[논문 리뷰] Finding Coordinated Paths for Multiple Holonomic Agents in 2-d Polygonal Environment

Pavel Janovský, Michal Čáp외 1명|arXiv (Cornell University)|2014. 02. 14.

Robotic Path Planning Algorithms참고 문헌 7인용 수 8

한 줄 요약

이 논문은 2차원 다각형 환경에서 다중 에이전트 경로 계획 문제를 해결하기 위해 RRT* 계획과 반응형 충돌 회피(ORCA)를 융합한 하이브리드 알고리즘인 ORCA-RRT*를 제안한다. RRT*가 국소 최소값을 벗어나는 능력과 ORCA가 고밀도 상황에서의 효율성을 결합함으로써, 개별적으로는 해결할 수 없는 복잡한 인스턴스—특히 다수의 에이전트와 큰 반경을 가진 경우—에서 뛰어난 성공률과 해의 품질을 달성한다.

ABSTRACT

Avoiding collisions is one of the vital tasks for systems of autonomous mobile agents. We focus on the problem of finding continuous coordinated paths for multiple mobile disc agents in a 2-d environment with polygonal obstacles. The problem is PSPACE-hard, with the state space growing exponentially in the number of agents. Therefore, the state of the art methods include mainly reactive techniques and sampling-based iterative algorithms. We compare the performance of a widely-used reactive method ORCA with three variants of a popular planning algorithm RRT* applied to multi-agent path planning and find that an algorithm combining reactive collision avoidance and RRT* planning, which we call ORCA-RRT* can be used to solve instances that are out of the reach of either of the techniques. We experimentally show that: 1) the reactive part of the algorithm can efficiently solve many multi-agent path finding problems involving large number of agents, for which RRT* algorithm is often unable to find a solution in limited time and 2) the planning component of the algorithm is able to solve many instances containing local minima, where reactive techniques typically fail.

연구 동기 및 목표

• 2차원 다각형 장애물 환경에서 휠체어형 다수의 에이전트에 대해 충돌 없는 경로를 조율하는 문제를 해결하기 위해.
• 기존 접근법인 RRT*와 ORCA가 복잡한 다중 에이전트 경로 계획 문제에서 가지는 한계를 평가하기 위해.
• 계획 기반 기법과 반응 기반 기법의 장점을 살린 하이브리드 알고리즘을 개발하고 검증하기 위해.
• 에이전트 수가 많거나 에이전트 반경이 클 경우 해의 품질과 성공률을 향상시키기 위해.
• RRT*와 ORCA의 조합이 이전에는 해결이 어려웠던 문제 인스턴스를 해결할 수 있음을 보여주기 위해.

제안 방법

• ORCA-RRT* 알고리즘은 실시간 안전성과 최적성 보장을 위해 RRT* 계획과 ORCA의 상호작용 기반 충돌 회피를 통합한다.
• RRT*는 상태 공간을 탐색하고 무작위 샘플링을 통해 국소 최소값을 벗어나며, ORCA는 실행 중 즉각적인 충돌 없는 운동을 보장한다.
• 알고리즘은 anytime 성격을 지녀, RRT* 트리를 정밀화하고 ORCA를 통해 속도를 조정함으로써 시간이 지남에 따라 점진적으로 해를 개선한다.
• 3종류의 RRT* 변형체—Line-RRT*, VisibilityGraph-RRT*, ORCA-RRT*—을 테스트하였으며, ORCA-RRT*는 양쪽 기능을 통합한 것이다.
• 알고리즘은 연속 공간에서 작동하며, 에이전트를 크기가 무시할 수 없는 원형으로 모델링하고 다각형 장애물을 고려한다.
• 성공률와 해의 품질은 시간 제한, 에이전트 수, 에이전트 반경을 다양하게 설정하여 평가되었다.

실험 결과

연구 질문

• RQ1 RRT*와 ORCA를 융합한 하이브리드 접근법이 복잡한 다중 에이전트 경로 계획 문제에서 개별적으로 사용되는 방법보다 뛰어난 성능을 보일 수 있는가?
• RQ2 계획 기반과 반응 기반의 융합이 다수의 에이전트나 큰 반경을 가진 경우의 성공률을 어떻게 향상시키는가?
• RQ3 ORCA-RRT*가 일반적으로 반응 기반 방법인 ORCA가 갇히기 쉬운 국소 최소값을 얼마나 효과적으로 극복하는가?
• RQ4 해의 품질은 시간이 지남에 따라 어떻게 변화하는가? 시간 제약 하에서도 ORCA-RRT*는 점진적인 개선을 유지하는가?
• RQ5 RRT*와 ORCA 각각으로는 해결이 불가능한 문제 인스턴스가 있으며, ORCA-RRT*는 이를 해결할 수 있는가?

주요 결과

• ORCA-RRT*는 다수의 에이전트와 큰 반경을 가진 상황에서 성공률가 거의 1에 수렴했으며, 둘 다 극한 조건이 동시에 적용될 경우 약간의 감소만 보였다.
• 알고리즘은 RRT*나 ORCA 각각으로는 해결이 불가능한 인스턴스—특히 좁은 복도에서 장기적인 조율이 필요한 경우—를 성공적으로 해결했다.
• ORCA-RRT*는 항상 최고의 해의 품질을 달성했으며, 5초와 1초의 시간 제한 하에서 테스트 인스턴스의 50% 이상에서 부적합도 측면에서 1위를 기록했다.
• ORCA는 초기에 높은 품질의 해를 찾았지만, 더 많은 시간이 흐르더라도 향상되지 않았다. 반면 ORCA-RRT*는 점진적인 개선을 보였으며, 시간이 지남에 따라 해의 품질이 향상되었다.
• VisibilityGraph-RRT*는 부적합도 순위에서 가장 열악했고, Line-RRT*는 더 빠른 샘플링 덕분에 더 나은 성능을 보였지만, 둘 다 ORCA-RRT*에 뒤지지 않았다.
• 계획 기반(RRT*)과 반응 기반 회피(ORCA)의 조합 덕분에 ORCA-RRT*는 고밀도 상황과 국소 최소값을 모두 처리할 수 있었으며, 이는 각각의 구성 요소만으로는 해결이 어려운 문제였다.