[논문 리뷰] Two-stage stochastic programming approach for path planning problems under travel time and availability uncertainties

Saravanan Venkatachalam, Manish Bansal외 2명|arXiv (Cornell University)|2019. 10. 08.

Robotic Path Planning Algorithms참고 문헌 6인용 수 7

한 줄 요약

이 논문은 주행 시간, 연료 소비 및 UGV 가용성의 불확실성 하에서 무인 지상 차량(UGV) 경로 계획을 해결하기 위해 이단계 스토하스틱 프로그래밍 프레임워크를 제안한다. 이러한 불확실성을 이산 확률 분포로 모델링하고 분해 알고리즘을 사용함으로써, 결정론적 모델에 비해 상당히 뛰어난 성능을 보이며, 연료 용량 불확실성 하에서는 평균 20–40%의 해법 품질 향상과 주행 시간 불확실성 하에서는 6–20%의 향상을 기록한다. 이는 스토하스틱 솔루션의 가치(VSS)로 측정된다.

ABSTRACT

Significant advances in sensing, robotics, and wireless networks have enabled the collaborative utilization of autonomous aerial, ground and underwater vehicles for various applications. However, to successfully harness the benefits of these unmanned ground vehicles (UGVs) in homeland security operations, it is critical to efficiently solve UGV path planning problem which lies at the heart of these operations. Furthermore, in the real-world applications of UGVs, these operations encounter uncertainties such as incomplete information about the target sites, travel times, and the availability of vehicles, sensors, and fuel. This research paper focuses on developing algebraic-based-modeling framework to enable the successful deployment of a team of vehicles while addressing uncertainties in the distance traveled and the availability of UGVs for the mission.

연구 동기 및 목표

• 주행 시간, 연료 소비 및 차량 가용성의 불확실성이 존재하는 임무에서 이질적인 UGV의 경로 계획 문제를 해결한다.
• 연료 소비 및 UGV 가용성과 같은 불확실한 매개변수에 대해 고정된 값으로 가정하는 결정론적 모델의 한계를 극복한다.
• 여러 불확실성 원천을 동시에 다룰 수 있는 확장 가능한 대수적 모델링 프레임워크를 개발한다.
• 10~20개의 관심 지점이 있는 경로 계획 인스턴스에 대한 계산 실험을 통해 스토하스틱 솔루션과 결정론적 솔루션 간의 우수성을 입증한다.
• 재난 대응, 국경 감시 및 정찰과 같은 실세계 시나리오에서 동적이고 불확실한 조건 하에서 UGV 팀의 실질적 구현을 가능하게 한다.

제안 방법

• 1단계 결정은 차량 루팅 및 할당을 포함하고, 2단계 결정은 실현된 불확실성에 대응하여 조정하는 이단계 스토하스틱 프로그램으로 UGV 경로 계획 문제를 수립한다.
• 역사적 또는 추정 데이터를 바탕으로 주행 시간에 대해 감마 분포, 연료 소비에 대해 베타 분포를 사용하여 불확실한 연료 소비와 주행 시간을 이산 확률 분포로 모델링한다.
• 각 차량에 대해 가용성 확률을 할당하여 UGV 가용성의 불확실성을 반영함으로써, 가용성 확률에 기반한 부분적 이용을 가능하게 한다.
• 모든 가능한 불확실성 매개변수 실현에 대해 통합하는 기대 후속비용 함수를 사용하여 2단계 조정의 기대 비용을 계산한다.
• 대규모 스토하스틱 정수혼합계획문제의 계산 복잡성을 다루기 위해 분해 알고리즘(Benders 또는 L-shaped)을 구현한다.
• 스토하스틱 솔루션의 가치(VSS)를 기대 후속비용 문제와 기대값 문제의 차이로 정의하여 스토하스틱 모델링이 결정론적 모델링보다 유리한 정도를 정량화한다.

실험 결과

연구 질문

• RQ1 주행 시간과 연료 소비의 불확실성을 고려할 경우, 결정론적 모델 대비 UGV 경로 계획 솔루션의 최적성과 강건성은 어떻게 영향을 받는가?
• RQ2 UGV 가용성이 확률 분포로 모델링될 때, 스토하스틱 프로그래밍 프레임워크가 해법 품질을 얼마나 향상시킬 수 있는가?
• RQ3 비용 절감 또는 보상 극대화 측면에서 이단계 스토하스틱 모델이 결정론적 모델보다 얼마나 유리한가?
• RQ4 UGV 가용성이 확률적(예: 25% 확률로 가용)일 경우와 이진적(가용 또는 비가용)일 경우의 해 구조는 어떻게 달라지는가?
• RQ5 제안된 스토하스틱 모델은 IED 지연, 동적 POI 위치, 적대 환경에서의 변동하는 연료 효율성과 같은 실세계의 불확실성을 효과적으로 다룰 수 있는가?

주요 결과

• 주행 시간 불확실성 하에서 스토하스틱 모델은 결정론적 모델 대비 VSS로 측정된 해법 품질에서 평균 6–20%의 향상을 기록하였다.
• 연료 용량 불확실성 하에서는 VSS가 20–40% 향상되어, 연료 소비가 매우 변동성이 클 경우 스토하스틱 모델링이 특히 효과적임을 보여주었다.
• 결정론적 모델은 가용성 확률에 기반한 차량 이용의 부분적 변화를 반영할 수 없다. 예를 들어, 25% 가용성인 UGV는 결정론적 설정에서는 부분적으로 할당될 수 없다.
• UGV 3의 가용성 확률이 1.0에서 0.25로 감소함에 따라 총 보상에 기여하는 정도가 단조롭게 감소함을 확인하여, 모델이 확률적 가용성을 연속적이고 현실적인 방식으로 반영할 수 있음을 보여주었다.
• 이단계 스토하스틱 모델은 주행 시간, 연료 소비 및 차량 가용성과 같은 다수의 불확실성 원천을 동시에 처리하여 더 강건하고 실용적인 임무 계획을 가능하게 하였다.
• 분해 알고리즘이 계산 복잡성을 효과적으로 감소시켜, 대규모 스토하스틱 UGV 경로 계획 문제를 실세계 적용에 적합하게 만들었다.