[논문 리뷰] Sample Greedy Based Task Allocation for Multiple Robot Systems

Hyo‐Sang Shin, Teng Li외 1명|arXiv (Cornell University)|2019. 01. 10.

Distributed Control Multi-Agent Systems참고 문헌 46인용 수 9

한 줄 요약

이 논문은 다중 로봇 시스템을 위한 탈중앙화된 샘플링 그레디언트 작업 할당(DSTA) 알고리즘을 제안한다. 이 알고리즘은 부분모듈성(submodularity)과 확률적 샘플링을 활용하여 단조 증가 부분모듈러 함수에 대해 1/2의 근사 보장을, 비단조 증가 부분모듈러 함수에 대해 1/4의 근사 보장을 달성하며, CBBA와 같은 최신 기술 대비 상당히 감소된 계산 복잡도를 가지면서도 비단조 증가 케이스에서 뛰어난 해의 품질을 유지한다.

ABSTRACT

This paper addresses the task allocation problem for multi-robot systems. The main issue with the task allocation problem is inherent complexity that makes finding an optimal solution within a reasonable time almost impossible. To hand the issue, this paper develops a task allocation algorithm that can be decentralised by leveraging the submodularity concepts and sampling process. The theoretical analysis reveals that the proposed algorithm can provide approximation guarantee of $1/2$ for the monotone submodular case and $1/4$ for the non-monotone submodular case in average sense with polynomial time complexity. To examine the performance of the proposed algorithm and validate the theoretical analysis results, we design a task allocation problem and perform numerical simulations. The simulation results confirm that the proposed algorithm achieves solution quality, which is comparable to a state-of-the-art algorithm in the monotone case, and much better quality in the non-monotone case with significantly less computational complexity.

연구 동기 및 목표

• 다중 로봇 시스템에서 작업 할당 문제의 NP-난해성에 대응하기 위해 이론적 근사 보장을 갖춘 탈중앙화 알고리즘을 개발한다.
• 모든 실세계 시나리오에서 흔한 비단조 증가 케이스를 포함하여 단조 증가 부분모듈러 함수를 넘어서 보편적인 근사 알고리즘의 적용 가능성을 확장한다.
• 작업 평가 횟수를 일부 작업에 국한하는 샘플링 프로세스를 도입함으로써 탈중앙화된 작업 할당의 계산 복잡도를 감소시킨다.
• 다양한 조건(다양한 샘플링 확률 및 작업 수 포함)에서 수치 시뮬레이션을 통해 이론적 근사 보장을 검증한다.
• 특히 비단조 증가 부분모듈러 설정에서 기존 알고리즘인 CBBA보다 해의 품질과 계산 효율성 측면에서 뛰어나게 성능을 뛰어올린다.

제안 방법

• 전체 작업 집합에서 무작위로 일부 작업을 샘플링하는 프로세스를 사용하여 필요한 함수 평가 횟수를 감소시킨다.
• 샘플된 작업들에 대해 그레디언트 선택 전략을 적용하여 각 로봇이 유용성의 경계 증가를 최대화하는 작업을 선택한다.
• 샘플링 확률 $ p $ 는 해의 품질과 계산 비용 사이의 트레이드오프를 조절하며, $ p $ 가 클수록 둘 다 증가한다.
• 이 방법은 탈중앙화 설계를 통해 각 로봇이 국소 정보와 제한된 통신에 기반해 국소적 결정을 내릴 수 있도록 한다.
• 이론적 분석을 통해 예상 근사 비율이 단조 증가 부분모듈러 함수에 대해 $ 1/2 $, 비단조 증가 부분모듈러 함수에 대해 $ 1/4 $ 임을 증명한다.
• 알고리즘은 다양한 수의 에이전트와 작업을 가진 시뮬레이션 환경에서 구현 및 테스트되었다.

실험 결과

연구 질문

• RQ1 탈중앙화된 작업 할당 알고리즘이 단조 증가 및 비단조 증가 부분모듈러 유용성 함수에 대해 이론적 근사 보장을 달성할 수 있는가?
• RQ2 샘플링 프로세스는 탈중앙화된 작업 할당에서 해의 품질과 계산 복잡도 사이의 트레이드오프에 어떤 영향을 미치는가?
• RQ3 제안된 알고리즘이 비단조 증가 부분모듈러 설정에서 CBBA보다 해의 품질과 계산 효율성 측면에서 뛰어나게 성능을 냈는가?
• RQ4 다양한 샘플링 확률이 제안된 알고리즘의 성능에 어떤 영향을 미치는가?
• RQ5 전체 그레디언트 접근 방식 대비 함수 평가 횟수를 크게 줄였을 때, 제안된 방법이 강력한 근사 보장을 유지할 수 있는가?

주요 결과

• 이론적 분석에 따르면 제안된 DSTA 알고리즘은 단조 증가 부분모듈러 함수에 대해 예상 근사 보장 $ 1/2 $, 비단조 증가 부분모듈러 함수에 대해 $ 1/4 $ 를 달성한다.
• 200개의 작업을 가진 시뮬레이션에서 DSTA 알고리즘은 CBBA보다 약 2배 높은 함수 값을 달성했으며, CBBA는 DSTA 값의 약 50%에 그쳤다.
• 300개의 작업에 대해선 DSTA의 함수 값이 CBBA보다 약 2.5배 높았고, CBBA는 DSTA 값의 약 40%에 그쳤다. 이는 비단조 증가 케이스에서의 뛰어난 성능을 확인한다.
• DSTA의 계산 시간은 항상 CBBA보다 낮았으며, 주로 함수 평가 횟수 감소와 반복적인 갈등 해결 단계 회피로 인해 발생했다.
• $ p $ 를 $ 1/10 $ 에서 $ 1/2 $ 로 증가시키면 해의 품질은 향상되었지만 계산 시간도 증가하여 이론적으로 예측된 트레이드오프가 확인되었다.
• 시뮬레이션 결과는 이론적 분석을 검증하였으며, 높은 샘플링 확률이 더 나은 해의 품질을 가져오지만 계산 비용 증가를 수반함을 보여주었다.