[논문 리뷰] C$^2$-Explorer: Contiguity-Driven Task Allocation with Connectivity-Aware Task Representation for Decentralized Multi-UAV Exploration

Xinlu Yan, Mingjie Zhang외 6명|arXiv (Cornell University)|2026. 03. 08.

Robotics and Sensor-Based Localization인용 수 0

한 줄 요약

C2-Explorer는 연결성 인식 작업 표현과 연속성 기반 CVRP를 사용하여 제한된 통신하에서 공간적으로 인접한 작업을 할당하는 분산 다중 UAV 탐사 프레임워크를 제시하고, 탐사 효율성을 향상시키고 우회 경로를 줄입니다.

ABSTRACT

Efficient multi-UAV exploration under limited communication is severely bottlenecked by inadequate task representation and allocation. Previous task representations either impose heavy communication requirements for coordination or lack the flexibility to handle complex environments, often leading to inefficient traversal. Furthermore, short-horizon allocation strategies neglect spatiotemporal contiguity, causing non-contiguous assignments and frequent cross-region detours. To address this, we propose C$^2$-Explorer, a decentralized framework that constructs a connectivity graph to decompose disconnected unknown components into independent task units. We then introduce a contiguity-driven allocation formulation with a graph-based neighborhood penalty to discourage non-adjacent assignments, promoting more contiguous task sequences over time. Extensive simulation experiments show that C$^2$-Explorer consistently outperforms state-of-the-art (SOTA) baselines, reducing average exploration time by 43.1\% and path length by 33.3\%. Real-world flights further demonstrate the system's feasibility. The code will be released at https://github.com/Robotics-STAR-Lab/C2-Explorer

연구 동기 및 목표

• 작업 표현과 배치의 연속성을 다루어 제한된 통신 하에서 효율적인 다중 UAV 탐사를 촉진한다.
• 공간적으로 분리된 영역을 독립적인 작업 단위로 나누기 위해 연결성 인식 작업 표현을 제안한다.
• 인접 페널티를 포함하여 연속적인 작업 시퀀스를 촉진하는 연속성 기반 작업 할당 방법을 개발한다.
• 각 UAV에 대해 분산 CVRP 기반 작업 할당과 CP 지향 계획을 가능하게 한다.
• 시뮬레이션 및 실제 실험을 통해 성능을 검증한다.

제안 방법

• 영역 연결성을 기반으로 미지 공간을 독립적인 작업 단위로 분해하기 위해 거친 격자 연결 그래프를 구성한다.
• 각 공간적으로 분리된 미지 영역이 위상 고정점을 가진 작업 단위가 되도록 연결성 인식 작업 표현을 정의한다.
• 정규화된 인접 비율과 연결 반경을 사용한 그래프 인접 연속성 페널티를 갖는 CVRP로 연속성 기반 작업 할당을 공식화한다.
• 지도상의 하이브리드 A* 경로 거리와 연결 그래프상의 그래프 기반 A*를 사용하여 탐색 비용을 계산한다.
• 손실되거나 순서가 어긋난 통신을 허용하기 위해 커밋 스타일 핸드셰이크를 통해 UAV별 작업 시퀀스를 디스패치한다.
• 각 UAV에 대한 CP 지향 계획은 속도/가속 인식 간선 비용과 매끄러운 B-스플라인 궤적을 갖는 ATSP 기반 글로벌 시퀀싱을 통합한다.

실험 결과

연구 질문

• RQ1 연결성 인식 표현이 다중 UAV 탐사를 위한 작업 단위 정의를 어떻게 개선할 수 있는가?
• RQ2 연속성 인식 CVRP 할당이 영역 간 꼬임을 줄이고 작업의 시간적/공간적 연속성을 개선할 수 있는가?
• RQ3 제한된 통신이 분산 작업 할당 및 탐사 효율에 미치는 영향은 무엇인가?
• RQ4 연속성 정규화를 통한 CP 지향 계획이 다양한 환경에서 최첨단 기준선에 비해 얼마나 성능을 발휘하는가?
• RQ5 실세계 배치가 효율성과 견고성에서 시뮬레이션 이점을 검증하는가?

주요 결과

장면	드론 수	방법	탐사 시간 (초)	총 경로 길이 (m)	비행 속도 (m/s)
Cubicle Office	4	저희	43.0 ± 4.9	243.9	1.82 ± 0.04
Open-plan Office	4	저희	43.0 ± 4.9	243.9	1.82 ± 0.04
Octa Maze	4	저희	43.0 ± 4.9	243.9	1.82 ± 0.04

• C2-Explorer는 시뮬레이션 벤치마크에서 SOTA 기준선과 비교하여 탐사 시간을 43.1% 감소시킨다.
• 전체 경로 길이를 평균 33.3% 감소시킨다.
• 실세계 비행은 분산 할당 및 계획의 실행 가능성과 견고성을 보여준다.
• 연결 기반 작업 분해는 분리된 영역의 결합을 방지하고 잘못된 작업을 피하여 할당 품질을 향상시킨다.
• CVRP의 연속성 페널티는 공간적/시간적 연속이 있는 작업 시퀀스를 유도하여 영역 간 우회를 줄인다.
• 팀 규모가 커져도 탐사 시간 감소는 지속적으로 강하고 경로 길이 증가도 기준선에 비해 완만하게 유지된다.