[논문 리뷰] Mixed Integer Programming for Time-Optimal Multi-Robot Coverage Path Planning with Efficient Heuristics

Jingtao Tang, Hang Ma|arXiv (Cornell University)|2023. 06. 30.

Robotic Path Planning AlgorithmsComputer Science인용 수 3

한 줄 요약

이 논문은 시간 최적화 다중 로봇 커버리지 경로 계획(MCPP)을 위한 새로운 혼합정수계획법(MIP) 모델을 제안하며, 문제를 최소최대 루트 기반 트리 커버(MMRTC)로 공식화하여 커버리지 시간을 단축시킨다. 문제 해결을 위해 비효율적인 요소를 제거하면서도 완전성을 유지하는 두 가지 효율적인 휴리스틱 기법—포물선 제거(Parabolic Removal) 및 부분그래프 제거(Subgraph Removal)—를 도입하여 MIP 모델 크기를 축소한다. 이로 인해 최신 기술 대비 평균 27.65%와 23.24%의 커버리지 시간 단축을 달성하였으며, 최적해와의 거리가 4배 이내로 보장되는 이론적 최적성 보장이 가능하다.

ABSTRACT

We investigate time-optimal Multi-Robot Coverage Path Planning (MCPP) for both unweighted and weighted terrains, which aims to minimize the coverage time, defined as the maximum travel time of all robots. Specifically, we focus on a reduction from MCPP to Min-Max Rooted Tree Cover (MMRTC). For the first time, we propose a Mixed Integer Programming (MIP) model to optimally solve MMRTC, resulting in an MCPP solution with a coverage time that is provably at most four times the optimal. Moreover, we propose two suboptimal yet effective heuristics that reduce the number of variables in the MIP model, thus improving its efficiency for large-scale MCPP instances. We show that both heuristics result in reduced-size MIP models that remain complete (i.e., guaranteed to find a solution if one exists) for all MMRTC instances. Additionally, we explore the use of model optimization warm-startup to further improve the efficiency of both the original MIP model and the reduced-size MIP models. We validate the effectiveness of our MIP-based MCPP planner through experiments that compare it with two state-of-the-art MCPP planners on various instances, demonstrating a reduction in the coverage time by an average of 27.65% and 23.24% over them, respectively.

연구 동기 및 목표

• 모든 로봇의 이동 시간 중 최대값이 커버리지 시간이 되는 다중 로봇 시스템에서 시간 최적화 MCPP 문제를 해결하기 위해.
• 하위최적이지만 완전한 휴리스틱 기법을 통해 MIP 모델 크기를 축소하여 대규모 MCPP의 계산 복잡도를 감소시키기 위해.
• 온도 시작 기법을 활용한 MIP 최적화를 통해 기존 최신 기술 대비 해의 품질을 향상시키기 위해.
• NP-난이도의 최소최대 루트 기반 트리 커버(MMRTC) 문제를 위한 증명 가능하고 완전하며 효율적인 MIP 공식화를 제공하기 위해.

제안 방법

• 지형의 그래프 추상화 기반으로 MCPP를 최소최대 루트 기반 트리 커버(MMRTC) 문제로 공식화한다.
• MMRTC를 최적으로 해결할 수 있는 새로운 혼합정수계획법(MIP) 모델을 제안하며, 최적 커버리지 시간과의 거리가 4배 이내로 보장된다.
• 비필수 변수와 제약 조건을 제거하여 MIP 모델 크기를 줄이기 위해 포물선 제거 휴리스틱(PRH)과 부분그래프 제거 휴리스틱(SRH)을 설계한다.
• 기존 및 축소된 MIP 모델의 수렴 속도를 향상시키기 위해 모델 최적화 온도 시작 기법을 적용한다.
• 두 단계 파라미터 튜닝 전략을 적용한다: PRH 및 SRH 파라미터에 대해 {0.3, 0.6, 0.9} 범위에서 빠른 검색을 수행한 후, 하한 개선도를 기반으로 최적 후보를 선별한다.
• 다양한 지형, 미로, 실내 바닥 구조 인스턴스에서 MIP 기반 플래너를 구현하고, MFC 및 MSTC*와의 비교를 통해 평가한다.

실험 결과

연구 질문

• RQ1 시간 최적화 MCPP를 위한 NP-난이도의 최소최대 루트 기반 트리 커버(MMRTC) 문제를 증명 가능한 성능 경계를 갖는 MIP 모델로 구성할 수 있는가?
• RQ2 대규모 MCPP 인스턴스에서 완전성이나 해의 품질을 훼손하지 않으면서 MIP 모델 크기를 어떻게 줄일 수 있는가?
• RQ3 휴리스틱 기반 모델 축소(PRHS 및 SRH)가 MCPP 계획에서 해의 품질과 계산 효율성에 어떤 영향을 미치는가?
• RQ4 온도 시작 최적화 기법은 전체 및 축소된 MIP 모델의 MIP 수렴 속도 향상에 얼마나 효과적인가?
• RQ5 제안된 MIP 기반 MCPP 플래너는 커버리지 시간 단축 측면에서 최신 기술 대비 어느 정도 뛰어난가?

주요 결과

• 제안된 MIP 모델은 최적 커버리지 시간과의 거리가 4배 이내로 보장되어 강력한 이론적 성능 경계를 제공한다.
• 포물선 제거 휴리스틱(PRH)과 부분그래프 제거 휴리스틱(SRH)은 모든 MMRTC 인스턴스에서 완전성을 유지하면서 MIP 모델 크기를 줄인다.
• 모든 테스트 인스턴스에서 MFC 대비 평균 27.65%의 커버리지 시간 단축, MSTC* 대비 평균 23.24%의 단축을 달성하였다.
• 미로 인스턴스에서는 특히 강력한 성능을 보였으며, MSTC* 대비 41.03%의 커버리지 시간 단축을 기록하여 복잡한 장애물이 많은 환경에서의 효과성을 입증하였다.
• 온도 시작 최적화 기법은 특히 고도의 모델 복잡도를 가진 대규모 인스턴스에서 MIP 해법 효율성을 크게 향상시켰다.
• 루트 정점이 군집되어 있지 않은 경우 플래너가 가장 잘 작동했으며, 루트 그래프 정렬이 최적화되지 않은 선형 군집 구조에서는 성능 저하가 발생하였다.