[논문 리뷰] Improving LaCAM for Scalable Eventually Optimal Multi-Agent Pathfinding

Keisuke Okumura|arXiv (Cornell University)|2023. 05. 05.

Robotic Path Planning Algorithms인용 수 5

한 줄 요약

이 논문은 확장 가능한 다중 에이전트 경로 찾기(MAPF)를 위한 anytime, 최적 해에 수렴하는 LaCAM 알고리즘의 변종인 LaCAM$^\ast}$를 소개한다. 라이센스 성능 기반의 후속 생성 기법과 anytime 검색 프레임워크를 통합하고, PIBT 기반의 구성 생성기를 개선함으로써 LaCAM$^\ast}$는 몇 초 내에 부분 최적 해를 도출하면서도 최종적으로 최적 해로 수렴함을 보장한다. 표준 PC에서 최대 1,000명의 에이전트가 포함된 99%의 벤치마크 인스턴스를 10초 이내에 해결한다.

ABSTRACT

This study extends the recently-developed LaCAM algorithm for multi-agent pathfinding (MAPF). LaCAM is a sub-optimal search-based algorithm that uses lazy successor generation to dramatically reduce the planning effort. We present two enhancements. First, we propose its anytime version, called LaCAM*, which eventually converges to optima, provided that solution costs are accumulated transition costs. Second, we improve the successor generation to quickly obtain initial solutions. Exhaustive experiments demonstrate their utility. For instance, LaCAM* sub-optimally solved 99% of the instances retrieved from the MAPF benchmark, where the number of agents varied up to a thousand, within ten seconds on a standard desktop PC, while ensuring eventual convergence to optima; developing a new horizon of MAPF algorithms.

연구 동기 및 목표

• 다중 에이전트 경로 찾기(MAPF)에서 해의 품질, 속도, 확장성 간의 상충 관계를 해결한다.
• 부분 최적 해를 도출하는 확장 가능한 기반의 MAPF 알고리즘에 최종 최적성을 보장한다.
• 향상된 후속 생성 기법을 통해 초기 해의 품질과 계획 효율성을 향상시킨다.
• 이전 알고리즘이 실패하는 대규모, 고밀도 MAPF 인스턴스에서 높은 성능을 달성한다.

제안 방법

• LaCAM을 점진적으로 해의 품질을 향상시키는 anytime 알고리즘인 LaCAM$^\ast}$로 확장한다.
• 충돌 검사를 필요할 때까지 연기하는 라이센스 후속 생성 메커니즘을 도입하여 계획 오버헤드를 감소시킨다.
• PIBT(Prioritized Iterative Best-First Search with Time) 알고리즘을 개선하여 더 높은 품질의 초기 구성 설정을 생성한다.
• 전이 비용을 사용할 경우 최적 해로의 최종 수렴을 보장하는 비용 누적 메커니즘을 통합한다.
• 교환 연산을 통합한 구성 생성기를 사용하여 초기 경로 품질을 향상시킨다.
• 완전성을 유지하면서 최적 경로를 향해 검색을 이끄는 휴리스틱 함수를 사용하는 A$^*$와 유사한 검색 프레임워크를 적용한다.

실험 결과

연구 질문

• RQ1 부분 최적 해를 도출하는 확장 가능한 MAPF 알고리즘을 성능 저하 없이 최종 최적 해로 수렴하도록 만들 수 있는가?
• RQ2 대규모 MAPF 문제에서 더 나은 초기 해를 도출하기 위해 후속 생성 방식을 어떻게 개선할 수 있는가?
• RQ3 LaCAM$^\ast}$는 대규모 고밀도 인스턴스에서 기존의 anytime 및 유계 부분 최적 MAPF 알고리즘보다 어느 정도 뛰어나게 성능을 발휘하는가?
• RQ4 라이센스 제약 추가와 anytime 정밀 조정의 조합이 실용적 환경에서 속도와 최적성의 이중 목표를 동시에 달성할 수 있는가?

주요 결과

• LaCAM$^\ast}$는 표준 데스크톱 PC에서 최대 1,000명의 에이전트가 포함된 13,900개의 벤치마크 MAPF 인스턴스 중 99%를 10초 이내에 해결했다.
• 알고리즘은 최종적으로 최적 해로 수렴하였으며, 50명의 에이전트 인스턴스에서 초기 평균 손실이 1초에 159에서 30초에 118로 감소함을 확인했다.
• 매우 고밀도 환경(에이전트 대 정점 비율 90%)에서, LaCAM$^\ast}$는 maze-128-128-10 지ap에서 9,772개 인스턴스를 모두 해결했으며, 초기 해 도출 시간의 중앙값은 55.54초였다.
• random-32-32-20 지도에서 150명의 에이전트에 대해 LaCAM$^\ast}$는 60초 이내에 25개 인스턴스를 모두 해결했고, AFS는 전부 실패하여 더 뛰어난 확장성을 입증했다.
• 향상된 PIBT 기반 생성기는 초기 해 품질을 크게 향상시켰으며, 기준 AFS 대비 50명의 에이전트 인스턴스에서 초기 손실을 88에서 1로 감소시켰다.
• LaCAM$^\ast}$는 CBS와 EECBS와 같은 최첨단 알고리즘보다 대규모 고밀도 지도에서 확장성과 해 품질 측면에서 뛰어난 성능을 발휘했다.