[논문 리뷰] LaCAM: Search-Based Algorithm for Quick Multi-Agent Pathfinding

Keisuke Okumura|arXiv (Cornell University)|2022. 11. 24.

Robotic Path Planning Algorithms인용 수 4

한 줄 요약

LaCAM은 다중 에이gent 경로 계획(MAPF)을 위한 새로운 완전적이고 효율적인 검색 기반 알고리즘으로, 저수준의 에이전트별 경로 계획으로부터 지연된 제약 조건 생성을 사용하는 이중 수준 검색을 수행한다. 이는 큰 밀도 있는 격자에서 10,000명의 에이전트에 대해서도 초당 이하의 계획 시간을 달성하며, 최신의 부분 최적 해법보다 빠른 속도, 높은 성공률 및 우수한 해 품질을 확보한다.

ABSTRACT

We propose a novel complete algorithm for multi-agent pathfinding (MAPF) called lazy constraints addition search for MAPF (LaCAM). MAPF is a problem of finding collision-free paths for multiple agents on graphs and is the foundation of multi-robot coordination. LaCAM uses a two-level search to find solutions quickly, even with hundreds of agents or more. At the low-level, it searches constraints about agents' locations. At the high-level, it searches a sequence of all agents' locations, following the constraints specified by the low-level. Our exhaustive experiments reveal that LaCAM is comparable to or outperforms state-of-the-art sub-optimal MAPF algorithms in a variety of scenarios, regarding success rate, planning time, and solution quality of sum-of-costs.

연구 동기 및 목표

• 실시간으로 수백에서 수천 명의 에이전트를 처리할 수 있는 빠르고 완전적이며 확장 가능한 다중 에이전트 경로 계획(MAPF) 알고리즘을 개발하기 위해.
• 특히 최적 알고리즘이 너무 느려서 적용이 어려운 대규모 MAPF 응용 분야에서 해 품질과 계획 속도 사이의 상충 관계를 해결하기 위해.
• 높은 에이전트 수와 장애물 밀도를 가진 복잡한 환경, 예를 들어 자동화된 창고와 같은 밀도 높은 환경에서 효율적인 계획을 가능하게 하기 위해.
• 현대의 단일 에이전트 계획기들을 구성 생성에 통합할 수 있는 모듈식이고 확장 가능한 프레임워크를 설계하기 위해.
• 저수준에서의 지연된 제약 조건 추가가 해의 완전성을 유지하면서도 검색 노력을 크게 줄일 수 있음을 입증하기 위해.

제안 방법

• LaCAM은 이중 수준 검색을 사용한다: 고수준에서의 에이전트 구성 탐색과 저수준에서의 에이전트별 이동 제약 조건 탐색.
• 고수준에서 각 노드는 한 시점에서의 전체 구성(에이전트 위치)을 나타내며, 저수준의 제약 조건을 기반으로 지연적으로 후속 노드가 생성된다.
• 저수준은 단일 에이전트 경로 계획을 수행하여 다음 구성에서 어떤 에이전트가 어디로 이동할지를 결정하고, 양의 제약 조건(예: '에이전트 i가 정점 v로 이동함')을 생성한다.
• 제약 조건은 필요할 때만 점진적으로 추가되며, 이는 전체 구성의 나열과 비교해 분지 계수와 검색 공간을 줄인다.
• 알고리즘은 합계 비용 기반 휴리스틱을 사용하는 A*를 사용하며, 외부 계획기(예: PIBT)를 구성 생성기로 통합한다.
• 해의 완전성을 유지하기 위해 구성들을 systematic하게 탐색하고, CBS와 유사한 방식으로 충돌을 제약 조건 추가를 통해 해결하지만, 제약 조건 방향이 반대(양의 제약 조건 대비 음의 제약 조건)이다.

실험 결과

연구 질문

• RQ1 지연된 제약 조건 추가를 사용하는 이중 수준 검색이 대규모 MAPF에서 완전성과 고속을 동시에 달성할 수 있는가?
• RQ2 LaCAM은 최신의 부분 최적 MAPF 알고리즘과 비교해 계획 시간, 성공률, 해 품질 측면에서 어떻게 성능을 내는가?
• RQ3 LaCAM은 큰 밀도 있는 격자에서 10,000명의 에이전트를 실시간 제약 조건 내에서 해결할 수 있는가?
• RQ4 양의 제약 조건(누가 어디로 가는가)과 음의 제약 조건(누가 어디로 갈 수 없는가)을 사용할 경우 검색 효율성에 어떤 영향을 미치는가?
• RQ5 고수준 구성에서 지연된 점진적 후속 노드 생성을 통해 분지 계수를 얼마나 줄일 수 있는가?

주요 결과

• LaCAM은 MAPF 벤치마크에서 32×32 격자에 20% 장애물이 있는 400명의 에이전트 인스턴스를 중앙값 1초 내에 모두 해결했으며, 30초 타임아웃을 초과한 기준 부분 최적 알고리즘보다 뛰어난 성능을 보였다.
• 큰 1491×656의 네트워크 연결 격자에서 LaCAM은 최대 10,000명의 에이전트 인스턴스를 수십 초 내에 성공적으로 해결하여 강력한 확장성을 입증했다.
• 에이전트 대 공간 비율이 높은 밀도 있는 시나리오에서는 다른 해법이 종종 실패하거나 타임아웃되는 상황에서도 LaCAM은 높은 성공률과 낮은 계획 시간을 유지했다.
• 저수준에서의 양의 제약 조건 사용은 음의 제약 조건 접근 방식보다 검색 공간을 줄여 더 빠른 수렴을 이끌어냈다.
• LaCAM의 지연된 후속 노드 생성은 효과적인 분지 계수를 억제하여, 대규모 에이전트 수가 있는 상황에서도 빠른 수렴을 가능하게 했다.
• 알고리즘은 부분 최적임에도 불구하고 경쟁 가능한 합계 비용(SOC) 값을 달성하여 높은 해 품질을 보였으며, 다양한 지도 유형과 에이전트 밀도에서 강력한 내구성을 보였다.