[논문 리뷰] Multi-Robot Adversarial Patrolling: Facing a Full-Knowledge Opponent

Noa Agmon, Gal A. Kaminka외 1명|arXiv (Cornell University)|2014. 01. 16.

Optimization and Search Problems참고 문헌 25인용 수 94

한 줄 요약

이 논문은 다중 로봇 시스템이 완전한 지식을 지닌 적대자에 대응하기 위해 비결정적이고 마르코프 성격을 띠는 순찰 전략을 제안한다. 로봇의 이동을 마르코프 체인으로 모델링하여 가장 약한 순찰 지점에서의 탐지 확률을 최대화함으로써, 저자들은 다각도의 로봇 및 환경 모델(방향성/비방향성 이동, 완전/불완전 감지)에 대해 최적의 순찰 커버리지를 균형 잡는 다항시간 알고리즘을 제시한다. 이는 폐쇄된 순찰 경로 또는 개방된 울타리 환경에서 적용 가능하다.

ABSTRACT

The problem of adversarial multi-robot patrol has gained interest in recent years, mainly due to its immediate relevance to various security applications. In this problem, robots are required to repeatedly visit a target area in a way that maximizes their chances of detecting an adversary trying to penetrate through the patrol path. When facing a strong adversary that knows the patrol strategy of the robots, if the robots use a deterministic patrol algorithm, then in many cases it is easy for the adversary to penetrate undetected (in fact, in some of those cases the adversary can guarantee penetration). Therefore this paper presents a non-deterministic patrol framework for the robots. Assuming that the strong adversary will take advantage of its knowledge and try to penetrate through the patrols weakest spot, hence an optimal algorithm is one that maximizes the chances of detection in that point. We therefore present a polynomial-time algorithm for determining an optimal patrol under the Markovian strategy assumption for the robots, such that the probability of detecting the adversary in the patrols weakest spot is maximized. We build upon this framework and describe an optimal patrol strategy for several robotic models based on their movement abilities (directed or undirected) and sensing abilities (perfect or imperfect), and in different environment models - either patrol around a perimeter (closed polygon) or an open fence (open polyline).

연구 동기 및 목표

• 결정적 순찰 패턴을 악용할 수 있는 지식이 풍부한 적대자에 대비한 다중 로봇 시스템에서의 적대적 순찰 문제를 해결하기 위해.
• 순찰의 가장 약한 지점에서 적대자를 탐지할 확률을 최대화하는 비결정적 순찰 전략을 설계하기 위해.
• 마르코프 가정 하에 최적의 순찰을 수행하기 위한 계산 효율성이 높은 다항시간 알고리즘을 개발하기 위해.
• 이동 방식(방향성/비방향성)과 감지 능력(완전/불완전)에 따라 변화하는 다양한 로봇 모델과 환경 유형(폐쇄 다각형 또는 개방 선형)에 프레임워크를 확장하기 위해.
• 순찰 전략을 알고 있는 강력한 적대자에 대비해 강건성을 확보하기 위해.

제안 방법

• 순찰 위치 간의 확률적 전이를 나타내기 위해 로봇 순찰을 마르코프 체인으로 모델링하기 위해.
• 순찰 지점에 대한 정적 분포로 순찰 전략을 정의하여 커버리지와 탐지 확률을 균형 잡기 위해.
• 적대자가 이 지점을 표적으로 삼을 것이라고 가정할 때, 가장 약한 지점에서의 최소 탐지 확률을 최대화하기 위해 순찰 전략을 최적화하기 위해.
• 최적 전략을 다항시간 내에 계산하기 위해 최적화 문제를 선형 프로그래밍 문제로 공식화하기 위해.
• 방향성/비방향성 이동 및 완전/불완전 감지 능력에 따라 프레임워크를 적응시키기 위해.
• 폐쇄형(순찰선)과 개방형(울타리) 순찰 환경 양쪽에 프레임워크를 적용하기 위해.

실험 결과

연구 질문

• RQ1 지식이 풍부한 적대자가 순찰 전략을 알고 있으며 가장 약한 지점을 공격할 경우, 다중 로봇 순찰 시스템은 어떻게 탐지 확률을 최대화할 수 있는가?
• RQ2 마르코프 가정 하에 최적의 비결정적 순찰 전략은 무엇이며, 이는 가장 높은 최소 탐지 확률을 보장하는가?
• RQ3 제안된 프레임워크는 로봇의 이동 방식(방향성/비방향성)과 감지 능력(완전/불완전)의 변화에 어떻게 적응하는가?
• RQ4 완전한 지식을 지닌 적대자 조건 하에서 최적의 순찰 전략을 계산하는 데 필요한 계산 복잡도는 무엇인가?
• RQ5 폐쇄형 순찰선과 개방형 울타리와 같은 다양한 환경 구조에서 프레임워크의 성능은 어떻게 되는가?

주요 결과

• 제안된 알고리즘은 다항시간 내에 최적의 순찰 전략을 계산하므로 실세계 적용에 있어 확장성이 있다.
• 프레임워크는 적대자가 순찰 전략을 알고 있더라도 순찰의 가장 약한 지점에서 가능한 한 높은 탐지 확률을 보장한다.
• 이 방법은 방향성 및 비방향성 이동, 완전 및 불완전 감지 모델 모두에 적용 가능하다.
• 이 방법은 폐쇄형 순찰선과 개방형 울타리 순찰 구성 모두에 효과적이다.
• 적대자가 악용할 수 있는 예측 가능한 취약 지점을 제거함으로써, 결정적 전략보다 성능이 뛰어나다.
• 선형 프로그래밍 공식화는 마르코프 전략 가정 하에서 계산 효율성과 최적성 보장을 보장한다.