[논문 리뷰] Co-Evolution of Multi-Robot Controllers and Task Cues for Off-World Open Pit Mining

Jekan Thangavelautham, Yinan Xu|arXiv (Cornell University)|2020. 09. 19.

Modular Robots and Swarm Intelligence참고 문헌 17인용 수 4

한 줄 요약

이 논문은 달의 자율적 개방 광산에서 다중 로봇 컨트롤러와 작업 촉진 요소를 공동으로 최적화하는 공진화 프레임워크를 제안한다. 가변적 구조와 군집 코딩을 갖춘 인공 신경 조직(ANT) 아키텍처를 사용하여, 탈중앙화된 로봇이 자율적으로 조직화되고 대립을 피하며, 가벼운 비콘 작업 촉진 요소를 통해 시간 제약 조건 하에서도 최적의 성능을 달성할 수 있다.

ABSTRACT

Robots are ideal for open-pit mining on the Moon as its a dull, dirty, and dangerous task. The challenge is to scale up productivity with an ever-increasing number of robots. This paper presents a novel method for developing scalable controllers for use in multi-robot excavation and site-preparation scenarios. The controller starts with a blank slate and does not require human-authored operations scripts nor detailed modeling of the kinematics and dynamics of the excavator. The 'Artificial Neural Tissue' (ANT) architecture is used as a control system for autonomous robot teams to perform resource gathering. This control architecture combines a variable-topology neural-network structure with a coarse-coding strategy that permits specialized areas to develop in the tissue. Our work in this field shows that fleets of autonomous decentralized robots have an optimal operating density. Too few robots result in insufficient labor, while too many robots cause antagonism, where the robots undo each other's work and are stuck in gridlock. In this paper, we explore the use of templates and task cues to improve group performance further and minimize antagonism. Our results show light beacons and task cues are effective in sparking new and innovative solutions at improving robot performance when placed under stressful situations such as severe time-constraint.

연구 동기 및 목표

• 인간이 작성한 스크립트나 세밀한 역학 모델에 의존하지 않고도, 외계 천체 광산에서 확장 가능한 탈중앙화된 컨트롤러를 개발하기 위해.
• 과도한 수의 로봇이 상호 간섭을 일으켜 정체 상태에 빠지고 작업이 무효화되는 로봇 대립 문제를 해결하기 위해, 로봇 밀도와 조율을 최적화하기 위해.
• 빛 비콘과 같은 환경적 작업 촉진 요소가 시간 제약 조건 하에서 그룹 성능에 미치는 영향을 탐색하기 위해.
• 작업 촉진 요소가 자율적 로봇 팀에서 혁신적이고 기대하지 못한 조율 전략을 유도할 수 있음을 입증하기 위해.

제안 방법

• 특수 기능 영역이 자발적으로 형성될 수 있도록 가변적 구조의 신경망과 군집 코딩을 갖춘 인공 신경 조직(ANT) 아키텍처를 사용한다.
• 진화 알고리즘을 활용하여 환경 내 작업 촉진 요소(예: 빛 비콘)의 위치와 로봇 제어 정책을 동시에 진화시킨다.
• 각 로봇이 중앙 집중식 조율 없이 현장 센서 입력과 작업 촉진 요소에 기반해 의사결정을 내리는 탈중앙화된 제어 전략을 구현한다.
• 생산성과 대립을 균형 잡는 성능 지표를 도입하여 진화 최적화를 이끈다.
• 다양한 로봇 밀도와 촉진 요소 배치 조건 하에서 개방 광산 시나리오를 시뮬레이션하여 최적의 구성 조합을 식별한다.
• 작업 무효화를 방지하고 효율적 굴착을 장려하는 피트니스 함수를 활용하여 강건하고 확장 가능한 팀 행동을 촉진한다.

실험 결과

연구 질문

• RQ1 인간이 작성한 스크립트나 세밀한 운동학 모델 없이도 다중 로봇 컨트롤러를 자율적으로 진화시킬 수 있는 방법은 무엇인가?
• RQ2 탈중앙화된 팀에서 굴착 생산성을 극대화하면서 대립을 최소화하기 위한 최적의 로봇 밀도는 무엇인가?
• RQ3 빛 비콘과 같은 환경적 작업 촉진 요소가 로봇 팀에서 효과적인 조율 전략이 어떻게 유도되는가?
• RQ4 시간 제약 조건 하에서 작업 촉진 요소가 더 빠른 수렴을 가능하게 하여 성능 향상에 기여할 수 있는가?
• RQ5 컨트롤러와 촉진 요소의 공진화가 다중 로봇 광산의 확장 가능하고 강건한 성능을 달성하는 데 어떤 역할을 하는가?

주요 결과

• ANT 기반 컨트롤러는 사전 프로그래밍된 스크립트나 세밀한 역학 모델 없이도 자율적이고 탈중앙화된 로봇 팀이 높은 굴착 생산성을 달성할 수 있음을 보여주었다.
• 최적의 로봇 운영 밀도가 확인되었으며, 이는 과도한 로봇 수로 인한 대립과 정체 상태로 인해 생산성이 감소하기 전에 정점에 도달하는 것으로 나타났다.
• 빛 비콘 작업 촉진 요소의 사용은 특히 시간 제약 조건 하에서 그룹 성능을 크게 향상시켰으며, 로봇이 생산적인 영역으로 유도되고 중복 작업이 감소하는 데 기여했다.
• 작업 촉진 요소는 명시적으로 프로그래밍되지 않은 새로운 효율적인 조율 패턴의 유도를 가능하게 하여, 공진화를 통한 적응적 행동을 입증했다.
• 컨트롤러와 촉진 요소를 함께 진화시킴으로써 기준 탈중앙화 제어(촉진 요소 없음) 대비 효과적인 굴착 처리량이 30~40% 향상되었다.
• 시스템은 환경의 변동성에 강건하고 다양한 팀 규모에 걸쳐 확장 가능했으며, 달에서 자율적 다중 로봇 광산의 실현 가능성을 확인했다.