[논문 리뷰] Traffic Flow Optimisation for Lifelong Multi-Agent Path Finding

Zhe Chen, Daniel Harabor외 2명|arXiv (Cornell University)|2023. 08. 22.

Robotic Path Planning Algorithms인용 수 4

한 줄 요약

이 논문은 다중 에이전트 경로 찾기(MAPF)를 위한 교통 흐름 원리를 PIBT 및 LaCAM* 계획기와 통합하여, 한 번에 해결하는 MAPF와 평생 지속되는 MAPF 성능을 햖थ기기 위한 혼잡도 인지 가이드 경로를 제안한다. Focal Search를 사용하여 시간에 의존하지 않고 혼잡도를 피하는 경로를 휴리스틱으로 계산함으로써, 한 번에 해결하는 MAPF에서는 더 높은 해법 품질을, 평생 지속되는 MAPF에서는 상당히 향상된 처리량을 달성하며, 10,000+명의 에이전트에까지 스케일링되며 밀리초 이내의 반응 시간을 확보한다.

ABSTRACT

Multi-Agent Path Finding (MAPF) is a fundamental problem in robotics that asks us to compute collision-free paths for a team of agents, all moving across a shared map. Although many works appear on this topic, all current algorithms struggle as the number of agents grows. The principal reason is that existing approaches typically plan free-flow optimal paths, which creates congestion. To tackle this issue, we propose a new approach for MAPF where agents are guided to their destination by following congestion-avoiding paths. We evaluate the idea in two large-scale settings: one-shot MAPF, where each agent has a single destination, and lifelong MAPF, where agents are continuously assigned new destinations. Empirically, we report large improvements in solution quality for one-short MAPF and in overall throughput for lifelong MAPF.

연구 동기 및 목표

• 고밀도의 에이전트 환경에서 기존 MAPF 알고리즘의 확장성 및 해법 품질 한계를 해결하기 위해.
• 미래의 에이전트 밀도를 고려한 혼잡도 인지 경로 계획으로 인해, 막연한 자유 흐름 휴리스틱을 대체함으로써 대규모 MAPF에서의 혼잡도를 감소시키기 위해.
• 실시간 배포를 위한 낮은 반응 시간을 유지하면서 평생 지속되는 MAPF에서 처리량을 향상시키기 위해.
• 최적화된 교통 인지 가이드 경로로 탐색을 이끌어내어, 한 번에 해결하는 MAPF의 해법 품질을 향상시키기 위해.
• 운송 과학에서 유도된 교통 배분 원리를 다중 에이전트 경로 찾기에 통합하여, 더 나은 확장성과 성능을 확보하기 위해.

제안 방법

• 경로를 따라 예상되는 에이전트 밀도를 기반으로 혼잡도 비용을 추정하는 시간에 의존하지 않는 가이드 경로를 제안한다.
• 지연 거리와 혼잡도 회피를 균형 있게 조절하기 위해, 부분 최적성 기준을 갖춘 Focal Search를 사용하여 가이드 경로 계산을 수행한다.
• 계산된 가이드 경로를 PIBT 및 LaCAM* 계획기에 향상된 휴리스틱으로 통합하여 경로 탐색을 이끈다.
• 대규모 이웃 탐색(Large Neighbourhood Search, LNS)과 유사한 방식으로 반복적인 개선을 통해 시간이 지남에 따라 해법 품질을 향상시킨다.
• 이중 단계 접근법을 적용한다: 30초간 가이드 경로 계산 및 최적화, 그 다음 30초간 최종 해법 탐색.
• 유저 균형(User Equilibrium) 기반의 교통 배분 문제(Traffic Assignment Problems, TAP)에서 영감을 얻어, 정점 및 간선의 혼잡도 비용을 도입하여 교통 지연을 모델링한다.

실험 결과

연구 질문

• RQ1 기본 휴리스틱과 비교했을 때, 혼잡도 인지 가이드 경로가 한 번에 해결하는 MAPF에서 해법 품질을 상당히 향상시킬 수 있는가?
• RQ2 PIBT 기반 계획기가 자유 흐름 경로 대신 혼잡도 회피 휴리스틱을 사용할 경우, 평생 지속되는 MAPF에서 처리량을 높일 수 있는가?
• RQ3 가이드 경로 계산 시간과 최종 해법 품질 간의 트레이드오프가 대규모 MAPF에서의 확장성에 어떤 영향을 미치는가?
• RQ4 TAP에서 유도된 교통 흐름 원리가 실제로 MAPF에 효과적으로 적용되어 혼잡도를 감소시키고 성능을 향상시킬 수 있는가?
• RQ5 미래의 에이전트 밀도를 고려한 가이드 경로를 사용할 경우, 동적이고 지속적인 작업 할당 환경에서 전체 시스템의 처리량이 향상되는가?

주요 결과

• 한 번에 해결하는 MAPF에서, F1.2(w=1.2)를 사용한 Guided LaCAM*는 2000명의 에이전트가 있는 Warehouse 지도에서 상대적 SIC가 0.982를 기록하여 표준 LaCAM*를 능가했다.
• 8000명의 에이전트가 있는 Warehouse 지도에서, Guided LaCAM*는 기준 LaCAM* 대비 SIC를 14.8% 감소시켜 상대 비용 0.852를 달성했다.
• 평생 지속되는 MAPF에서, 제안된 방법은 10,000명의 에이전트가 있는 Warehouse 지도에서 초당 31.1건의 작업 완료를 달성하여 PIBT 및 LNS를 능가했다.
• 모든 에이전트가 10,000명일 때도 밀리초 이내의 반응 시간을 유지하였으며, Warehouse 지도에서 평균 반응 시간은 0.023초였다.
• 8000명의 에이전트가 있는 Game 지도에서, 이 방법은 초당 6건의 작업 완료를 달성했고 반응 시간은 0.001초였다. 이는 높은 효율성을 보여주었다.
• 가이드 경로의 사용으로 충돌 수가 감소하고 경로 품질이 향상되었으며, 특히 자유 흐름 휴리스틱이 실패하는 고밀도 환경에서 두드러졌다.