[논문 리뷰] An Integrated Decision and Control Theoretic Solution to Multi-Agent Co-Operative Search Problems

Titas Bera, Rajarshi Bardhan외 1명|arXiv (Cornell University)|2017. 04. 24.

Distributed Control Multi-Agent Systems참고 문헌 27인용 수 4

한 줄 요약

이 논문은 통신이 없는 조건에서 미지의 환경에서 다중 에이전트 협동 탐색을 위한 탈중앙화된, 인지 기반의 결정 및 제어 프레임워크를 제안한다. RRT를 통한 랜덤화된 경로 계획과 에이전트 행동 추정을 활용하여, 위치 추정 오차가 최대 4m일 경우에도 랜덤 탐색 대비 70% 낮은 불확실성과 88% 적은 충돌을 달성하는 안정적이고 조율된 탐색을 실현한다.

ABSTRACT

This paper considers the problem of autonomous multi-agent cooperative target search in an unknown environment using a decentralized framework under a no-communication scenario. The targets are considered as static targets and the agents are considered to be homogeneous. The no-communication scenario translates as the agents do not exchange either the information about the environment or their actions among themselves. We propose an integrated decision and control theoretic solution for a search problem which generates feasible agent trajectories. In particular, a perception based algorithm is proposed which allows an agent to estimate the probable strategies of other agents' and to choose a decision based on such estimation. The algorithm shows robustness with respect to the estimation accuracy to a certain degree. The performance of the algorithm is compared with random strategies and numerical simulation shows considerable advantages.

연구 동기 및 목표

• 통신이 금지된 조건에서, 에이전트가 센서 데이터나 행동을 공유할 수 없는 미지의 환경에서 다중 에이전트 협동 탐색의 과제를 해결하기 위해.
• 직접적인 통신이 부족함에도 불구하고 다른 에이전트의 행동과 환경 상태를 추정함으로써 에이전트가 효과적으로 조율할 수 있도록 탈중앙화된 해결책을 개발하기 위해.
• 실제 차량 동역학을 반영한 동적인 불확실한 환경에서 랜덤 탐색 전략에 비해 탐색 효율성과 강건성을 향상시키기 위해.
• 이웃 에이전트에 대한 인식이 불완전하더라도 낮은 충돌률과 균일한 환경 불확실성 감소를 보장하기 위해.

제안 방법

• 에이전트는 이웃 에이전트의 가능성을 추정하는 인지 기반 접근 방식을 사용하며, 이러한 추정치를 국부적 의사결정 과정에 통합한다.
• 불확실성 하에서 실현 가능하고 충돌 없는 경로를 계산하기 위해 빠르게 탐색하는 랜덤 트리(Rapidly-exploring Random Trees, RRT) 기반의 랜덤화된 경로 생성 방법을 적용한다.
• 각 에이전트는 그리드 셀 기반의 시간 평균 및 분산 기반 지표를 사용하여 환경 불확실성에 대한 믿음 상태를 유지하며, 센서 관측치에 따라 이를 갱신한다.
• 국부적 목적 함수는 다른 이의 인식된 행동과 환경 불확실성 감소를 통합하여, 통신 없이도 탈중앙화된 조율을 가능하게 한다.
• 차량 동역학은 비호환성 운동학 모델(x, y, θ, v, φ)을 사용하며, 상태 추정에는 ±2m에서 ±4m의 위치 오차 분산이 포함된다.
• 500회의 몬테카를로 시뮬레이션을 통해 다양한 에이전트 수, 탐지 반경, 추정 오차 조건에서 성능을 평가한다.

실험 결과

연구 질문

• RQ1 통신이 없는 탈중앙화된 다중 에이전트 탐색 시스템이 타 에이전트 행동을 인지함으로써 조율된 행동을 달성할 수 있는가?
• RQ2 이웃 에이전트 위치의 추정 오차가 전체 탐색 성능과 불확실성 감소에 어떤 영향을 미치는가?
• RQ3 제안된 인지 기반 방법이 랜덤 탐색 대비 불확실성 감소와 충돌 회피 측면에서 어느 정도 뛰어난가?
• RQ4 제안된 방법은 인식된 에이전트 행동과 환경 상태의 부정확성에 대해 강건한가?

주요 결과

• 제안된 방법은 500회의 시뮬레이션 시행 동안 랜덤 탐색 대비 평균 환경 불확실성을 약 70% 감소시켰다.
• 최대 ±4m의 추정 오차가 존재하는 상황에서도 평균 셀 불확실성은 안정적으로 유지되어 인식 오차에 대한 강력한 강건성을 보였다.
• 랜덤 탐색의 평균 6.0건의 충돌 대비, 본 방법은 평균 0.7건의 충돌을 기록하여 훨씬 뛰어난 조율 능력을 입증했다.
• 모든 오차 수준에서 셀 불확실성 분산이 낮게 유지되어(0.15 이하), 균일하고 일관된 탐색 커버리지를 보였다.
• 알고리즘은 τ-확률 완전성(τ-probabilistic completeness)을 보였으며, 시간이 지남에 따라 해에 수렴할 가능성이 높다는 것을 보장했다.
• 에이전트 수가 많아질수록 성능 향상이 나타났다: n=10일 경우 n=6보다 훨씬 낮은 불확실성과 더 빠른 수렴을 달성했다.