[논문 리뷰] Optimal Target Assignment and Path Finding for Teams of Agents

Hang Ma, Sven Koenig|arXiv (Cornell University)|2016. 05. 09.

Robotic Path Planning Algorithms참고 문헌 25인용 수 95

한 줄 요약

이 논문은 시간 확장 네트워크를 이용한 내팀 계획을 위한 최소비용 최대유량과 갈림길 기반 탐색을 이용한 외팀 충돌 해소를 조합함으로써 팀 단위의 에이전트에 대해 목표 할당 및 경로 탐색(TAPF) 문제를 최적화하는 계층적 알고리즘 CBM을 제안한다. CBM은 수백 명의 에이전트와 수십 팀의 환경에서 최적의 제작시간(makespan)을 보장한다.

ABSTRACT

We study the TAPF (combined target-assignment and path-finding) problem for teams of agents in known terrain, which generalizes both the anonymous and non-anonymous multi-agent path-finding problems. Each of the teams is given the same number of targets as there are agents in the team. Each agent has to move to exactly one target given to its team such that all targets are visited. The TAPF problem is to first assign agents to targets and then plan collision-free paths for the agents to their targets in a way such that the makespan is minimized. We present the CBM (Conflict-Based Min-Cost-Flow) algorithm, a hierarchical algorithm that solves TAPF instances optimally by combining ideas from anonymous and non-anonymous multi-agent path-finding algorithms. On the low level, CBM uses a min-cost max-flow algorithm on a time-expanded network to assign all agents in a single team to targets and plan their paths. On the high level, CBM uses conflict-based search to resolve collisions among agents in different teams. Theoretically, we prove that CBM is correct, complete and optimal. Experimentally, we show the scalability of CBM to TAPF instances with dozens of teams and hundreds of agents and adapt it to a simulated warehouse system.

연구 동기 및 목표

• 알려진 환경에서 팀 단위의 에이전트에 대해 목표 할당과 충돌 없는 경로 계획을 통합하는 TAPF 문제를 해결하기 위해.
• 익명 및 비익명 다중 에이전트 경로 탐색 문제를 통합된 프레임워크로 일반화하기 위해.
• 마지시점(last agent)이 할당된 목표에 도달하는 데 걸리는 시간인 제작시간(makespan)을 최소화하면서 충돌 없는 운동을 보장하기 위해.
• 대규모 TAPF 인스턴스에 대해 확장 가능하고 최적이며 완전한 알고리즘을 개발하기 위해.

제안 방법

• CBM은 시간 확장 네트워크를 사용하여 에이전트의 이동을 시간에 따라 모델링하고, 내팀 목표 할당 및 경로 계획을 위한 최소비용 최대유량 계산을 가능하게 한다.
• 저수준에서는 최소비용 최대유량을 적용하여 각 팀 내에서 에이전트를 목표에 할당하고 최적 경로를 계산한다.
• 고수준에서는 갈림길 기반 탐색을 사용하여 서로 다른 팀의 에이전트 간의 충돌을 반복적으로 식별하고 해결한다.
• 전역 최적성을 보장하기 위해 팀 기반 계획과 외팀 간 충돌 해소를 계층적 아키텍처에서 통합한다.
• 시간 확장 그래프에서 체계적인 충돌 탐지 및 해소를 통해 정확성, 완전성, 최적성을 유지한다.
• 에이전트 신원과 목표 할당에 맞게 유량 공식을 조정함으로써 익명 및 비익명 설정 모두를 지원한다.

실험 결과

연구 질문

• RQ1 내팀 및 외팀 간 에이전트 조율을 동시에 처리하면서 TAPF에 대해 최적의 제작시간을 달성할 수 있는 통합 알고리즘이 가능한가?
• RQ2 최소비용 최대유량과 갈림길 기반 탐색을 효과적으로 조합하여 대규모 TAPF 문제를 해결할 수 있는가?
• RQ3 팀 수와 에이전트 수 측면에서 이러한 계층적 접근의 확장성은 어떠한가?
• RQ4 밀도 높은 에이전트 상호작용이 있는 복잡한 다팀 환경에서도 알고리즘이 최적성과 완전성을 유지하는가?
• RQ5 실제 시뮬레이션 환경, 예를 들어 창고 물류와 같은 상황에서 CBM의 성능은 기존 방법과 비교해 어떻게 되는가?

주요 결과

• CBM은 알려진 지형에서 TAPF 문제를 정확하고 완전하며 최적의 방식으로 해결할 수 있음이 증명되었다.
• 알고리즘은 수십 팀과 수백 명의 에이전트를 포함한 TAPF 인스턴스에 대해 효과적으로 확장 가능하다.
• 실험 결과 CBM은 대규모 시나리오에서 최적의 제작시간을 달성함을 입증하였다.
• 최소비용 최대유량과 갈림길 기반 탐색의 통합은 외팀 간 충돌을 효율적이고 확장 가능한 방식으로 해결할 수 있게 하였다.
• CBM은 시뮬레이션된 창고 시스템에 성공적으로 적응 및 평가되어 실용적 적용 가능성을 입증하였다.