[논문 리뷰] Beyond Robustness: A Taxonomy of Approaches towards Resilient Multi-Robot Systems

Amanda Prorok, Matthew Malencia외 4명|arXiv (Cornell University)|2021. 09. 25.

Reinforcement Learning in Robotics참고 문헌 268인용 수 40

한 줄 요약

본 논문은 다중 로봇 시스템의 회복력을 정의하고, 로버스트니스와 대조하며, 지각, 계획, 제어 전반에 걸친 회복력 있는 로봇 네트워크를 설계하기 위한 형식적 분류체계와 프레임워크를 제시한다.

ABSTRACT

Robustness is key to engineering, automation, and science as a whole. However, the property of robustness is often underpinned by costly requirements such as over-provisioning, known uncertainty and predictive models, and known adversaries. These conditions are idealistic, and often not satisfiable. Resilience on the other hand is the capability to endure unexpected disruptions, to recover swiftly from negative events, and bounce back to normality. In this survey article, we analyze how resilience is achieved in networks of agents and multi-robot systems that are able to overcome adversity by leveraging system-wide complementarity, diversity, and redundancy - often involving a reconfiguration of robotic capabilities to provide some key ability that was not present in the system a priori. As society increasingly depends on connected automated systems to provide key infrastructure services (e.g., logistics, transport, and precision agriculture), providing the means to achieving resilient multi-robot systems is paramount. By enumerating the consequences of a system that is not resilient (fragile), we argue that resilience must become a central engineering design consideration. Towards this goal, the community needs to gain clarity on how it is defined, measured, and maintained. We address these questions across foundational robotics domains, spanning perception, control, planning, and learning. One of our key contributions is a formal taxonomy of approaches, which also helps us discuss the defining factors and stressors for a resilient system. Finally, this survey article gives insight as to how resilience may be achieved. Importantly, we highlight open problems that remain to be tackled in order to reap the benefits of resilient robotic systems.

연구 동기 및 목표

• 다중 로봇 네트워크에서 시스템 전체의 역량으로서 회복력을 명확히 하고 형식화한다.
• 전통적 로버스트니스 및 과다 프로비저닝과 회복력을 구분한다.
• 로봇공학에서 회복력 공학에 대한 형식적 모델과 용어를 제공한다.
• 회복력 접근 방식의 분류체계를 제안하고 이를 스트레서 유형과 연결한다.
• 회복력 있는 로봇 시스템의 미해결 문제와 향후 방향을 식별한다.

제안 방법

• 공식 정의와 설명 그림을 통해 회복력을 정의하고 로버스트니스와 대조한다.
• 스트레서의 분류체계(확률적 vs 분포 외; 표적화된 vs 비표적) 및 접근 유형(pre-, intra-, post-operative)을 도입한다.
• 지각, 계획, 제어 영역 전반에서 스트레서와 회복력 목표를 모델링하기 위한 수학적 표기법을 개발한다.
• 제안된 분류체계를 사용해 기존 연구를 분류하고 미해결 문제를 개요한다.
• 세 가지 응용 도메인(지각, 계획, 제어)을 논의하고 각 도메인에서 회복력이 어떻게 나타나는지 설명한다.

실험 결과

연구 질문

• RQ1 다중 로봇 시스템에서 회복력이 무엇으로 정의되며 로버스트니스와 어떻게 다른가?
• RQ2 네트워크화된 로봇공학에서 회복력은 어떻게 모델링, 측정, 엔지니어링될 수 있는가?
• RQ3 로봇공학에서 회복력 전략을 가장 잘 포착하는 스트레서와 접근 유형의 분류체계는 무엇인가?
• RQ4 다중 로봇 시스템의 지각, 계획, 제어 도메인에 회복력 개념이 어떻게 적용되는가?
• RQ5 회복력 있는 다중 로봇 공학을 발전시키기 위해 남아 있는 미해결 문제는 무엇인가?

주요 결과

• 회복력은 시스템 전체의 보완성, 다양성 및 중복성을 활용하여 기능을 유지하거나 중단 시간을 최소화함으로써 달성된다.
• 형식적 분류체계는 회복력 공학을 위한 스트레서(확률적 vs 분포 외)와 접근 유형(pre-, intra-, post-operative)을 구분한다.
• 본 논문은 회복력 설계 및 분석을 지원하는 형식적 모델과 표기법을 제시한다.
• 지각, 계획, 제어 도메인에서의 회복력에 대한 체계적 검토를 제공하고 향후 연구를 위한 미해결 문제를 강조한다.