[論文レビュー] Distributed Allocation and Scheduling of Tasks with Cross-Schedule Dependencies for Heterogeneous Multi-Robot Teams

Barbara Arbanas, Tamara Petrović+3 more|arXiv (Cornell University)|Sep 7, 2021

Robotic Path Planning Algorithms参考文献 44被引用数 6

ひとこと要約

本稿では、クロススケジュール依存性を有する異種マルチロボットチームを対象として、分散型でメタヒューティックに基づくタスク割り当ておよびスケジューリング手法を提案する。問題は、分散型進化的計算手法（CBM-pop）を用いて、車両経路問題（VRP）の変種としてモデル化される。本手法は、最先端のオークションベース手法と比較して、計算が高速でスケーラビリティに優れ、ベンチマークおよび実世界の温室利用事例の両方で、平均13.23％のCPU時間削減とほぼ最適な解の質を達成している。

ABSTRACT

To enable safe and efficient use of multi-robot systems in everyday life, a robust and fast method for coordinating their actions must be developed. In this paper, we present a distributed task allocation and scheduling algorithm for missions where the tasks of different robots are tightly coupled with temporal and precedence constraints. The approach is based on representing the problem as a variant of the vehicle routing problem, and the solution is found using a distributed metaheuristic algorithm based on evolutionary computation (CBM-pop). Such an approach allows a fast and near-optimal allocation and can therefore be used for online replanning in case of task changes. Simulation results show that the approach has better computational speed and scalability without loss of optimality compared to the state-of-the-art distributed methods. An application of the planning procedure to a practical use case of a greenhouse maintained by a multi-robot system is given.

研究の動機と目的

• 時間的・順序制約が厳しい異種マルチロボットシステムに対して、堅牢で高速かつスケーラブルな分散型タスク割り当ておよびスケジューリング手法を開発すること。
• 複数のロボット間での協調計画を可能にするために、順序制約および移行制約を含むクロススケジュール依存性（XD）を、効果的に扱う方法を提示すること。
• 低コストの計算オーバーヘッドと高速収束性を確保することで、動的環境におけるオンライン再計画を可能にすること。
• 中央集権的なコordinaterに依存しない仕組みを提供することで、システムの耐障害性と信頼性を高めること。
• 合成ベンチマークおよび実世界の温室自動化ユースケースの両方で、手法の有効性を検証すること。

提案手法

• 問題は、容量制限付き複数拠点車両経路問題（CVRP）の変種としてモデル化され、既存のVRP最適化技術の適用が可能となる。
• 知識共有とミメティズムを組み込んだ、進化的計算に基づく分散型メタヒューティックアルゴリズム（CBM-pop）が採用される。
• 各ロボットは自らの部分解を維持し、局所探索と隣接ロボットとの情報交換を通じて反復的に改善を行う。
• 順序制約は、解表現内にタスクの順序を符号化し、適合度評価時にそれを強制することで処理される。
• 移行依存性は、時間窓とセットアップ時間としてモデル化され、解のコスト関数に統合される。
• 本手法は、XD[ST-SR-TA]タスク用のベンチマークデータセット上でテストされ、最先端のオークションベース手法と比較されている。

実験結果

リサーチクエスチョン

• RQ1 分散型メタヒューティックアプローチは、クロススケジュール依存性を有する異種マルチロボットチームに対して、ほぼ最適なタスク割り当ておよびスケジューリングを達成できるか？
• RQ2 計算速度および解の質の観点から、本手法は中央集権的またはオークションベースの手法と比べてどのように差をつけるか？
• RQ3 問題のサイズおよび複雑さの増大に伴い、本手法はどの程度スケーラブルに機能するか？
• RQ4 タスクの追加やロボット障害などの動的変化に応じて、本手法はオンライン再計画を効果的にサポートできるか？
• RQ5 時間的および順序制約を伴う実世界の応用において、本手法の有効性はどの程度か？

主な発見

• 提案手法は、ベンチマーク問題において、最先端のオークションベース手法と比較して平均13.23％のCPU時間削減を達成した。
• 解の質はほぼ同一であり、マケスパンで平均0.59％、総コストで平均0.76％のわずかな改善にとどまった。
• 特に問題の複雑さが増すと、本手法は優れたスケーラビリティと計算速度を示した。
• 分散型アーキテクチャのおかげで、中央コordinaterへの依存が排除され、耐障害性と信頼性が向上した。
• 12台のロボットと30のタスク、順序制約を伴う実世界の温室ユースケースにおいて、有効で実行可能なスケジュールを正常に生成した。
• スケジュール実行のアニメーションビジュアライゼーションが公開されており、生成された計画の実行可能性と正しさを裏付けている。