[논문 리뷰] Representation-Optimal Multi-Robot Motion Planning using Conflict-Based Search

Irving Solis, Read Sandström외 2명|arXiv (Cornell University)|2019. 09. 29.

Robotic Path Planning Algorithms참고 문헌 26인용 수 6

한 줄 요약

이 논문은 연속 공간 내 다중 로봇 운동 계획을 위한 새로운 표현 최적 접근법인 CBS-MP를 소개한다. 이는 갈등 기반 탐색(CBS)을 샘플링 기반 운동 계획으로 확장하여, 이질적이고 고차원 자유도를 가진 에이전트에 대해 효율적이고 최적의 계획을 가능하게 한다. 갈등은 점진적인 로드맵 정밀화를 통해 해결되며, 이로 인해 기존의 분리된 PRM 방법 대비 최대 60배 빠른 계획 속도와 뛰어난 해의 품질을 달성한다. 이는 32명의 에이전트에까지 스케일링 가능한 성능을 보인다.

ABSTRACT

Multi-Agent Motion Planning (MAMP) is the problem of computing feasible paths for a set of agents given individual start and goal states. Given the hardness of MAMP, most of the research related to multi-agent systems has focused on multi-agent pathfinding (MAPF), which simplifies the problem by assuming a shared discrete representation of the space for all agents. The Conflict-Based Search algorithm (CBS) has proven a tractable means of generating optimal solutions in discrete spaces. However, neither CBS nor other discrete MAPF techniques can be directly applied to solve MAMP problems because of the assumption of the shared discrete representation of the agents' state space. In this work, we solve MAMP problems by adapting the techniques discovered in the MAPF scenario by CBS to the more general problem with heterogeneous agents in a continuous space. We demonstrate the scalability teams of up to 32 agents, demonstrate the ability to handle up to 8 high DOF manipulators, and plan for heterogeneous teams. In all scenarios, our approach plans significantly faster while providing higher quality solutions.

연구 동기 및 목표

• 공통의 이산 공간을 가정하는 기존 다중 에이전트 경로 계획(MAPF) 방법의 한계를 해결하기 위해, 이는 연속 공간 내 이질적 또는 고차원 자유도를 가진 에이전트에게는 실패함.
• 결합된 및 분리된 다중 에이전트 운동 계획(MAMP) 접근법에서의 확장성과 최적성 간의 상충 문제를 해결하기 위해 표현 최적 방법을 도입함.
• 이종 팀(예: 이동 로봇, 항공 드론, 고차원 자유도를 가진 액추에이터)이 통합된 연속 상태 공간 프레임워크 내에서 효율적이고 갈등 없는 운동 계획을 가능하게 함.
• 개별 에이전트의 로드맵 표현에 대해 최적의 해를 도출하면서도, 갈등을 트리 구조에서 해결함으로써 계산의 타당성을 유지함.
• 복잡한 MAMP 시나리오에서 최신의 분리된 PRM 및 결합된 방법들과 비교해 계획 속도, 해의 품질, 확장성 면에서 뛰어난 성능을 입증함.

제안 방법

• 원래 이산 MAPF를 위해 설계된 갈등 기반 탐색(CBS) 프레임워크를 이산 그리드가 아닌 샘플링된 로드맵에 적용함으로써 연속 운동 계획으로 확장.
• 각 에이전트의 경로를 로드맵(예: PRM)으로 표현하고, 경로를 시간 슬라이스 세그먼트로 디지털화하여 갈등 트리(CT)를 사용해 다중 에이전트 간 충돌을 탐지함.
• 관련 에이전트의 경로를 국소적 로드맵 수정을 통해 재계획함으로써 갈등을 해결하며, 전체 공동 공간 탐색을 피함.
• 연속 경로를 시간 순서의 간선 시퀀스로 매핑하기 위해 균일한 시간 이산화를 적용함으로써 에이전트 간 궤적 간 정밀한 충돌 탐지 가능.
• 갈등 트리 내에서 우선순위 기반의 탐욕적 메커니즘을 사용해 해법을 유도함으로써, 로드맵 성장 최소화 및 해의 품질 유지에 기여함.
• 초기 로드맵과 동일한 조건에서 최적의 해를 보장함으로써 표현 최적성을 확보함. 이는 새로운 샘플링을 수행하는 분리된 방법보다 열등하지 않으며, 종종 더 희소한 로드맵으로 더 나은 경로를 찾을 수 있음.

실험 결과

연구 질문

• RQ1 갈등 기반 탐색(CBS)이 이산 MAPF에서 연속적이고 샘플링 기반의 다중 에이전트 운동 계획(MAMP)으로 일반화될 수 있는가? 이 과정에서 최적성이 유지되는가?
• RQ2 제안된 CBS-MP 방법은 계획 시간과 확장성 측면에서 분리된 PRM 및 결합된 MAMP 접근법과 비교해 성능 및 해의 품질 면에서 어떻게 비교되는가?
• RQ3 CBS-MP는 복잡하고 협소한 환경에서 고차원 자유도를 가진 액추에이터와 이종 로봇 팀을 얼마나 잘 처리할 수 있는가?
• RQ4 CBS-MP의 갈등 해소 메커니즘은 분리된 방법에서 동적 로드맵 샘플링에 비해 더 높은 로드맵 효율성과 저비용 해를 제공하는가?
• RQ5 분리된 방법이 경로 차단로 인해 실패하는 고밀도 상황에서도 CBS-MP는 높은 성공률과 빠른 계획 시간을 유지할 수 있는가?

주요 결과

• CBS-MP는 최대 32명의 에이전트에 대해 계획을 수행했으며, 분리된 PRM 변종은 16명의 에이전트에 대해 시간 제한 내에 해를 도출하지 못함.
• 밀도 높은 구성에서 8대의 고차원 자유도 액추에이터에 대해 CBS-MP는 가장 빠른 분리된 PRM 변종 대비 평균 60배 빠른 계획 속도를 기록함.
• 이동 로봇, 항공 드론, 크레인 유사 액추에이터를 포함한 이종 시나리오에서 CBS-MP는 100회의 시험 전부를 1000초 이내에 해결했으며, 분리된 PRM는 오직 20%의 성공률에 그침.
• CBS-MP는 기존의 분리된 PRM보다 항상 더 낮은 비용의 해를 도출함. 이는 기존의 로드맵을 활용하고, 중복 샘플링 없이 갈등을 해결하기 때문임.
• 표현 최적성이 확보됨: 동일한 초기 로드맵에서 CBS-MP는 분리된 PRM보다 열등한 해를 도출하지 않으며, 종종 더 희소한 로드맵으로 더 나은 경로를 찾음.
• 갈등 트리 구조 덕분에 고밀도 상황에서도 효율적인 갈등 해소가 가능했으며, 이는 분리된 PRM가 탐욕적 경로 선택으로 인해 공통 공간을 차단하면서 실패한 것과 대비됨.