[논문 리뷰] A Graph Isomorphism-based Decentralized Algorithm for Modular Robot Configuration Formation

Ayan Dutta, Prithviraj Dasgupta외 1명|arXiv (Cornell University)|2016. 02. 09.

Modular Robots and Swarm Intelligence참고 문헌 32인용 수 4

한 줄 요약

이 논문은 그래프 이somorphism 기반의 탈중앙화된 알고리즘을 제안하며, 분산된 초기 구성에서 모듈이 목표 구성에서 연결 끊김과 에너지 소비를 최소화하는 최적의 위치를 자율적으로 선택하여 모듈형 로봇의 구성 형성을 수행한다. 이 방법은 최대 100개의 모듈에 대해 200ms 이내의 계획 시간을 보장하며, 완전하고 파레토 최적의 할당을 달성하며, 시장 기반 접근 방식에 비해 속도와 통신 효율성에서 뛰어나다.

ABSTRACT

We consider the problem of configuration formation in modular robot systems where a set of modules that are initially in different configurations and located at different locations are required to assume appropriate positions so that they can get into a new, user-specified, target configuration. We propose a novel algorithm based on graph isomorphism, where the modules select locations or spots in the target configuration using a utility-based framework, while retaining their original configuration to the greatest extent possible, to reduce the time and energy required by the modules to assume the target configuration. We have shown analytically that our proposed algorithm is complete and guarantees a Pareto-optimal allocation. Experimental simulations of our algorithm with different number of modules in different initial configurations and located initially at different locations, show that the planning time of our algorithm is nominal (order of msec. for 100 modules). We have also compared our algorithm against a market-based allocation algorithm and shown that our proposed algorithm performs better in terms of time and number of messages exchanged.

연구 동기 및 목표

• 분산된, 사전 연결된 모듈형 로봇 유닛들로부터 사용자가 지정한 목표 구성으로의 형성을 해결하는 것.
• 재구성 과정에서 기존 모듈 연결을 유지함으로써 에너지 소비와 시간 비용을 최소화하는 것.
• 여러 모듈이 동일한 목표 위치를 경쟁할 경우를 해결하기 위해 유틸리티 기반의 이somorphism 기반 할당 메커니즘을 도입하는 것.
• 중앙 집중식 조율 없이도 완전하고 파레토 최적의 모듈 할당을 달성하는 것.

제안 방법

• 목표 구성과 초기 모듈 구성 모두를 그래프로 모델링하고, 그래프 이somorphism을 사용해 두 구성 간의 최대 공통 부분그래프(MCS) 또는 유도 부분그래프(IS)를 식별한다.
• 모듈들은 도착지 위치를 선택하기 위해 도착 비용, 연결 유지 가능성, 근접도를 고려한 유틸리티 기반 프레임워크를 사용한다.
• 여러 모듈이 동일한 위치를 목표로 할 경우, 탈중앙화된 협상 프rotocol을 통해 갈등을 해결하여 안정적이고 갈등 없는 할당을 보장한다.
• 이소모픽 서브구조의 체계적 탐색과 유틸리티 최적화를 통해 알고리즘이 완전성과 파레토 최적성을 보장한다.
• 모듈들은 지역 정보와 메시지 교환만을 사용하여 로컬로 계획을 수행함으로써 중앙 집중식 제어를 피한다.
• 기존 연결을 유지할 수 있는 모듈을 우선순위로 삼아 단절 수를 줄인다.

실험 결과

연구 질문

• RQ1 여러 개의 분리된 초기 구성에서 온 모듈형 로봇이 연결 끊김과 이동 비용을 최소화하면서 목표 구성에 효율적으로 할당될 수 있는 방법은 무엇인가?
• RQ2 탈중앙화된 그래프 이somorphism 기반 방법이 중앙 집중식 조율 없이도 완전하고 파레토 최적의 할당을 달성할 수 있는가?
• RQ3 계획 시간, 메시지 오버헤드, 총 이동 비용 측면에서 제안된 알고리즘은 시장 기반 접근 방식과 어떻게 비교될 수 있는가?
• RQ4 모듈 수가 증가함에 따라 알고리즘의 확장성은 계획 시간과 통신 측면에서 어떻게 평가될 수 있는가?
• RQ5 제안된 방법을 사용할 경우 재구성 과정에서 기존 모듈 연결을 얼마나 잘 유지할 수 있는가?

주요 결과

• 제안된 알고리즘은 최대 100개의 모듈을 포함한 구성에 대해 200ms 이내의 계획 시간을 달성하여 실시간 실행 가능성을 입증한다.
• 알고리즘은 계획 시간과 교환된 메시지 수 측면에서 시장 기반 경매 방식보다 뛰어나며, 통신 오버헤드가 크게 감소한다.
• 시험 케이스의 80%에서 모듈이 이동한 총 거리가 경매 알고리즘과 동일하거나 이를 하회했으며, 특히 모듈 수가 많아질수록 성능 향상이 두드러졌다.
• 시험 케이스 8개 중 7개에서 기존 연결을 성공적으로 유지하여 단절 이벤트를 최소화했으며(최대 4회 단절), 최소화되었다.
• 경매 알고리즘은 더 긴 실행 시간에도 불구하고 계획 단계의 완료율이 낮아 수렴 속도의 비효율성을 보였다.
• 그래프 이somorphism의 사용으로 공통 서브구조를 정확히 식별할 수 있었고, 이는 최적의 갈등 없는 위치 할당을 가능하게 했다.