[논문 리뷰] Path planning for Robotic Mobile Fulfillment Systems

Marius Merschformann, Lin Xie외 1명|arXiv (Cornell University)|2017. 06. 28.

Advanced Manufacturing and Logistics Optimization참고 문헌 22인용 수 11

한 줄 요약

이 논문은 로봇 이동 충족 시스템(RMFS)을 위한 새로운 다중 에이전트 경로 계획(MAPFWR) 프레임워크를 제안한다. 기존의 WHCA*, FAR, BCP, OD&ID, CBS 등의 고전적 MAPF 알고리즘을 확장하여 최대 속도, 가속도, 감속도, 회전 시간과 같은 실제 로봇 역학적 특성을 통합한다. RawSim-O에서의 시뮬레이션 결과, 속도 제약 조건을 적용한 WHCA*($\text{WHCA}^{*}_{v}$)가 처리량, 경로 길이, 탐색 시간 간의 최적의 균형을 달성하여 타 알고리즘들을 능가했으며, 확장성 한계가 존재하지만 성능 면에서 뛰어나다.

ABSTRACT

This paper presents a collection of path planning algorithms for real-time movement of multiple robots across a Robotic Mobile Fulfillment System (RMFS). Robots are assigned to move storage units to pickers at working stations instead of requiring pickers to go to the storage area. Path planning algorithms aim to find paths for the robots to fulfill the requests without collisions or deadlocks. The state-of-the-art path planning algorithms, including WHCA*, FAR, BCP, OD&ID and CBS, were adapted to suit path planning in RMFS and integrated within a simulation tool to guide the robots from their starting points to their destinations during the storage and retrieval processes. Ten different layouts with a variety of numbers of robots, floors, pods, stations and the sizes of storage areas were considered in the simulation study. Performance metrics of throughput, path length and search time were monitored. Simulation results demonstrate the best algorithm based on each performance metric.

연구 동기 및 목표

• 기존의 다중 에이전트 경로 계획(MAPF) 알고리즘이 최대 속도, 가속도, 감속도, 회전 시간과 같은 실제 로봇 역학적 제약 조건을 무시하는 데서 발생하는 격차를 해결하기 위해.
• 중앙집중식 제어와 현실적인 로봇 역학을 고려한 로봇 이동 충족 시스템(RMFS)에 특화된 수정된 MAPF 알고리즘을 개발하고 평가하기 위해.
• 현실적인 로봇 이동을 모의하는 시뮬레이션 프레임워크를 사용하여 다양한 창고 레이아웃과 로봇 수를 기반으로 알고리즘 성능을 평가하기 위해.
• 처리량, 경로 길이, 탐색 시간과 같은 핵심 지표에서 가장 효과적인 경로 계획 알고리즘을 특정하기 위해.
• 레이아웃 특성과 시스템 크기가 알고리즘의 확장성과 성능에 미치는 영향을 조사하기 위해.

제안 방법

• 로봇 운동학적 제약 조건을 통합한 새로운 문제 유형인 창고용 다중 에이전트 경로 계획(MAPFWR)을 수식화하여 경로 계획 단계에 역학적 특성을 통합한다.
• WHCA*, FAR, BCP, OD&ID, CBS 등 기존의 다섯 가지 MAPF 알고리즘을 수정하여 탐색 휴리스틱과 충돌 해결 방식을 로봇 역학을 고려하도록 조정한다.
• 로봇의 실제 이동을 모의하는 데 특화된 RawSim-O 시뮬레이션 프레임워크 내에서 수정된 알고리즘을 구현하며, 이는 회전 시간과 동적 가속/감속을 포함한다.
• 모든 로봇의 경로를 실행 전에 전역적으로 계산하는 중앙집중식 제어 아키텍처를 적용한다.
• 로봇 운동학적 제약 조건으로 정의된 새로운 탐색 공간에서 A*의 완전성과 타당성을 보장하는 수학적 수식을 적용한다.
• 다양한 수의 로봇, 팔레트, 스테이션, 바닥 구조를 가진 10개의 다양한 창고 레이아웃에서 성능을 측정한다.

실험 결과

연구 질문

• RQ1 최대 속도, 가속도, 회전 시간과 같은 운동학적 제약 조건이 RMFS에서 고전적 MAPF 알고리즘의 성능에 어떤 영향을 미치는가?
• RQ2 수정된 MAPF 알고리즘 중에서(예: WHCA*, FAR, CBS) 처리량, 경로 길이, 탐색 시간 간의 균형을 가장 잘 달성하는 알고리즘은 무엇인가?
• RQ3 시스템 크기와 레이아웃 복잡도 증가에 따라 알고리즘의 확장성은 어떻게 변화하는가?
• RQ4 로봇 이동의 현실성(예: 회전 시간, 동적 가속도)이 경로 품질과 시스템 혼잡도에 어떤 영향을 미치는가?
• RQ5 다양한 알고리즘이 로봇 이동의 유연성과 혼잡도 패턴에 미치는 영향은 어떻게 분석되며, 열지도를 통해 어떻게 시각화되는가?

주요 결과

• $\text{WHCA}^{*}_{v}$는 시뮬레이션 연구에서 처리량, 경로 길이, 탐색 시간 지표에서 가장 뛰어난 종합적 성능을 달성했다.
• FAR 방법은 벽시계 시간 측면에서 뛰어난 확장성을 보였으며, CBS나 BCP가 자주 타임아웃되는 큰 인스턴스에서도 효율적으로 유지되었다.
• CBS는 큰 인스턴스에서 높은 런타임 소비와 자주 발생하는 타임아웃으로 인해 실용성이 떨어졌으며, 소규모 문제에서는 뛰어난 경로 품질을 보였지만.
• 열지도 분석 결과, $\text{WHCA}^{*}_{v}$는 CBS보다 더 부드럽고 자연스러운 로봇 이동을 가능하게 하였으며, 스테이션 출구와 교차로에서의 혼잡도가 낮았다.
• 메모리 사용량은 알고리즘 간에 제한 요소가 되지 않았으며, 현대 하드웨어에서 모든 방법이 합리적이고 유사한 메모리 소비를 보였다.
• 시뮬레이션 결과는 경로 계획 단계에 운동학적 제약 조건을 통합함으로써 실제 적용 가능성과 시스템 성능이 크게 향상됨을 확인했다.