[논문 리뷰] A Versatile Multi-Robot Monte Carlo Tree Search Planner for On-Line Coverage Path Planning

Phillip Hyatt, Zachary Brock외 1명|arXiv (Cornell University)|2020. 02. 11.

Robotic Path Planning Algorithms참고 문헌 48인용 수 6

한 줄 요약

이 논문은 몬테카를로 트리 탐색(MCTS) 기반의 다중 로봇 온라인 커버리지 경로 계획 알고리즘을 제안하며, 특히 더 큰 로봇 팀과 비균일한 로봇 배치 조건에서 전통적인 부스트로페도니 기반 계획자보다 완료 시간 측면에서 뛰어난 성능을 보인다. MCTS 계획자는 목적 함수 조정을 통해 전방위적인 목표(예: 회전 수 최소화)를 탌소적으로 통합할 수 있어, 하드코딩된 히우리스틱 없이도 다목적 로봇 작업에 매우 뛰어난 유연성을 보인다.

ABSTRACT

Mobile robots hold great promise in reducing the need for humans to perform jobs such as vacuuming, seeding,harvesting, painting, search and rescue, and inspection. In practice, these tasks must often be done without an exact map of the area and could be completed more quickly through the use of multiple robots working together. The task of simultaneously covering and mapping an area with multiple robots is known as multi-robot on-line coverage and is a growing area of research. Many multi-robot on-line coverage path planning algorithms have been developed as extensions of well established off-line coverage algorithms. In this work we introduce a novel approach to multi-robot on-line coverage path planning based on a method borrowed from game theory and machine learning- Monte Carlo Tree Search. We implement a Monte Carlo Tree Search planner and compare completion times against a Boustrophedon-based on-line multi-robot planner. The MCTS planner is shown to perform on par with the conventional Boustrophedon algorithm in simulations varying the number of robots and the density of obstacles in the map. The versatility of the MCTS planner is demonstrated by incorporating secondary objectives such as turn minimization while performing the same coverage task. The versatility of the MCTS planner suggests it is well suited to many multi-objective tasks that arise in mobile robotics.

연구 동기 및 목표

• 알 수 없는 또는 부분적으로 알려진 환경에 적합한 다목적, 온라인 다중 로봇 커버리지 경로 계획 알고리즘 개발
• MCTS 기반 계획자와 전통적인 부스트로페도니 기반 온라인 계획자 간의 작업 완료 시간 측면에서의 성능 평가
• 핵심 알고리즘 재설계 없이도 보조 목표(예: 회전 수 최소화)를 통합할 수 있는 계획자의 능력 입증
• 로봇 배치 패턴(예: 무작위 대비 벽에 맞춰 배치)이 커버리지 효율성에 미치는 영향 평가
• 기본 커버리지 외에도 복잡한 환경에서의 목표 추적과 같은 다목적 로봇 작업에 MCTS를 적용할 수 있는지 탐색

제안 방법

• MCTS 계획자는 시뮬레이션 기반 트리 탐색을 사용하여 잠재적 로봇 동작을 평가하며, 사용자가 정의한 목적 함수에 따라 경로를 선택한다.
• 각 MCTS 노드는 로봇 구성과 동작 시퀀스를 나타내며, 롤아웃 시뮬레이션을 통해 향후 커버리지 진행도의 기대치를 추정한다.
• 계획자는 실시간으로 로봇 간 상호작용과 장애물 회피를 동적으로 고려하며, 부분적인 환경 지식에도 적응한다.
• 보조 목표(예: 회전 수 최소화)는 목적 함수에 페널티로 포함되어 MCTS가 커버리지와 행동 선호도를 균형 있게 조정할 수 있도록 한다.
• 부스트로페도니 기반 계획자는 기준선으로서, 고정된 벽 따라 가는 방식과 잔디 깎기 패턴을 사용하여 커버리지를 수행한다.
• 시뮬레이션은 로봇 수, 장애물 밀도, 초기 로봇 위치를 변화시켜 알고리즘의 강건성과 확장성 테스트를 수행한다.

실험 결과

연구 질문

• RQ1 MCTS 기반 다중 로봇 온라인 커버리지 계획자와 전통적인 부스트로페도니 기반 계획자 간의 작업 완료 시간 측면에서 성능 비교는 어떻게 되는가?
• RQ2 로봇 배치 패턴(무작위 대비 벽에 맞춰 배치)은 MCTS 및 부스트로페도니 계획자에서 커버리지 효율성에 어떤 영향을 미치는가?
• RQ3 MCTS 계획자는 커버리지 성능을 희생시키지 않고 보조 목표(예: 회전 수 최소화)를 얼마나 효과적으로 통합할 수 있는가?
• RQ4 장애물 밀도는 완료 시간과 어떤 관계가 있으며, MCTS 계획자는 환경 복잡도 증가에 대해 얼마나 내성적인가?
• RQ5 동일한 MCTS 프레임워크는 최소한의 수정으로 목표 추적과 같은 다른 다중 로봇 작업에 어떻게 적용될 수 있는가?

주요 결과

• 로봇이 무작위로 배치된 경우 MCTS 계획자가 부스트로페도니 계획자보다 더 빠른 시간 내에 커버리지 작업을 완료했으며, 이는 더 균일한 공간 분포와 겹침 감소 덕분이었다.
• 장애물 밀도 증가에 따라 둘 다의 계획자 완료 시간은 거의 영향을 받지 않아, 환경 복잡성에 대해 강건함을 보였다.
• 왼쪽 회전을 페널티로 설정했을 때 MCTS 계획자는 왼쪽 회전 수를 30% 감소시켰고, 오른쪽 회전 수를 증가시켜 보조 목표의 효과적인 통합을 입증했다.
• 왼쪽 및 오른쪽 회전 모두 페널티가 적용된 경우 총 회전 수가 크게 감소하여, 목적 함수 수정을 통한 행동 조정 능력을 확인했다.
• 회전 비용이 적용되지 않은 경우 MCTS 계획자가 가장 낮은 완료 시간을 기록하여, 회전 수 최소화와 커버리지 시간 최소화 사이의 상충 관계를 확인했다.
• 목적 함수 변경만으로도 MCTS 프레임워크가 비커버리지 작업(예: 다중 로봇 목표 추적)에 적응 가능함을 정성적으로 입증했다.