[논문 리뷰] Coordinated Multi-Agent Pathfinding for Drones and Trucks over Road Networks

Shushman Choudhury, Kiril Solovey외 2명|arXiv (Cornell University)|2021. 10. 17.

Robotic Path Planning Algorithms인용 수 5

한 줄 요약

이 논문은 대규모 도시 도로망에서 드론과 트럭 간의 협동 다중 에이전트 경로 계획(MAPF)을 위한 이단계적 알고리즘 프레임워크를 제안한다. 여기서 드론은 에너지를 절약하기 위해 일시적으로 트럭에 탑승할 수 있다. 트럭 경로 최적화와 복합 도로-이동 네트워크 상에서의 드론 경로 계획으로 문제를 분리함으로써, 독립적인 경로 계획 대비 총 이동 거리를 50퍼센트 이상 감소시키며, 일반 하드웨어에서 5분 이내에 해를 도출한다.

ABSTRACT

We address the problem of routing a team of drones and trucks over large-scale urban road networks. To conserve their limited flight energy, drones can use trucks as temporary modes of transit en route to their own destinations. Such coordination can yield significant savings in total vehicle distance traveled, i.e., truck travel distance and drone flight distance, compared to operating drones and trucks independently. But it comes at the potentially prohibitive computational cost of deciding which trucks and drones should coordinate and when and where it is most beneficial to do so. We tackle this fundamental trade-off by decoupling our overall intractable problem into tractable sub-problems that we solve stage-wise. The first stage solves only for trucks, by computing paths that make them more likely to be useful transit options for drones. The second stage solves only for drones, by routing them over a composite of the road network and the transit network defined by truck paths from the first stage. We design a comprehensive algorithmic framework that frames each stage as a multi-agent path-finding problem and implement two distinct methods for solving them. We evaluate our approach on extensive simulations with up to $100$ agents on the real-world Manhattan road network containing nearly $4500$ vertices and $10000$ edges. Our framework saves on more than $50\\%$ of vehicle distance traveled compared to independently solving for trucks and drones, and computes solutions for all settings within $5$ minutes on commodity hardware.

연구 동기 및 목표

• 드론이 트럭을 일시적으로 이용하여 비행 범위를 연장함으로써 도시 물류에서 총 차량 이동 거리를 최소화하는 데 도전한다.
• 드론과 트럭의 경로를 동시에 최적화하는 데 있어 계산의 비타당성 문제를 해결하기 위해 문제를 처리 가능한 부분 문제로 분리한다.
• 도로망과 트럭 경로에서 유도된 동적 이동 옵션을 통합하여 효율적인 드론 경로 계획을 위한 확장 가능한 프레임워크를 설계한다.
• 실제 도시 도로망(최대 100명의 에이전트)을 대상으로 평가하여 에너지 절감과 이동 거리 절감의 뚜렷한 효과를 입증한다.

제안 방법

• 1단계에서는 MAPF 솔버를 사용해 드론이 효과적으로 이용할 수 있는 트럭 경로를 계산하며, 유리한 경우 최단 경로에서 벗어나도 된다.
• 2단계에서는 트럭 경로를 도로망에 이동 경로 간선으로 중첩시켜 복합 네트워크를 구성함으로써, 드론이 이러한 세그먼트를 영향 없이 이동할 수 있도록 한다.
• 드론 경로 계획 단계에서는 총 비용을 최소화하는 경로를 계산하기 위해 MAPF 솔버를 사용하며, 트럭의 용량 제약 조건을 고려한다.
• 후처리 단계에서 사용되지 않는 트럭은 도로망에서 최단 경로로 재경로 설정되어 전체 효율성을 향상시킨다.
• 두 가지 변형을 구현함: 1단계와 2단계 모두에서 개선된 갈등 기반 검색(ECBS)과 우선순위 계획(PP)을 사용한다.
• 프레임워크는 최대 4500개의 정점과 10,000개의 간선을 가진 맨해튼 도로망에서 평가되었으며, 최대 80架의 드론과 20台의 트럭을 시뮬레이션하였다.

실험 결과

연구 질문

• RQ1 드론과 트럭 간의 협동 경로 계획은 대규모 도시 도로망에서 총 차량 이동 거리를 어떻게 줄일 수 있는가?
• RQ2 합동 최적화 문제를 두 단계의 순차적 MAPF로 분리함으로써, 해 품질을 유지하면서도 계산의 타당성을 어떻게 향상시키는가?
• RQ3 1단계에서의 트럭 경로 계획은 전체 시스템 성능에 어떤 영향을 미치는가? 특히 효과적인 드론 이동을 가능하게 하는 데서의 기여도는?
• RQ4 실제 도시 도로망에서 드론과 트럭의 수가 다양할 경우, 계산 시간과 해 품질 측면에서 이 프레임워크는 어떻게 스케일링되는가?
• RQ5 독립적으로 드론과 트럭을 경로 계획하는 것과 비교해, 이 프레임워크는 상당한 에너지 절감을 달성할 수 있는가?

주요 결과

• 제안된 프레임워크는 드론과 트럭을 별도로 경로 계획하는 것에 비해 총 차량 이동 거리를 50퍼센트 이상 감소시킨다.
• 모든 테스트 설정에서 일반 하드웨어에서 5분 이내에 솔루션을 도출하였으며, 맨해튼 도로망에서 최대 100명의 에이전트를 대상으로 하였다.
• 제거 실험 결과, 1단계에서 트럭 경로 계획이 성능에 크게 기여하는 것으로 나타났다. D-PP 변형(트럭을 최단 경로로 직접 설정)은 전체 PP 접근 방식 대비 최대 20퍼센트 더 열악한 해를 도출하였다.
• 용량 10인 15대의 트럭과 60대의 드론 설정에서, 전체 PP 프레임워크는 D-PP 대비 20퍼센트 이상 우수한 해를 달성하였다. 이는 최적화된 트럭 경로의 가치를 입증한다.
• 프레임워크는 높은 확장성을 유지하며, 에이전트 수가 증가함에 따라 일관된 성능을 보였다. 또한 드론 대 트럭 비율 변화에 대해서도 안정적인 성능 유지를 보였다.
• 결과는 트럭을 통한 협동 이동이 상당한 에너지 절감을 가능하게 하며, 도시 물류에서 하이브리드 드론-트럭 배송 체계의 실현 가능성을 높임을 보여준다.