[논문 리뷰] Risk-aware Resource Allocation for Multiple UAVs-UGVs Recharging Rendezvous

Ahmad Asghar, Guangyao Shi외 5명|arXiv (Cornell University)|2022. 09. 13.

UAV Applications and Optimization인용 수 4

한 줄 요약

이 논문은 우수한 에너지 소비의 확률적 특성으로 인해 반복적인 모니터링 임무에서 다수의 UAV와 UGV를 조율하기 위한 위험 인식 자원 할당 프레임워크를 제안한다. 여기서 UAV는 주기적으로 UGV와 재충전을 위해 만남을 가져야 하며, 이는 에너지 소비의 불확실성 때문이다. 위험 인식 재충전 회의 문제(Risk-aware Recharging Rendezvous Problem, RRRP)는 매칭 및 낙서 가중치 제약 조건을 갖는 정수선형계획문(Integer Linear Program, ILP)으로 수립되며, 도착 비용과 실패 확률을 균형 잡는 이기준 근사 알고리즘을 도입하여 정확한 ILP 해법에 비해 훨씬 뛰어난 확장성과 거의 최적의 성능를 달성한다.

ABSTRACT

We study a resource allocation problem for the cooperative aerial-ground vehicle routing application, in which multiple Unmanned Aerial Vehicles (UAVs) with limited battery capacity and multiple Unmanned Ground Vehicles (UGVs) that can also act as a mobile recharging stations need to jointly accomplish a mission such as persistently monitoring a set of points. Due to the limited battery capacity of the UAVs, they sometimes have to deviate from their task to rendezvous with the UGVs and get recharged. Each UGV can serve a limited number of UAVs at a time. In contrast to prior work on deterministic multi-robot scheduling, we consider the challenge imposed by the stochasticity of the energy consumption of the UAV. We are interested in finding the optimal recharging schedule of the UAVs such that the travel cost is minimized and the probability that no UAV runs out of charge within the planning horizon is greater than a user-defined tolerance. We formulate this problem ({Risk-aware Recharging Rendezvous Problem (RRRP))} as an Integer Linear Program (ILP), in which the matching constraint captures the resource availability constraints and the knapsack constraint captures the success probability constraints. We propose a bicriteria approximation algorithm to solve RRRP. We demonstrate the effectiveness of our formulation and algorithm in the context of one persistent monitoring mission.

연구 동기 및 목표

• 장기적인 협업 UAV-UGV 임무에서 UAV 에너지 소모의 확률적 특성으로 인한 실패 위험을 해결하기 위한 도전 과제를 다루는 것.
• 모든 UAV가 충전을 모두 소진할 확률이 사용자가 정의한 허용 범위 이내에 있도록 유지하면서 총 UAV 도착 비용을 최소화하는 것.
• 제한된 재충전 능력을 갖춘 다수의 UAV와 UGV 간의 재충전 회의를 효율적으로 스케줄링할 수 있는 확장 가능한 조율 전략을 개발하는 것.
• UAV가 재충전을 위해 경로를 이탈해야 하는 상황에서 작업 성능과 위험 수용 능력의 균형을 맞추는 것.

제안 방법

• UGV의 재충전 용량을 모델링하기 위해 매칭 제약 조건과 실패 확률의 상한선을 강제하기 위해 낙서 가중치 제약 조건을 갖는 정수선형계획문(Integer Linear Program, ILP)으로 위험 인식 재충전 회의 문제(Risk-aware Recharging Rendezvous Problem, RRRP)를 수립한다.
• 도착 비용과 위험 수용 능력 간의 균형을 이루는 데 이론적 성능 보장을 제공하는 이기준 근사 알고리즘을 도입하며, 문제의 구조적 특성을 활용한다.
• 라그랑주 분해 기반 기법을 활용해 문제를 분해하고 효율적인 해법을 도출함으로써 이전의 정확한 방법에 비해 지수적 확장성 문제를 피한다.
• 수축하는 수평 전략을 사용해 유한한 수평 동안 RRRP를 반복적으로 해결함으로써 적응성과 런타임 성능을 향상시킨다.
• 비교를 위한 기준선으로 ILP 솔버(MATLAB의 intlinprog 등)를 사용하여 근사 알고리즘의 성능와 확장성을 검증한다.
• 평균 실패 시간, 이동 시간 오버헤드, 재충전 도착 수와 같은 지표를 사용해 시뮬레이션 기반 평가를 수행하여 성능를 평가한다.

실험 결과

연구 질문

• RQ1 UAV-UGV 재충전 일정을 어떻게 최적화할 수 있을까? 도착 비용을 최소화하면서도 사용자가 정의한 UAV 배터리 고갈 확률 상한선을 충족시킬 수 있도록 하는가?
• RQ2 확률적 UAV 에너지 소모가 있는 지속적인 모니터링 임무에서, 작업 성능(예: 이동 시간 오버헤드)과 위험 수용 능력 사이의 상호 교환 관계는 어떠한가?
• RQ3 이기준 근사 알고리즘이 정확한 ILP 해법에 비해 훨씬 뛰어난 런타임 확장성을 확보하면서도 거의 최적의 성능를 달성할 수 있는가?
• RQ4 고정된 배터리 임계값(예: 30%, 40%, 50%)에서 재충전을 촉발하는 그리디 기반 기준과 비교했을 때, 제안된 알고리즘은 실패 내성과 도착 효율성 측면에서 어떻게 우월한가?

주요 결과

• 제안된 이기준 근사 알고리즘은 다양한 문제 크기에서 평균적으로 최적의 ILP 해의 15% 이내의 성능를 달성하며, 문제 규모가 증가할수록 성능 향상이 뚜렷하다.
• 변수 수가 최대 60,500에 이르는 문제 사례에서 알고리즘의 런타임은 ILP 솔버 대비 최대 7배 빠르며, 강력한 확장성 잠재력을 보였다.
• ILP가 주어진 수평 동안 RRRP를 최적으로 해결함에도 불구하고, 알고리즘은 도착 시간 오버헤드 측면에서 ILP를 능가했다. 이는 수축하는 수평 전략이 더 나은 적응성을 제공하기 때문일 것이다.
• 그리디 기반 기준(Greedy-30, Greedy-40, Greedy-50)과 비교했을 때, 제안된 방법은 평균 첫 실패 시간이 더 길고 이동 시간 오버헤드가 낮아, 불필요한 재충전 도착을 줄였다는 점에서 유의미한 성능 향상을 보였다.
• 위험 수용 능력이 낮아지면서(즉, 더 엄격한 실패 확률 상한선이 적용되면서), 평균 첫 실패 시간은 증가했고, 이동 시간 오버헤드와 재충전 도착 횟수도 증가하여 안전성과 효율성 사이의 기대되는 상호 교환 관계를 확인했다.
• 계획 수평당 평균 회의 횟수가 낮게 유지되어, 과도한 재충전 일정을 피하면서도 신뢰성은 유지하고 있음을 시사한다.