는 성능을 달성한다.

ABSTRACT

Individual robots are not effective at exploring large unmapped areas. An alternate approach is to use a swarm of simple robots that work together, rather than a single highly capable robot. The central-place foraging algorithm (CPFA) is effective for coordinating robot swarm search and collection tasks. Robots start at a centrally placed location (nest), explore potential targets in the area without global localization or central control, and return the targets to the nest. The scalability of the CPFA is limited because large numbers of robots produce more inter-robot collisions and large search areas result in substantial travel costs. We address these problems with the multiple-place foraging algorithm (MPFA), which uses multiple nests distributed throughout the search area. Robots start from a randomly assigned home nest but return to the closest nest with found targets. We simulate the foraging behavior of robot swarms in the robot simulator ARGoS and employ a genetic algorithm to discover different optimized foraging strategies as swarm sizes and the number of targets are scaled up. In our experiments, the MPFA always produces higher foraging rates, fewer collisions, and lower travel and search time compared to the CPFA for the partially clustered targets distribution. The main contribution of this paper is that we systematically quantify the advantages of the MPFA (reduced travel time and collisions), the potential disadvantages (less communication among robots), and the ability of a genetic algorithm to tune MPFA parameters to mitigate search inefficiency due to less communication.

연구 동기 및 목표

• 대규모 로봇 군집과 고표적 환경에서 중앙집중식 탐식 알고리즘(CPFA)의 확장성 한계를 해결하기 위해.
• CPFA에서 밀도 높은 로봇 집합과 넓은 탐색 영역으로 인한 상호 로봇 충돌과 이동 비용을 줄이기 위해.
• 중앙 조정 없이도 군집 크기와 표적 수에 비례해 확장 가능한 탈중앙화형 적응형 탐식 전략을 개발하기 위해.
• 다중 둔지 탐식에서 통신 범위, 이동 효율성, 충돌 회피 간의 상호 상충 관계를 평가하기 위해.
• 다양한 군집 크기와 표적 수에 걸쳐 최적 성능을 유지하기 위해 유전 알고리즘을 활용해 로봇 제어기 파라미터를 자동으로 최적화하기 위해.

제안 방법

• 탐색 영역 전역에 균일하게 다수의 둔지를 배치하여 수집 지점을 탈중앙화하고 로봇 이동 거리를 줄이기 위해.
• 표적를 발견한 후 가장 가까운 둔지로 되돌아가도록 하는 페로몬 기반 탐식 전략을 실시간 결정 기반으로 적용한 로봇 제어기 구현.
• ARGoS 다물리컬 시뮬레이터에서 탐식 성능을 최적화하기 위해 유전 알고리즘(GA)을 사용해 일곱 개인 실수값 제어기 파라미터 조합을 진화.
• 로봇 군집 크기 4에서 64까지, 표적 수 128에서 2048까지의 시뮬레이션을 수행하여 MPFA와 CPFA를 동일 조건에서 비교.
• 로봇 이동을 안내하기 위해 페로몬 배치 및 증발 메커니즘을 도입하고, 마지막으로 발견한 표적에 가까워지면 둔지 전환을 유도.
• 주요 지표인 탐식 속도, 충돌 시간, 이동 시간, 탐색 시간을 측정하여 확장성과 효율성 평가.

실험 결과

연구 질문

• RQ1 군집 크기가 증가함에 따라 MPFA와 CPFA의 탐식 속도, 충돌 빈도, 이동 시간, 탐색 시간에서의 성능 차이를 어떻게 평가할 수 있는가?
• RQ2 대규모 로봇 군집에서 다중 둔지 구조가 충돌 회피 및 이동 효율성에 어떤 영향을 미치는가?
• RQ3 MPFA에서 진화된 제어기 파라미터가 표적 수와 로봇 군집 크기가 증가함에 따라 어떻게 적응하는가?
• RQ4 분산된 페로몬으로 인한 통신 범위와 MPFA와 CPFA 간 성능 향상 간의 상충 관계는 무엇인가?
• RQ5 유전 알고리즘이 다양한 환경 척도에서 MPFA 파라미터를 효과적으로 최적화하여 높은 성능을 유지할 수 있는가?

주요 결과

• 4대의 로봇에서 MPFA는 CPFA 대비 탐색 시간을 34% 향상시키며, 64대의 로봇에서는 19% 향상되며, 군집 크가 증가할수록 탐색 시간 감소 속도가 빨라진다.
• 표적 수가 증가함에 따라 MPFA는 CPFA 대비 로봇 1대당 표적 1개당 평균 이동 시간을 최대 31% 줄였으며, p값은 각각 0.03과 0.05였다.
• MPFA의 충돌 시간은 CPFA보다 유의미하게 낮았으며, 특히 군집 크기와 표적 수가 증가함에 따라 더 뛰어난 혼잡 관리 능력을 보였다.
• 군집 크기나 표적 수가 증가함에 따라 MPFA의 탐식 속도 감소 속도가 CPFA보다 둔화되어 더 뛰어난 확장성을 보였다.
• 유전 알고리즘이 MPFA 파라미터를 성공적으로 최적화하였으며, 고표적 환경에서는 페로몬 배치 확률이 증가하고 증발 속도가 느려지는 경향을 관찰하였다.
• MPFA의 성능 우월성은 단지 이동 거리 감소 때문이 아니라, 특히 밀도가 높고 대규모로 배치된 환경에서 효과적인 충돌 회피 덕분이었다.