[논문 리뷰] Needs-driven Heterogeneous Multi-Robot Cooperation in Rescue Missions

Qin Yang, Ramviyas Parasuraman|arXiv (Cornell University)|2020. 09. 01.

Robotic Path Planning Algorithms참고 문헌 38인용 수 6

한 줄 요약

이 논문은 행동 트리(behavior tree)를 사용하여 로봇의 필요 사슬을 모델링함으로써 도시 탐색 및 구조(USAR) 임무를 위한 필요 중심의 이종 다중로봇 시스템을 제안한다. 이론적 분석과 시뮬레이션을 통해 이종 협업이 동종 팀에 비해 그룹의 유용성 증가, 에너지 비용 감소, 시스템의 강건성 향상에 기여함을 입증한다.

ABSTRACT

This paper focuses on the teaming aspects and the role of heterogeneity in a multi-robot system applied to robot-aided urban search and rescue (USAR) missions. We propose a needs-driven multi-robot cooperation mechanism represented through a Behavior Tree structure and evaluate the system's performance in terms of the group utility and energy cost to achieve the rescue mission in a limited time. From the theoretical analysis, we prove that the needs-driven cooperation in a heterogeneous robot system enables higher group utility than a homogeneous robot system. We also perform simulation experiments to verify the proposed needs-driven collaboration and show that the heterogeneous multi-robot cooperation can achieve better performance and increase system robustness by reducing uncertainty in task execution. Finally, we discuss the application to human-robot teaming.

연구 동기 및 목표

• 동적이고 위험한 환경에서 구조 임무 성능을 향상시키기 위해 지능형 로봇 팀워크를 개발하는 데 도전한다.
• 로봇의 이종성과 필요 중심 협업이 도시 탐색 및 구조(USAR) 임무에서 시스템의 유용성과 강건성에 어떻게 기여하는지 조사한다.
• 로봇의 필요 사슬을 행동 트리 기반 계층으로 형식화하여 개인과 그룹의 성능 균형을 맞춘다.
• 이론적 분석과 시뮬레이션을 통해 그룹의 유용성과 에너지 효율성에 중점을 두고 시스템 성능을 평가한다.
• 인간-로봇 팀워크를 지원하기 위해 인간의 필요와 능력을 협업 모델에 통합함으로써 프레임워크를 확장한다.

제안 방법

• 행동 트리 기반으로 로봇의 필요를 계층적으로 모델링하며, 노드는 조건(Con), 행동(Act), 인지(Per), 안전(Sa), 기본 필요(BN), 능력(Ca), 계획(Pl), 협상(Ne), 합의/실행(A&E)을 나타낸다.
• 세 가지 유형의 로봇을 사용하여 구조 임무를 형식화한다: 운반을 위한 커리어(UGV), 감지 및 물자 공급을 위한 공급자(UAV), 감시 및 데이터 공유를 위한 관찰자(UAV).
• 이론적 분석을 통해 시간 제약 조건 하에서 이종 및 동종 로봇 시스템 간의 그룹 유용성 및 에너지 비용 함수를 유도한다.
• 다양한 시나리오를 시뮬레이션하여 동종 및 이종 로봇 팀의 성능, 불확실성, 강건성을 평가한다.
• 인간의 안전, 능력, 신뢰도를 모델링하여 인간의 필요를 프레임워크에 통합함으로써 적응형 인간-로봇 팀워크를 가능하게 한다.
• 에이전트 모델링을 활용하여 로봇이 인간의 행동을 학습하고 실시간으로 협업 전략을 적응시킬 수 있도록 한다.

실험 결과

연구 질문

• RQ1 USAR 임무에서 로봇의 필요 중심 협업을 기반으로 한 이종 로봇 협업이 동종 팀에 비해 그룹 유용성에 어떻게 기여하는가?
• RQ2 불확실하고 역동적인 구조 환경에서 필요 중심 협업이 에너지 효율성과 시스템 강건성에 어떤 영향을 미치는가?
• RQ3 행동 트리 기반의 필요 사슬이 시간 제약 조건 하에서 이종 로봇을 효과적으로 조율하여 임무 목표를 달성하는 데 유용한가?
• RQ4 인간의 필요를 로봇 협업 모델에 통합하여 구조 작업에서 효과적인 인간-로봇 팀워크를 어떻게 실현할 수 있는가?
• RQ5 필요 중심 협업은 다중로봇 구조 임무에서 성능의 불확실성을 얼마나 줄이고 시스템 안정성을 향상시키는가?

주요 결과

• 이론적 분석을 통해 필요 중심 협업이 이종 다중로봇 시스템에서 동종 시스템보다 더 높은 그룹 유용성을 달성함을 입증한다.
• 시뮬레이션 결과는 이종 다중로봇 협업이 동종 구성보다 전체 에너지 비용을 감소시킴을 보여준다.
• 성능 불확실성(시험 간 분산으로 측정됨)이 감소하여 이종 협업이 더 높은 시스템 강건성과 안정성을 보임을 확인한다.
• 협업이 없는 시나리오는 모든 협업 변형보다 열악한 성능을 보여, 조율된 필요 중심 상호작용의 이점이 확인된다.
• 이종 팀은 낮은 작업 실행 변동성과 향상된 복원력을 바탕으로 불확실한 환경에서 뛰어난 적응성을 보인다.
• 인간의 필요가 프레임워크에 통합되어 인간-로봇 팀워크의 신뢰성과 신뢰도가 향상되어 더 안전하고 효율적인 임무 수행을 지원한다.