[논문 리뷰] An integrated dynamic method for allocating roles and planning tasks for mixed human-robot teams

Fabio Fusaro, Edoardo Lamon외 2명|arXiv (Cornell University)|2021. 01. 01.

Scheduling and Optimization Algorithms참고 문헌 18인용 수 25

한 줄 요약

이 논문은 혼합된 인간-로봇 팀 내에서 실시간으로 작업과 역할을 할당하기 위해 행동 트리(Behavior Trees, BTs)와 온라인 혼합정수선형계획법(Mixed-Integer Linear Programming, MILP) 하위 문제를 통합한 동적 방법을 제안한다. 작업을 행동 트리로 모델링하고, 역할 할당 노드를 통해 간소화된 MILP 하위 문제를 풀어 작업 소요 시간, 가용성, 인체공학적 요소를 고려한 작업-작업자 비용 기반으로 할당함으로써, 선형 계산 복잡도 스케일링과 최적의 에이전트 할당을 달성하는 효율적이고 적응 가능한 작업 계획이 가능해지며, 시뮬레이션을 통해 작업 완료 시간 단축과 균형 잡힌 작업 부하 분배가 확인되었다.

ABSTRACT

This paper proposes a novel dynamic method based on Behavior Trees (BTs) that integrates planning and allocation of tasks in mixed human robot teams, suitable for manufacturing environments. The Behavior Tree formulation allows encoding a single job as a compound of different tasks with temporal and logic constraints. In this way, instead of formulating an offline centralized optimization problem, the role allocation problem is solved with multiple simplified online optimization sub-problems, without complex and cross-schedule task dependencies. These sub-problems are defined as Mixed-Integer Linear Programs (MILPs), that, according to the worker-actions related costs and the workers' availability, allocate the yet-to-execute tasks among the available workers. To characterize the behavior of the developed method, we opted to perform different simulation experiments, in which the results of the action-worker allocation and the computational complexity are evaluated. The obtained results, due to the nature of the algorithm and to the possibility of simulating the agents' behavior, illustrate adequately also how the algorithm performs in real experiments.

연구 동기 및 목표

• . 이 논문은 혼합된 인간-로봇 팀에서의 영구적인 제조 환경에서 유연성을 확보하기 위해 동적으로 역할과 작업을 할당하고 계획하는 데 도전하는 문제를 다룬다.
• 기존의 이중 단계 접근 방식(오프라인 계획 및 중심집중 최적화)의 한계를 극복하기 위해 역할 할당과 작업 계획을 하나의 반응형 프레임워크로 통합하고자 한다.
• 전체 작업 수를 고려하지 않고도 온라인 MILP 하위 문제를 통해 일부 작업만 풀어 계산 복잡도를 낮추면서도 최적의 작업 할당을 유지하고자 한다.
• 에이전트의 가용성, 작업 소요 시간, 전문성, 인체공학적 요소와 같은 개별 요소를 비용 함수에 반영하여 팀의 효율성을 향상시키고자 한다.
• 팀 구성과 작업 제약 조건의 변화에 실시간으로 대응할 수 있도록 하여 시간적 및 논리적 의존성을 유지하고자 한다.

제안 방법

• . 이 방법은 작업 수준의 행동을 모델링하기 위해 행동 트리(Behavior Trees, BTs)를 사용하며, 루트 노드가 모든 작업의 실행을 제어하고, 각 작업은 역할 할당자 노드를 통해 관리된다.
• 각 역할 할당자 노드는 작업-작업자 비용 기반으로 다음 작업 집합을 가장 적합한 에이전트에 할당하기 위해 혼합정수선형계획법(Mixed-Integer Linear Program, MILP)을 동적으로 풀어낸다.
• 작업-작업자 비용 함수는 작업 소요 시간, 에이전트 가용성, 인체공학적 요소를 포함하며, 세 가지 변형이 존재한다: 이진 가용성, 연속적 가용성 비용(식 4), 및 영 가용성 비용.
• BT 아키텍처는 네 가지 커스터마이징된 노드를 포함한다: 역할 할당자(정수선형계획법 풀이), 에이전트 처리자(작업을 인간 또는 로봇에 라우팅), 인간 커뮤니케이션(인간 작업자에게 알림), 및 작업(로봇 작업 실행).
• 시스템은 C++로 구현되었으며, ROS Melodic과 BehaviorTree.CPP 라이브러리를 사용하였으며, MILP 해법에는 Osi/GLPK를 사용하였다.
• 중앙집중적 계획 문제를 다수의 경량이고 온라인 하위 문제로 분리함으로써 계산 부담을 줄이면서도 작업 제약 조건을 유지하고자 한다.

실험 결과

연구 질문

• RQ1 . 혼합된 인간-로봇 팀에서 작업 할당과 계획을 통합된 동적 프레임워크로 통합하여 계산 복잡도를 낮출 수 있는가?
• RQ2 . 특히 가용성과 같은 에이전트 관련 비용 정의가 작업 및 역할 할당의 품질에 미치는 영향은 어떠한가?
• RQ3 . 시스템 내 작업 수와 에이전트 수 증가에 따라 계산 시간은 어떻게 변화하는가?
• RQ4 . 전체 작업 완료 시간과 에이전트 대기 시간을 최소화하면서도 최적의 작업 할당을 달성할 수 있는가?
• RQ5 . 다양한 수준의 작업 병렬성과 에이전트 가용성 조건 하에서 이 방법의 성능은 어떠한가?

주요 결과

• . 전체 프레임워크의 계산 시간은 순차적 및 병렬 작업 수에 대해 약 선형적으로 증가함을 확인하여 양호한 확장성을 보였다.
• 크기가 N인 단일 큰 MILP 문제를 풀는 것이, 더 많은 하위 문제를 포함하지만 더 작은 N개의 MILP 문제를 풀는 것보다 빠르며, 이는 더 낮은 오버헤드와 더 나은 솔버 활용도 때문이었다.
• 작업자 수가 증가함에 따라 계산 시간은 최대 병렬 처리 수준(15명)에 도달할 때까지 감소하다가 이후 약 일정하게 유지되었다.
• 연속적 가용성 비용(식 4)을 사용할 경우, 이진 또는 영 가용성 비용보다 더 나은 작업 할당 결과를 얻었으며, 이는 작업 실행 시간과 후속 작업 대기 시간을 모두 최소화하기 때문이다.
• 14개의 작업을 포함한 시뮬레이션에서, 연속적 가용성 비용을 사용할 경우 총 소요 시간을 최소화하는 조건에서 a12 작업을 w1에 할당하였으며, 이는 이진 및 영 비용 변형보다 뛰어난 성능을 보였다.
• 간트 차트 분석을 통해 연속적 가용성 비용 모델이 유휴 시간을 감소시키고, 특히 병렬 작업 집합 이후 순차적 실행이 필요한 작업에서의 협업을 향상시켰다.