[논문 리뷰] Multi-agent RRT*: Sampling-based Cooperative Pathfinding (Extended Abstract)

Michal Čáp, Peter Novák외 2명|arXiv (Cornell University)|2013. 02. 12.

Robotic Path Planning Algorithms참고 문헌 1인용 수 6

한 줄 요약

이 논문은 다중 에이전트 시스템에서 협동 경로 계획을 위한 샘플 기반, anytime 알고리즘인 MA-RRT*를 제안한다. 이는 다중 에이전트의 연합 상태 공간으로 확장된 RRT* 프레임워크를 기반으로 하며, 큰 희박한 환경에서 전통적인 A*-기반 알고리즘과 최적의 anytime 알고리즘을 능가한다. 5초 이내에 77%의 성공률을 기록하여 OA(38%)와 JA(21%)보다 뚜렷이 높으며, 거의 최적의 해 품질을 유지를 한다.

ABSTRACT

Cooperative pathfinding is a problem of finding a set of non-conflicting trajectories for a number of mobile agents. Its applications include planning for teams of mobile robots, such as autonomous aircrafts, cars, or underwater vehicles. The state-of-the-art algorithms for cooperative pathfinding typically rely on some heuristic forward-search pathfinding technique, where A* is often the algorithm of choice. Here, we propose MA-RRT*, a novel algorithm for multi-agent path planning that builds upon a recently proposed asymptotically-optimal sampling-based algorithm for finding single-agent shortest path called RRT*. We experimentally evaluate the performance of the algorithm and show that the sampling-based approach offers better scalability than the classical forward-search approach in relatively large, but sparse environments, which are typical in real-world applications such as multi-aircraft collision avoidance.

연구 동기 및 목표

• 다중 에이전트 시스템의 협동 경로 계획에서 A*와 같은 전진 탐색 방법의 확장성 한계를 해결한다.
• 다중 에이전트 경로 계획에서 연합 상태 공간의 분지 수가 기하급수적으로 증가하는 문제를 해결한다.
• 해 품질을 유지하면서도 큰 희박한 환경에서 성능을 향상시키는 샘플 기반 접근법을 개발한다.
• 최신의 최적 및 anytime 알고리즘과의 비교를 통해 알고리즘의 성능과 해 품질을 평가한다.
• 정보 기반 샘플링이 고품질 해로의 수렴 속도를 가속화하는 데 기여하는 바를 입증한다.

제안 방법

• 각 에이전트의 운동 그래프를 복합 상태 공간의 일부로 간주하여, 다중 에이전트의 연합 상태 공간에서 RRT* 알고리즘을 적용한다.
• 샘플 간에 유효한 경로가 존재할 경우, 탐색을 유도하는 휴리스틱 기반의 탐색 기법을 사용하여 샘플을 연결한다.
• RRT*의 리와이어링 메커니즘을 적용하여 경로 비용을 반복적으로 개선하고 점근적 최적성을 확보한다.
• 수렴 속도를 가속화하기 위해 개별 에이전트의 최적 경로 근처 영역으로 샘플링을 편향시키는 정보 기반 샘플링 변형(isMA-RRT*)을 도입한다.
• 에이전트의 운동을 4방향 이동과 1초 대기 원소로 구성된 그래프로 표현하며, 격자에서 장애물을 무작위로 제거한다.
• 모든 타임스텝에서 에이전트 간 최소 간격 거리(0.8 단위)를 유지함으로써 충돌 회피를 보장하는 연합 상태 공간 표현 방식을 사용한다.

실험 결과

연구 질문

• RQ1 RRT*와 같은 샘플 기반 접근법이 큰 희박한 다중 에이전트 경로 계획 환경에서 기존 A*-기반 전진 탐색보다 우월한가?
• RQ2 MA-RRT*의 런타임과 성공률 측면에서 최적의 anytime 알고리즘(OA)과 연합 상태 A*(JA)에 비해 성능은 어떠한가?
• RQ3 정보 기반 샘플링이 MA-RRT*의 수렴 속도와 해 품질에 얼마나 기여하는가?
• RQ4 대규모 협동 경로 계획 문제에서 해 품질과 계산 효율성 사이의 상호 교환 관계는 어떠한가?
• RQ5 샘플 기반 접근법은 휴리스틱 탐색 방법에 비해 확장성은 크게 향상시키면서도 거의 최적의 해를 유지하는가?

주요 결과

• MA-RRT*는 6,000개의 테스트 인스턴스 중 56%를 5초 이내에 해결하여 JA(21%)와 OA(38%)를 능가했다.
• 정보 기반 샘플링 변형인 isMA-RRT*는 성공률 77%를 기록하여 모든 다른 알고리즘 대비 확장성 면에서 뚜렷이 뛰어났다.
• 증명 가능한 최적 해가 존재하는 2,438개의 인스턴스 서브셋에 대해 isMA-RRT*는 평균 비최적성 수준이 5% 미만으로 매우 높은 해 품질을 보였다.
• 성능 곡선은 대부분의 문제 인스턴스에서 OA와 JA보다 isMA-RRT*가 첫 번째 해를 더 빨리 찾는 것으로 나타났다.
• 결과는 샘플 기반 방법이 실세계 응용 사례(예: 다중 항공기 충돌 회피)에서 흔히 나타나는 큰 희박한 환경에서 전진 탐색 방법보다 더 우수한 확장성을 가짐을 확인한다.
• 알고리즘은 점근적 최적성을 유지하며 anytime 개선 기능을 제공하여 첫 번째 타당한 경로가 발견된 후에도 지속적으로 해를 정밀화한다.