[논문 리뷰] Multi-Robot Path Deconfliction through Prioritization by Path Prospects

Wenying Wu, Subhrajit Bhattacharya외 1명|arXiv (Cornell University)|2019. 08. 06.

Robotic Path Planning Algorithms참고 문헌 25인용 수 12

한 줄 요약

이 논문은 Z₂ 계수 호몰로지를 사용하여 목표지점으로 향하는 궤적의 동치류 수로 측정된 경로 전망을 기반으로 로봇의 우선순위를 정하는 분산형 다중로봇 경로 계획 방법을 제안한다. 이 방법은 성공률가 가장 높은 95.7%를 기록하며, 다섯 가지 기준 대비 최고의 메이크스팬과 플로우타임 균형을 달성했으며, 혼잡한 환경에서 최신 기법보다 뛰어난 성능을 보였다.

ABSTRACT

This work deals with the problem of planning conflict-free paths for mobile robots in cluttered environments. Since centralized, coupled planning algorithms are computationally intractable for large numbers of robots, we consider decoupled planning, in which robots plan their paths sequentially in order of priority. Choosing how to prioritize the robots is a key consideration. State-of-the-art prioritization heuristics, however, do not model the coupling between a robot's mobility and its environment. In this paper, we propose a prioritization rule that can be computed online by each robot independently, and that provides consistent, conflict-free path plans. Our innovation is to formalize a robot's path prospects to reach its goal from its current location. To this end, we consider the number of homology classes of trajectories, and use this as a prioritization rule in our decentralized path planning algorithm, whenever any robots enter negotiation to deconflict path plans. This prioritization rule guarantees a partial ordering over the robot set. We perform simulations that compare our method to five benchmarks, and show that it reaches the highest success rate (w.r.t. completeness), and that it strikes the best balance between makespan and flowtime objectives.

연구 동기 및 목표

• 혼잡하고 동적인 환경에서 대규모 로봇 팀의 충돌 없는 경로 계획 문제를 해결하기 위해.
• 기존의 우선순위 히ュ리스틱이 로봇 이동성과 환경 제약 조건 간의 결합을 忽略하는 한계를 극복하기 위해.
• 충돌 없는 완전한 경로 계획을 가능하게 하며 성능 지표를 향상시키는 동적이고 분산형 우선순위 규칙을 개발하기 위해.
• 실시간 온라인 계획에 활용 가능한 로봇의 경로 다양성 측정 척도인 '경로 전망' 개념을 체계화하기 위해.

제안 방법

• 각 로봇은 출발지에서 목표지점으로 향하는 서로 다른 궤적 유형의 수를 세기 위해 Z₂ 계수 호몰로지 클래스를 사용하여 자체 경로 전망을 계산한다.
• 이 방법은 각 로봇 주변의 국소 영역을 정의하여 경로 전망을 계산하며, 이는 이동성-환경 결합에 중점을 둔다.
• 우선순위는 호몰로지 클래스의 수에 의해 결정되며, 높은 값일수록 더 큰 경로 다양성과 높은 우선순위를 의미한다.
• 알고리즘은 실시간 경로 전망 추정치에 기반해 로봇들이 동적으로 재우선순위를 정하는 분산 협상 프로토콜을 사용한다.
• 경로 전망이 동일한 경우, 가장 긴 경로를 우선으로 하는 티 브레이킹 규칙을 구현한다.
• 중앙 집중식 조율을 피하고 로봇 수에 비례하는 선형적 확장성을 확보하여 실시간 운영이 가능하다.

실험 결과

연구 질문

• RQ1 환경적 제약 조건과 이동성 제약 조건을 통합함으로써 다중로봇 경로 계획에서 로봇 우선순위를 어떻게 향상시킬 수 있는가?
• RQ2 호몰로지 클래스와 같은 위상적 불변량을 통해 정의된 경로 전망은 효과적이고 확장 가능한 우선순위 히ュ리스틱으로서 유용한가?
• RQ3 경로 다양성에 기반한 동적이고 분산형 우선순위 규칙이 정적 또는 히ュ리스틱 기반 대안 대비 성공률 및 성능 지표 측면에서 뛰어나다고 할 수 있는가?
• RQ4 경로 다양성을 고려할 경우, 혼잡한 환경에서 메이크스팬과 플로우타임이 얼마나 감소하는가?
• RQ5 이러한 방법은 대규모 동적 로봇 팀에서 완전성과 충돌 없는 경로 생성을 유지할 수 있는가?

주요 결과

• 제안된 경로 전망 기반 히ュ리스틱(PP-R 및 PP-LF)은 각각 95.7%와 94.1%의 가장 높은 성공률을 기록하여 모든 다섯 가지 기준을 크게 앞서갔다.
• PP-R 및 PP-LF는 실험적 파레토 최적 해에 위치하여 모든 시험 환경에서 메이크스팬과 플로우타임 간 최고의 트레이드오프를 보였다.
• 특히 150×150 격자에서 100台의 로봇을 사용한 대규모 시나리오에서 이상적인(충돌 없음) 기준 대비 메이크스팬과 플로우타임 증가 비율이 가장 낮았다.
• 호몰로지 클래스에 기반한 경로 전망의 사용은 동일한 영역을 사용하지만 이동성 제약 조건을 忽略한 기준(FL)보다 뛰어나, 로봇-환경 결합의 중요성을 입증했다.
• 분산형 실시간 경로 전망 계산은 선형 확장성을 보장하며 중심 집중식 우선순위 순서의 지수적 복잡도를 피한다.
• 상수 히ュ리스틱인 LF(가장 긴 경로 우선) 및 CS(목표지점에 가장 가까운 로봇 우선)보다 일관되게 뛰어난 성능을 보여, 위상적 경로 다양성 추정의 유용성을 확인했다.