[논문 리뷰] Integrated Multi-Drone Task Allocation, Sequencing, and Optimal Trajectory Generation in Obstacle-Rich 3D Environments

Yunes Alqudsi, Murat Makaraci|arXiv (Cornell University)|2026. 03. 26.

Robotic Path Planning Algorithms인용 수 0

한 줄 요약

IMD–TAPP는 분리된 다중 목표 할당과 시퀀싱을 연속 궤도 생성과 통합하여 장애물 많은 3D 공간에서 충돌 없는 동적 실현 가능한 드론 궤도를 생성하고 MATLAB 시뮬레이션에서 검증됩니다. 두 드론의 사례에서 방법은 안전 제약을 만족하면서 임무 시간을 136 s 달성합니다.

ABSTRACT

Coordinating teams of aerial robots in cluttered three-dimensional (3D) environments requires a principled integration of discrete mission planning-deciding which robot serves which goals and in what order -- with continuous-time trajectory synthesis that enforces collision avoidance and dynamic feasibility. This paper introduces IMD-TAPP (Integrated Multi-Drone Task Allocation and Path Planning), an end-to-end framework that jointly addresses multi-goal allocation, tour sequencing, and safe trajectory generation for quadrotor teams operating in obstacle-rich spaces. IMD--TAPP first discretizes the workspace into a 3D navigation graph and computes obstacle-aware robot-to-goal and goal-to-goal travel costs via graph-search-based pathfinding. These costs are then embedded within an Injected Particle Swarm Optimization (IPSO) scheme, guided by multiple linear assignment, to efficiently explore coupled assignment/ordering alternatives and to minimize mission makespan. Finally, the resulting waypoint tours are transformed into time-parameterized minimum-snap trajectories through a generation-and-optimization routine equipped with iterative validation of obstacle clearance and inter-robot separation, triggering re-planning when safety margins are violated. Extensive MATLAB simulations across cluttered 3D scenarios demonstrate that IMD--TAPP consistently produces dynamically feasible, collision-free trajectories while achieving competitive completion times. In a representative case study with two drones serving multiple goals, the proposed approach attains a minimum mission time of 136~s while maintaining the required safety constraints throughout execution.

연구 동기 및 목표

• 혼잡한 3D 환경에서 다수의 UAV를 조정하는 도전을 동적 궤도 합성과 이산 미션 계획을 결합하여 해결하고자 한다.
• 쿼드로터 팀을 위한 다목표 할당, 방문 시퀀싱, 안전한 궤도 생성을 공동으로 처리하는 엔드-투-엔드 프레임워크를 개발한다.
• 환경 인식 비용 구성, 이산 최적화 및 안전 검증과 재계획이 포함된 궤도 생성을 도입한다.
• 임무 전체 실행 시간을 최소화하면서 장애물 회피 및 로봇 간 안전을 보장하는 확장 가능한 엔드-투-엔드 파이프라인을 제공한다.

제안 방법

• 3D 작업 공간을 탐색 가능한 그래프로 이산화하고 시작/목표 간 및 목표 간의 장애물 인식 이동 비용을 그래프 탐색(GSA)을 사용하여 계산한다.
• 이산 최적화기에게 입력할 비용 행렬(로봇-대상 및 대상-대상)을 구성한다.
• 방문-한 번 제약하에 makespan을 최소화하기 위해 MLA에 의해 안내되는 Injected Particle Swarm Optimization(IPSO)을 사용하여 할당 및 시퀀싱을 해결한다.
• 최적화된 이산 계획을 시간 매개변수화된 최소-스냅 궤도로 변환하고 시간 배분과 연속 최적화를 수행한다.
• 장애물 간격 확보 및 로봇 간 분리 여부를 반복적으로 검증하고 안전 여유가 위반되면 로컬 재계획을 트리거한다.
• MATLAB 기반 시뮬레이션 환경에서 생성, 검증 및 재계획을 포함하는 엔드-투-엔드 워크플로를 제시한다.

실험 결과

연구 질문

• RQ1 장애물 인식형 환경 특성의 이동 비용을 다중 드론 임무의 공동 할당-시퀀싱 문제에 어떻게 통합할 수 있는가?
• RQ2 MLA에 의해 안내되는 IPSO 프레임워크가 다수의 드론이 여러 목표를 방문하는 경우 낮은 makespan의 임무 배치와 방문 순서를 효율적으로 찾을 수 있는가?
• RQ3 이산 계획을 어떻게 동적으로 실현 가능하고 충돌 없는 궤도로 변환하고 반복적 안전 검증 및 재계획을 수행하는가?
• RQ4 IMD–TAPP의 혼잡한 3D 환경에서의 안전성, 실행 가능성 및 임무 시간 측면의 엔드-투-엔드 타당성은 어떠한가?

주요 결과

• IMD–TAPP는 실행 전 과정에서 장애물 간격과 로봇 간 간섭을 유지하며 동적으로 실현 가능한 충돌 없는 궤도를 생성한다.
• 환경 인식 그래프 탐색 비용을 사용하여 이동 비용 행렬을 구성하고, MLA에 의해 안내되는 이산 IPSO 최적화를 통해 수렴을 개선한다.
• 다수의 목표를 다루는 대표적 두 대의 드론 사례에서 최소 임무 시간은 136초로, 안전 제약을 만족한다.
• 엔드-투-엔드 파이프라인은 궤도 실행 중 제약 위반 시 로컬 재계획을 트리거하는 반복적 안전 검증을 포함한다.
• 시뮬레이션은 장애물 많은 3D 환경에서 일관된 충돌 회피 동작과 안전한 로봇 간 간격을 보여준다.