[논문 리뷰] Multi-robot Cooperative Box-pushing problem using Multi-objective Particle Swarm Optimization Technique

Arnab Ghosh, Avishek Ghosh외 3명|arXiv (Cornell University)|2012. 05. 03.

Robotic Mechanisms and Dynamics참고 문헌 5인용 수 6

한 줄 요약

이 논문은 시간과 에너지를 동시에 최소화하는 다중목표 입자군집최적화(MOPSO) 방법을 제안하여 다중로봇 협동 상자 밀기 문제를 해결한다. 이 방법은 힘 기반 국소 계획을 통해 상자의 이동과 회전을 가능하게 한다. 시뮬레이션에서 NSGA-II에 비해 수렴성과 다양성 지표가 향상되어 우수한 성능을 보였다.

ABSTRACT

The present work provides a new approach to solve the well-known multi-robot co-operative box pushing problem as a multi objective optimization problem using modified Multi-objective Particle Swarm Optimization. The method proposed here allows both turning and translation of the box, during shift to a desired goal position. We have employed local planning scheme to determine the magnitude of the forces applied by the two mobile robots perpendicularly at specific locations on the box to align and translate it in each distinct step of motion of the box, for minimization of both time and energy. Finally the results are compared with the results obtained by solving the same problem using Non-dominated Sorting Genetic Algorithm-II (NSGA-II). The proposed scheme is found to give better results compared to NSGA-II.

연구 동기 및 목표

• 다중로봇 협동 상자 밀기 문제를 다중목표 최적화 과제로 다루기.
• 두 대의 이동 로봇을 사용하여 상자의 이동 및 회전 운동을 가능하게 하기.
• 상자 운반 중 소비되는 시간과 에너지를 동시에 최소화하기.
• 실시간 로봇 힘 제어를 위한 국소 힘 계획 기법 개발하기.
• 제안된 MOPSO 방법이 수렴성과 다양성 측면에서 NSGA-II와 비교 평가하기.

제안 방법

• 시간과 에너지를 목적함수로 하는 다중목표 최적화 문제로 상자 밀기 과제를 수식화한다.
• 파레토 최적 해를 탐색하기 위해 수정된 다중목표 입자군집최적화(MOPSO)를 적용한다.
• 두 로봇이 상자 특정 지점에 작용시키는 수직 힘을 계산하기 위해 국소 계획 기법을 사용한다.
• 각 단계에서 상자의 목표 향한 이동 및 회전을 달성하기 위해 힘 크기와 작용 지점을 결정한다.
• 상자의 방향과 목표 위치에 대한 상대적 위치에 기반한 동적 힘 조정을 통합한다.
• 시간 효율성과 에너지 소비를 균형 잡는 피트니스 평가 메커니즘을 활용한다.

실험 결과

연구 질문

• RQ1 MOPSO는 다중로봇 상자 밀기 과제에서 시간과 에너지를 효과적으로 최적화할 수 있는가?
• RQ2 제안된 MOPSO 기반 힘 계획은 수렴성과 다양성 측면에서 NSGA-II에 비해 어떻게 비교되는가?
• RQ3 회전 제어를 통합함으로써 전반적인 작업 성능에 어떤 영향을 미치는가?
• RQ4 국소 힘 계획은 다중목표 제약 조건 하에서 안정적이고 효율적인 상자 운동을 달성할 수 있는가?
• RQ5 두 대의 로봇을 사용한 협동 상자 밀기에서 시간과 에너지 간의 상호 교환 관계는 어떠한가?

주요 결과

• 제안된 MOPSO 기반 방법은 NSGA-II에 비해 파레토 최적 해의 수렴성과 다양성에서 더 우수한 성능을 보였다.
• 알고리즘은 목표 위치로의 이동 중 상자의 이동과 동시에 회전을 성공적으로 구현하였다.
• 국소 힘 계획 기법은 작업 완료 시간을 단축시키면서도 에너지 소비를 효과적으로 최소화하였다.
• 시뮬레이션 결과, MOPSO는 수렴 속도와 해의 분포 범위 측면에서 NSGA-II를 능가하는 것으로 확인되었다.
• 정렬 및 방향 전환을 포함한 복잡한 운동 시퀀스 처리에서도 강인한 성능을 보였다.
• 최종 해 집합은 시간과 에너지 목적 간의 균형 잡힌 트레이드오프 솔루션을 잘 분포시켰다.