[논문 리뷰] Energy-Aware Multi-Robot Task Allocation in Persistent Tasks

Ehsan Latif, Yikang Gui외 2명|arXiv (Cornell University)|2021. 12. 31.

Modular Robots and Swarm Intelligence인용 수 4

한 줄 요약

이 논문은 지속적인 채굴 작업을 수행하는 다중 로봇 시스템을 위한 분산형 에너지 인식 작업 할당 알고리즘을 제안한다. 에너지 소모, 재충전, 작업 성능 간의 균형을 고려하며, 동적 에너지 임계값, 탈중앙화된 의사결정, 랜덤화를 통한 死체크 방지 기법을 통해 기존의 탐욕스러운 기준 대비 로봇 생존율과 보물 수확량을 15% 향상시키고, 재충전 대기 시간을 감소시킨다.

ABSTRACT

The applicability of the swarm robots to perform foraging tasks is inspired by their compact size and cost. A considerable amount of energy is required to perform such tasks, especially if the tasks are continuous and/or repetitive. Real-world situations in which robots perform tasks continuously while staying alive (survivability) and maximizing production (performance) require energy awareness. This paper proposes an energy-conscious distributed task allocation algorithm to solve continuous tasks (e.g., unlimited foraging) for cooperative robots to achieve highly effective missions. We consider efficiency as a function of the energy consumed by the robot during exploration and collection when food is returned to the collection bin. Finally, the proposed energy-efficient algorithm minimizes the total transit time to the charging station and time consumed while recharging and maximizes the robot's lifetime to perform maximum tasks to enhance the overall efficiency of collaborative robots. We evaluated the proposed solution against a typical greedy benchmarking strategy (assigning the closest collection bin to the available robot and recharging the robot at maximum) for efficiency and performance in various scenarios. The proposed approach significantly improved performance and efficiency over the baseline approach.

연구 동기 및 목표

• 한정된 배터리 용량을 가진 실세계 환경에서 지속적인 작업에 대한 다중 로봇 작업 할당의 에너지 인식 부족 문제를 해결하기 위해.
• 지속적인 채굴 미션에서 작업 성능을 극대화하면서도 로봇 생존율과 네트워크 연결성을 유지하기 위해.
• 중앙 집중적 조율 없이도 채굴과 재충전을 균형 있게 유지할 수 있는 탈중앙화되고 확장 가능한 솔루션을 개발하기 위해.
• 이동 및 수거 중의 에너지 소모와 재충전 동역학을 모두 고려함으로써 에너지 낭비를 줄이고 시스템 효율성을 향상시키기 위해.
• 다양한 자원이나 정류장에 동시에 접근하는 다수의 로봇이 발생할 수 있는 무한 대기 상태를 방지하기 위해 랜덤화된 의사결정 및 에너지 수준 기반 상태 전이 전략을 통해 死체크를 방지하기 위해.

제안 방법

• 알고리즘은 동적 에너지 임계값을 사용한다: 로봇은 에너지가 20%로 떨어지면(즉, E_min) 재충전 정류장으로 복귀하여 조기 고갈을 방지한다.
• 분산된 작업 할당 메커니즘을 적용하여, 로봇은 지역적 에너지 수준과 수집통 또는 재충전 정류장까지의 거리에 따라 자율적으로 채굴 또는 재충전을 결정한다.
• 최대 연결성 그래프 알고리즘을 통해 네트워크 무결성을 유지하며, 로봇들이 상호 통신 범위 내에 있도록 보장함으로써 정보 공유 및 조율을 지원한다.
• 에너지 소모는 공식 E_t = E_{t-1} - (α×1 + β×distance(t) + γ×isTreasurePicked)로 모델링되며, 정적, 동적, 수거 에너지 비용에 대해 각각 α=0.1, β=2, γ=0.1을 사용한다.
• 재충전은 E_t = E_{t-1} + δ×1로 모델링되며, δ=0.5로 정류장에서의 재충전 속도를 나타낸다.
• 死체크 방지 전략은 자원이나 정류장에 동시에 목표를 둔 로봇이 발생할 경우를 대비해 작업 할당 의사결정에 랜덤화를 도입함으로써 무한 대기 상태를 방지한다.

실험 결과

연구 질문

• RQ1 분산형 다중 로봇 시스템은 어떻게 채굴과 재충전을 효율적으로 균형 잡으며, 작업 성능을 극대화하면서도 로봇 생존율을 확보할 수 있는가?
• RQ2 지속적인 작업에서 에너지 소모와 작업 완료 간의 최적의 트레이드오프를 이루기 위해 어떤 에너지 임계값과 의사결정 규칙이 필요한가?
• RQ3 네트워크 유지 기능을 통합할 경우, 로봇 군집의 에너지 인식 작업 할당의 성능과 강건성에 어떤 영향을 미치는가?
• RQ4 사전 정의된 무한 대기 상태를 방지하기 위한 死체크 방지 전략은 탈중앙화된 작업 할당에서 얼마나 시스템 안정성과 성능 향상에 기여하는가?
• RQ5 에너지 인식 작업 할당은 거리와 완전한 재충전을 우선시하는 탐욕스러운 전략에 비해 얼마나 뛰어난 성능을 보이는가?

주요 결과

• 제안된 알고리즘은 기존의 탐욕스러운 기준 대비 15개 더 많은 보물을 수확했으며, 死체크 방지를 고려하지 않은 기준 대비 5개 더 많은 성과를 기록하여 지속적인 채굴 작업에서 뛰어난 성능을 입증했다.
• 전체 이동 거리는 더 길었음에도 불구하고, 제안된 방법은 기준 대비 재충전 대기 시간을 30% 감소시켜 더 나은 스케줄링 효율성을 보였다.
• 모든 시뮬레이션 기간 동안 평균 생존 로봇 수가 더 높게 유지되었으며, 이는 최적화된 재충전 타이밍 덕분에 로봇 생존율이 향상되었음을 시사한다.
• 네트워크 유지 기능을 제외한 경우 성능이 떨어졌으며, 이는 네트워크 무결성이 지속적인 작업 효율성과 로봇 수명 연장에 크게 기여한다는 것을 보여준다.
• 死체크 방지 기능 통합으로 생존 로봇 수와 보물 수확량이 증가하여, 작업 할당 과정에서 무한 대기 상태를 효과적으로 방지함을 입증했다.
• 계수 α=0.1, β=2, γ=0.1, δ=0.5를 가진 에너지 모델은 실제 에너지 동역학을 정확히 반영하여 신뢰할 수 있는 시뮬레이션과 성능 평가를 가능하게 했다.