[논문 리뷰] Optimal Multi-Robot Path Planning on Graphs: Complete Algorithms and Effective Heuristics

Jingjin Yu, Steven M. LaValle|arXiv (Cornell University)|2015. 07. 12.

Robotic Path Planning Algorithms참고 문헌 41인용 수 6

한 줄 요약

이 논문은 그래프에서 최적의 다중 로봇 경로 계획(MPP)을 위한 새로운 ILP 기반 프레임워크를 제안한다. MPP와 다중 품질 네트워크 플로우 사이의 일대일 대응을 활용하여, 제작시간, 최대 거리, 총 도착 시간, 총 거리의 네 가지 목표를 동시에 해결한다. 원칙적인 휴리스틱을 통해 100대의 로봇에 대해 수초 내로 거의 최적의 해를 달성하며, 큰 밀도가 높은 격자에서 제작시간과 총 시간 해는 1.1-optimal 수준을 달성한다.

ABSTRACT

We study the problem of optimal multi-robot path planning on graphs MPP over four distinct minimization objectives: the makespan (last arrival time), the maximum (single-robot traveled) distance, the total arrival time, and the total distance. In a related paper, we show that these objectives are distinct and NP-hard to optimize. In this work, we focus on efficiently algorithmic solutions for solving these optimal MPP problems. Toward this goal, we first establish a one-to-one solution mapping between MPP and network-flow. Based on this equivalence and integer linear programming (ILP), we design novel and complete algorithms for optimizing over each of the four objectives. In particular, our exact algorithm for computing optimal makespan solutions is a first such that is capable of solving extremely challenging problems with robot-vertex ratio as high as 100%. Then, we further improve the computational performance of these exact algorithms through the introduction of principled heuristics, at the expense of some optimality loss. The combination of ILP model based algorithms and the heuristics proves to be highly effective, allowing the computation of 1.x-optimal solutions for problems containing hundreds of robots, densely populated in the environment, often in just seconds.

연구 동기 및 목표

• 그래프에서 다중 로봇 경로 계획(MPP)의 완전하고 정확한 알고리즘을 개발하여, 제작시간, 최대 단일 로봇 거리, 총 도착 시간, 총 거리의 네 가지 다른 목표에 대해 최적화한다.
• MPP와 다중 품질 네트워크 플로우 사이의 이론적 동치성을 확립하여, MPP 문제의 ILP 설정 가능성을 보장한다.
• 정확한 최적화 성능 향상을 위해 최소한의 최적성 손실로도 큰 성능 향상을 이끌어내는 효과적인 휴리스틱을 설계하여, 고밀도 환경에서도 확장 가능하도록 한다.
• 실제로 고밀도인 MPP 인스턴스에서 제안된 알고리즘의 성능을 평가하며, 특히 해의 품질과 실행 시간 측면에서 평가한다.

제안 방법

• 유도된 다중 품질 네트워크 플로우 문제의 타당한 해와 MPP 해 사이의 일대일 대응을 설정하여, MPP의 ILP 인코딩 가능성을 확보한다.
• MPP와 다중 품질 네트워크 플로우의 등가성에 기반해, 제작시간, 최대 거리, 총 도착 시간, 총 거리의 네 가지 최적화 목표를 정수선형계획(ILP)으로 설정한다.
• 분기 및 한계 기반 ILP 솔버를 구현하여 정확한 최적 해를 계산하며, 총 도착 시간 및 총 거리 목표에서는 언제든지 행동(anytime behavior)를 관찰할 수 있다.
• 4방향 분할 휴리스틱 및 기타 원칙적인 휴리스틱을 도입하여 계산 속도를 높이며, 최소한의 최적성 손실로 극적인 속도 향상을 달성한다.
• 실제로 해의 부분 최적성 비율을 추정하기 위해 최단 경로 길이에서 유도된 하한을 사용한다.
• 최대 20%의 장애물과 최대 100%의 로봇-정점 비율을 가진 24×18 격자 환경에서 성능을 평가한다.

실험 결과

연구 질문

• RQ1 제작시간, 최대 거리, 총 도착 시간, 총 거리 등 여러 다른 목표에 대해 최적의 MPP를 위한 일반적이고 완전한 알고리즘을 설계할 수 있는가?
• RQ2 MPP와 네트워크 플로우 사이에 이론적 동치성이 존재하는가? 이를 통해 정확한 ILP 기반 해법이 가능해지는가?
• RQ3 원칙적인 휴리스틱은 정확한 ILP 솔버의 계산 속도를 얼마나 효과적으로 향상시킬 수 있으며, 높은 해 품질을 유지할 수 있는가?
• RQ4 제안된 프레임워크는 로봇-정점 비율이 최대 100%이고 수백 대의 로봇이 있는 고밀도 MPP 문제에 확장 가능한가?
• RQ5 실제 시간 제한(예: 600초) 내에서 알고리즘이 얼마나 근사 최적해(예: 1.1-optimal)에 도달하는가?

주요 결과

• 제안된 ILP 기반 최적 제작시간 알고리즘은 이전 연구에서 다루기 어려운 100% 로봇-정점 비율의 MPP 문제를 해결할 수 있는 최초의 알고리즘이다.
• 프레임워크는 24×18 고밀도 격자에서 최대 100대의 로봇에 대해 총 도착 시간 및 총 거리 목표에서 600초 이내로 1.1-optimal 해를 계산한다.
• 4방향 분할 휴리스틱은 총 거리 최적화에서 더 빠른 계산을 가능하게 하며, 최적해의 1.1~1.2배 이내의 해를 생성하며 정확한 방법 대비 20~30%의 속도 향상을 달성한다.
• MinTotalTime 및 MinTotalDist 알고리즘은 언제든지 행동을 보이며, 더 빠른 실행 시간을 위해 부분 최적 기준을 설정할 수 있다. 그러나 MinMakespan은 타당성-최적성의 연결 덕분에 이러한 이점을 얻지 못한다.
• 성능 비교 결과, MinTotalTime 및 MinTotalDist는 ID 기반 언제든지 알고리즘과 경쟁 가능하며, 유사한 수의 인스턴스를 유사한 부분 최적 비율로 해결한다.
• 최적의 총 도착 시간과 총 거리는 장애물 밀도와 관계없이 항상 로봇 수의 약 15배 정도이다(예: 10대일 경우 150, 100대일 경우 1500).